基于Web服務(wù)復(fù)雜網(wǎng)絡(luò)的服務(wù)社區(qū)構(gòu)建方法

劉 瑩 劉國(guó)奇 任介夫 姜琳穎 張 斌

(1東北大學(xué)軟件學(xué)院, 沈陽(yáng) 110819)

(2東北大學(xué)信息科學(xué)與工程學(xué)院, 沈陽(yáng) 110819)

互聯(lián)網(wǎng)上Web服務(wù)的數(shù)量不斷增加,領(lǐng)域也不斷擴(kuò)展,為了有效地管理散落于網(wǎng)絡(luò)上的Web服務(wù),Web服務(wù)社區(qū)這一組織形式應(yīng)運(yùn)而生[1].基于服務(wù)社區(qū)進(jìn)行服務(wù)發(fā)現(xiàn)、替換,有助于提高服務(wù)組合的效率[2].傳統(tǒng)的Web服務(wù)社區(qū)的構(gòu)建方法是通過(guò)用戶(hù)手動(dòng)注冊(cè)實(shí)現(xiàn)的,難以對(duì)服務(wù)資源進(jìn)行有效的組織和管理.因此,如何自動(dòng)構(gòu)建Web服務(wù)社區(qū)成為服務(wù)發(fā)現(xiàn)研究中的一個(gè)重要方面[3].

本質(zhì)上,Web服務(wù)社區(qū)對(duì)網(wǎng)絡(luò)中的服務(wù)資源起到分類(lèi)的作用,而聚類(lèi)技術(shù)可以實(shí)現(xiàn)對(duì)服務(wù)的無(wú)指導(dǎo)分類(lèi)[4].目前廣泛使用K-Means算法進(jìn)行聚類(lèi),但該算法在聚類(lèi)過(guò)程中性能依賴(lài)于聚類(lèi)中心的初始位置,而且對(duì)孤立點(diǎn)和噪聲點(diǎn)數(shù)據(jù)很敏感.依據(jù)Web服務(wù)信息,已有的研究采用信息匹配算法將Web服務(wù)構(gòu)建成復(fù)雜網(wǎng)絡(luò)[5],并且驗(yàn)證了該網(wǎng)絡(luò)具備復(fù)雜網(wǎng)絡(luò)的特性[6].社團(tuán)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)中廣泛存在的一個(gè)拓?fù)鋵傩訹7],通過(guò)挖掘Web服務(wù)復(fù)雜網(wǎng)絡(luò)(Web service network, WSN)中的社團(tuán)結(jié)構(gòu),可以有效地自動(dòng)構(gòu)建Web服務(wù)社區(qū).

傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分算法與計(jì)算機(jī)科學(xué)中的圖形分割和社會(huì)學(xué)中的分級(jí)聚類(lèi)具有密切關(guān)系.圖形分割算法中常用的2個(gè)算法是Kernighan-Lin算法和基于Laplace圖特征值的譜平分法[8].Kernighan-Lin算法要求必須事先知道該網(wǎng)絡(luò)中2個(gè)社團(tuán)的大小,譜平分法主要應(yīng)用于網(wǎng)絡(luò)能夠近似分為2個(gè)社團(tuán)的情形,這些缺陷導(dǎo)致它們?cè)赪SN的分析中難以得到應(yīng)用.分級(jí)聚類(lèi)算法中最具代表性的是GN算法,其缺陷在于對(duì)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)沒(méi)有一個(gè)量的定義[8].Radicchi等[9]針對(duì)GN算法的這一缺陷提出了自包含GN算法,在計(jì)算機(jī)生成的隨機(jī)網(wǎng)絡(luò)中取得較好的效果,但應(yīng)用到WSN中,劃分出的社團(tuán)規(guī)模分布嚴(yán)重不均,且社團(tuán)內(nèi)服務(wù)的平均相似度整體偏低.

針對(duì)WSN的加權(quán)網(wǎng)絡(luò)特性,本文提出了一種基于加權(quán)GN算法的Web服務(wù)社區(qū)構(gòu)建方法.首先從語(yǔ)義層面上構(gòu)建了WSN模型,其中連邊的權(quán)值等于2個(gè)節(jié)點(diǎn)所代表的Web服務(wù)的輸入輸出信息的語(yǔ)義相似程度;然后在WSN模型上使用加權(quán)GN算法進(jìn)行社團(tuán)劃分,通過(guò)挖掘社團(tuán)結(jié)構(gòu)實(shí)現(xiàn)Web服務(wù)社區(qū)的自動(dòng)構(gòu)建;最后,定義社區(qū)內(nèi)服務(wù)相似度模型,對(duì)Web服務(wù)社區(qū)的構(gòu)建結(jié)果進(jìn)行評(píng)價(jià).

1 基于語(yǔ)義相似關(guān)系的WSN模型

在基于語(yǔ)義相似關(guān)系的WSN模型的建模過(guò)程中,首先搜索服務(wù)庫(kù)中可用的Web服務(wù),抽取出這些服務(wù)的輸入輸出信息,并計(jì)算這些信息的語(yǔ)義相似程度;其次將Web服務(wù)抽象成網(wǎng)絡(luò)中的節(jié)點(diǎn),將服務(wù)之間語(yǔ)義層次的關(guān)聯(lián)關(guān)系抽象成邊.基于以上描述,本文給出如下定義.

定義1(網(wǎng)絡(luò)節(jié)點(diǎn)(node)) 在基于語(yǔ)義相似關(guān)系的WSN模型中,節(jié)點(diǎn)是抽象的Web服務(wù),可用五元組表示:

WS=(ID,Porttype,Operation,Message,Description)

(1)

式中,ID是Web服務(wù)的唯一標(biāo)識(shí);Porttype表示特定端口類(lèi)型的具體協(xié)議和數(shù)據(jù)格式規(guī)范;Operation表示對(duì)服務(wù)所支持的操作的抽象描述;Message表示通信數(shù)據(jù)的抽象類(lèi)型化定義;Description表示服務(wù)實(shí)現(xiàn)功能的描述信息.

RS(wsA,wsB)

(2)

定義3(網(wǎng)絡(luò)邊(edge)) 設(shè)A,B是網(wǎng)絡(luò)中任意2個(gè)節(jié)點(diǎn),若A,B代表的Web服務(wù)wsA和wsB滿(mǎn)足關(guān)系RS(wsA,wsB),則節(jié)點(diǎn)A和B間的連線(xiàn)即為網(wǎng)絡(luò)邊.

在構(gòu)建WSN模型時(shí),通過(guò)判定服務(wù)輸入輸出的語(yǔ)義信息是否匹配將不同Web服務(wù)建立關(guān)聯(lián).在構(gòu)建基于語(yǔ)義相似關(guān)系的WSN模型后,需要對(duì)模型的網(wǎng)絡(luò)特性進(jìn)行度量,具體的度量指標(biāo)包括:網(wǎng)絡(luò)的平均路徑長(zhǎng)度、網(wǎng)絡(luò)的平均聚類(lèi)系數(shù)、節(jié)點(diǎn)的度和度分布.本文通過(guò)分析上述特性來(lái)分析構(gòu)建的WSN模型的性質(zhì),如果WSN模型滿(mǎn)足復(fù)雜網(wǎng)絡(luò)的特征,就可以采用相應(yīng)的方法進(jìn)行Web服務(wù)社區(qū)的構(gòu)建.

2 基于加權(quán)GN算法的社區(qū)構(gòu)建方法

GN算法在社會(huì)網(wǎng)等復(fù)雜網(wǎng)絡(luò)中得到了成功應(yīng)用.但是在本文構(gòu)建的WSN模型中,節(jié)點(diǎn)之間連邊的重要性受到節(jié)點(diǎn)代表的Web服務(wù)的輸入輸出語(yǔ)義相似程度的影響,該相似程度被定義為網(wǎng)絡(luò)中的權(quán)值.本文將該權(quán)值引入到傳統(tǒng)GN算法中,改進(jìn)了算法的刪邊條件和終止條件,提出了加權(quán)邊介數(shù)和加權(quán)強(qiáng)社團(tuán)的概念,并在此基礎(chǔ)上提出了基于加權(quán)GN算法的Web服務(wù)社區(qū)構(gòu)建方法.

2.1 加權(quán)邊介數(shù)計(jì)算

在復(fù)雜網(wǎng)絡(luò)中,社團(tuán)內(nèi)部的緊密程度比社團(tuán)之間的緊密程度要高.原有的GN算法中社團(tuán)內(nèi)部的緊密程度通過(guò)各節(jié)點(diǎn)之間連邊的條數(shù)計(jì)算,在本文提出的WSN模型中,社團(tuán)內(nèi)部的緊密程度通過(guò)節(jié)點(diǎn)的語(yǔ)義相似程度即邊的權(quán)值計(jì)算.為了能夠在WSN模型中有效區(qū)分一個(gè)社團(tuán)的內(nèi)部邊和連接社團(tuán)之間的邊,本文提出了加權(quán)邊介數(shù)的概念,其表達(dá)式如下:

Eweighted=(1-Weight(A,B))Eunweighted

(3)

式中,Eweighted表示加權(quán)邊介數(shù)；Eunweighted表示傳統(tǒng)GN算法中的邊介數(shù)；Weight(A,B)表示節(jié)點(diǎn)A和節(jié)點(diǎn)B之間連邊的權(quán)值,它的值等于節(jié)點(diǎn)A,B代表的Web服務(wù)的語(yǔ)義相似度Sim(A,B).從式(3)可看出,采用本文提出的加權(quán)邊介數(shù),可以保證邊的權(quán)值越大(即2個(gè)Web服務(wù)的相似度越大),得到的邊介數(shù)越小,從而該邊被移除的概率就越小.這樣就保證社團(tuán)內(nèi)部的節(jié)點(diǎn)相似度明顯高于不同社團(tuán)節(jié)點(diǎn)的相似度,因而能夠滿(mǎn)足在基于語(yǔ)義相似關(guān)系的WSN模型中構(gòu)建Web服務(wù)社區(qū)的需要.

在加權(quán)邊介數(shù)的計(jì)算中,最關(guān)鍵的是邊的權(quán)值即服務(wù)相似度的計(jì)算.節(jié)點(diǎn)A,B的服務(wù)相似度(即綜合考慮輸入輸出相似程度)Sim(A,B)定義如下:

Sim(A,B)=w1SimI(A,B)+w2SimO(A,B)

w1+w2=1

(4)

式中,w1和w2分別為輸入、輸出相似度的權(quán)值；輸入相似度SimI(A,B)的定義為

w3+w4=1

(5)

式中,w3表示wsA對(duì)輸入相似度的影響程度;w4表示wsB對(duì)輸入相似度的影響程度.

輸出相似度SimO(A,B)的定義為

w5+w6=1

(6)

式中,w5表示wsA對(duì)輸出相似度的影響程度;w6表示wsB對(duì)輸出相似度的影響程度.在判斷參數(shù)的語(yǔ)義相似性時(shí),本文采用的是計(jì)算概念的語(yǔ)義距離的方法[10].

2.2 加權(quán)強(qiáng)社團(tuán)定義

在傳統(tǒng)的自包含GN算法中,Radicchi等[9]提出的強(qiáng)社團(tuán)結(jié)構(gòu)的定義被用作判斷社團(tuán)劃分效果的標(biāo)準(zhǔn).為了更好地衡量加權(quán)WSN中的社團(tuán)結(jié)構(gòu),本文改進(jìn)了強(qiáng)社團(tuán)定義,將本文構(gòu)建的WSN模型中的權(quán)值和強(qiáng)社團(tuán)定義相結(jié)合,提出了加權(quán)強(qiáng)社團(tuán)的概念,其表達(dá)式如下:

(7)

式(7)的物理意義是:社團(tuán)V內(nèi)的任意一個(gè)節(jié)點(diǎn)i與這個(gè)社團(tuán)內(nèi)部其他所有節(jié)點(diǎn)的連邊的權(quán)值之和,大于它與該社團(tuán)外部的所有節(jié)點(diǎn)的連邊的權(quán)值之和.滿(mǎn)足該條件的社團(tuán)V被稱(chēng)為網(wǎng)絡(luò)中的加權(quán)強(qiáng)社團(tuán).本文提出的加權(quán)GN算法在強(qiáng)社團(tuán)的概念中引入權(quán)值,以便更有效地將Web服務(wù)節(jié)點(diǎn)之間的關(guān)系強(qiáng)度量化,從而為定量分析WSN模型中的社團(tuán)結(jié)構(gòu)提供一個(gè)更加精確的定義.

2.3 加權(quán)GN算法流程

在WSN中,社區(qū)之間所存在的連接往往是社區(qū)間通訊的瓶頸,是社區(qū)間通信時(shí)通信流量的必經(jīng)之路.如果考慮網(wǎng)絡(luò)中節(jié)點(diǎn)之間的通信并尋找到具有最高通信量的邊,則該邊就是連接不同社區(qū)的通道.若去掉這樣的邊,網(wǎng)絡(luò)就可以自然分解成若干合理的社區(qū).因此,加權(quán)GN算法的基本流程是不斷地從網(wǎng)絡(luò)中去掉加權(quán)邊介數(shù)最大的邊.加權(quán)GN算法的具體步驟如下:

① 計(jì)算網(wǎng)絡(luò)中所有邊的加權(quán)邊介數(shù);

② 找到加權(quán)邊介數(shù)最大的邊,將其從網(wǎng)絡(luò)中移除;

③ 計(jì)算剩余邊的加權(quán)邊介數(shù),重復(fù)步驟②;

④ 當(dāng)網(wǎng)絡(luò)中分裂出的每個(gè)社區(qū)都滿(mǎn)足加權(quán)強(qiáng)社團(tuán)的定義時(shí),算法結(jié)束.

對(duì)于一個(gè)具有n個(gè)節(jié)點(diǎn),m條邊的網(wǎng)絡(luò)來(lái)說(shuō),整個(gè)算法的復(fù)雜度為O(m2n)[8].移除一條邊僅影響到與它屬于同一個(gè)部分的那些邊的加權(quán)邊介數(shù).因此,在反復(fù)計(jì)算時(shí),只需重新計(jì)算與該邊屬于同一部分的那些邊的加權(quán)邊介數(shù),而不必考慮其他的邊.社團(tuán)結(jié)構(gòu)較強(qiáng)的網(wǎng)絡(luò)往往很快就分裂成幾個(gè)獨(dú)立的部分,這樣就大大減少了后續(xù)的計(jì)算量.對(duì)于尚未分解開(kāi)的網(wǎng)絡(luò)和已經(jīng)分出一些社區(qū)的網(wǎng)絡(luò),算法的流程略有不同,算法流程分別如算法1和算法2所示.

算法1加權(quán)GN算法(初始網(wǎng)絡(luò))

輸入:網(wǎng)絡(luò)信息文件(包含節(jié)點(diǎn)和邊的信息).

輸出:網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu).

Begin

1 Initialize(); //初始化網(wǎng)絡(luò)信息

2 CalculateEB(); //計(jì)算整個(gè)網(wǎng)絡(luò)各邊的加權(quán)邊介數(shù)

3 DeleteEdge(); //刪除加權(quán)邊介數(shù)最大的邊

4 if(IsDevide()) //判斷是否產(chǎn)生新社團(tuán)

5 InsertRear(NewCommunity); //新社團(tuán)編號(hào)入隊(duì)列

6 GetNewQ(); //計(jì)算模塊度

7 if(Q<0)

8 break;

9 else

10 execute algorithm 2;//開(kāi)始執(zhí)行算法2

11 End if

12 else

13 goto 2; //繼續(xù)尋找加權(quán)邊介數(shù)最大的邊

End

算法2加權(quán)GN算法(分解過(guò)程中網(wǎng)絡(luò))

輸入:網(wǎng)絡(luò)信息文件(包含節(jié)點(diǎn)和邊的信息).

輸出:網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu).

Begin

1 Initialize();

2 While(not TerminateCondition) //未滿(mǎn)足終止條件時(shí),

循環(huán)持續(xù)

3 if(TerminateCondition1) //判斷網(wǎng)絡(luò)是否完全退化

4 break;

5 if(TerminateCondition2) //判斷是否所有社團(tuán)均為加權(quán)強(qiáng)社團(tuán)

6 break;

7 GetQueueFront(); //獲取將要處理的社團(tuán)(隊(duì)首社團(tuán))

8 if(IsStrong()) //判斷該社團(tuán)是否為加權(quán)強(qiáng)社團(tuán)

9 InsertRear();

10 if(IsSingle()) //判斷該社團(tuán)是否為單點(diǎn)社團(tuán)

11 InsertRear();

12 CalculateEB(); //計(jì)算該社團(tuán)各邊的加權(quán)邊介數(shù)

13 DeleteEdge();

14 if(IsDevide())

15 InsertRear(NewCommunity);

16 GetNewQ();

17 if(Q<0)

18 break;

19 End if

20 End while

End

當(dāng)整個(gè)算法流程結(jié)束時(shí),可能會(huì)出現(xiàn)以下3種情況:

1) 所有社團(tuán)均為強(qiáng)社團(tuán)結(jié)構(gòu);

2) 網(wǎng)絡(luò)的模塊度小于0;

3) 少量社團(tuán)為單點(diǎn)社團(tuán).

情況1)是算法最理想的情況,此時(shí)挖掘出的網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)即為本文要構(gòu)建的Web服務(wù)社區(qū).情況2)涉及到模塊度Q的概念,模塊度是Newman等[11]引進(jìn)的衡量網(wǎng)絡(luò)劃分的標(biāo)準(zhǔn).模塊度越大,說(shuō)明社團(tuán)結(jié)構(gòu)越明顯.通常,模塊度的局部峰值僅有1～2個(gè).當(dāng)模塊度小于0時(shí),如果繼續(xù)分解網(wǎng)絡(luò),社團(tuán)結(jié)構(gòu)將變得更加不明顯,因此在Q<0時(shí)立刻終止算法可得到相對(duì)良好的社團(tuán)結(jié)構(gòu).情況3)涉及到單點(diǎn)社團(tuán),單點(diǎn)社團(tuán)雖然不能再分,但它對(duì)構(gòu)建Web服務(wù)社區(qū)不具備任何意義,事實(shí)上將其歸并到其他社團(tuán)會(huì)更加合理.對(duì)此,本文采取的做法是比較該單點(diǎn)社團(tuán)所有連邊的權(quán)值,將該節(jié)點(diǎn)加入到與其連邊的權(quán)值最大的節(jié)點(diǎn)所在的社團(tuán)中.

2.4 社區(qū)內(nèi)服務(wù)相似度模型

為了驗(yàn)證構(gòu)建出的社區(qū)結(jié)構(gòu)的合理性,需制訂一個(gè)相似度度量標(biāo)準(zhǔn).為此,本文提出了一種基于語(yǔ)義相似關(guān)系的WSN社區(qū)內(nèi)服務(wù)相似度模型.

(8)

設(shè)網(wǎng)絡(luò)中有M個(gè)社區(qū)V1,V2,…,VM,則整個(gè)網(wǎng)絡(luò)的平均社區(qū)相似度定義為

(9)

本文在得到各個(gè)社區(qū)的服務(wù)相似度后,還將計(jì)算這些相似度的方差,以觀(guān)察社區(qū)內(nèi)服務(wù)相似度的穩(wěn)定性,從而分析所構(gòu)建的Web服務(wù)社區(qū)在網(wǎng)絡(luò)中分布的合理性.

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)所用的測(cè)試數(shù)據(jù)來(lái)源于首屆全國(guó)Web服務(wù)競(jìng)賽的數(shù)據(jù)集[12],數(shù)據(jù)集中Web服務(wù)輸入輸出的語(yǔ)義信息存儲(chǔ)在WSDL文檔和OWL文檔中.本文采用DOM解析技術(shù),從WSDL文檔和OWL文檔中將Web服務(wù)輸入輸出信息和相應(yīng)的語(yǔ)義關(guān)系提取出來(lái).然后將提取出的服務(wù)輸入輸出信息映射到概念層,分析任意2個(gè)服務(wù)之間的相似語(yǔ)義關(guān)系,建立節(jié)點(diǎn)之間的連接邊.同時(shí),計(jì)算2個(gè)服務(wù)之間的輸入輸出的相似度,作為邊的權(quán)值存入數(shù)據(jù)庫(kù).

在完成數(shù)據(jù)的預(yù)處理工作后,為保證實(shí)驗(yàn)所得結(jié)論的準(zhǔn)確性,以Web服務(wù)數(shù)據(jù)集中的服務(wù)作為節(jié)點(diǎn),進(jìn)行了多次實(shí)驗(yàn). 分別以449,1 301和4 031個(gè)Web服務(wù)的服務(wù)集合作為實(shí)驗(yàn)對(duì)象,計(jì)算3個(gè)網(wǎng)絡(luò)模型的聚類(lèi)系數(shù)和平均最短路徑長(zhǎng)度,結(jié)果如表1所示.可看出,本文所構(gòu)建的3個(gè)WSN模型具有較高的聚類(lèi)系數(shù)和較小的平均最短路徑長(zhǎng)度,滿(mǎn)足小世界特性.同時(shí),3個(gè)WSN模型的度分布近似滿(mǎn)足冪律分布的形態(tài),說(shuō)明它們具有無(wú)標(biāo)度特性.

表1 網(wǎng)絡(luò)模型屬性值

本文分別采用Newman算法、自包含GN算法和提出的加權(quán)GN算法來(lái)構(gòu)建Web服務(wù)社區(qū).由實(shí)驗(yàn)結(jié)果可看出,Newman算法將網(wǎng)絡(luò)分解為較多的細(xì)粒度社區(qū),不能有效地完成Web服務(wù)社區(qū)的劃分.自包含GN算法劃分出的社區(qū),規(guī)模極度不均衡,這種規(guī)模過(guò)大或過(guò)小的社區(qū)對(duì)實(shí)現(xiàn)Web服務(wù)社區(qū)的功能缺乏實(shí)際意義.在Internet中分布著各種不同功能的Web服務(wù),不同種類(lèi)的服務(wù)在數(shù)量上會(huì)有差異,但不應(yīng)出現(xiàn)某一類(lèi)服務(wù)的數(shù)量過(guò)度偏高的情況.本文提出的加權(quán)GN算法構(gòu)建出的Web服務(wù)社區(qū)內(nèi)服務(wù)數(shù)量較為均勻,符合實(shí)際情況.

為了驗(yàn)證所提算法的有效性,本文獲得了3個(gè)不同規(guī)模的網(wǎng)絡(luò),使用3種算法分別進(jìn)行服務(wù)的社區(qū)劃分.針對(duì)每種算法獲得的社區(qū)劃分結(jié)果,使用社區(qū)內(nèi)服務(wù)相似度模型計(jì)算社區(qū)內(nèi)平均服務(wù)相似度以及相似度的波動(dòng)情況,實(shí)驗(yàn)結(jié)果如表2所示.

表2 社區(qū)相似度比較

從表2可看出,本文算法構(gòu)建出的Web服務(wù)社區(qū)的平均社區(qū)相似度更高.社區(qū)內(nèi)的服務(wù)只有保持一定的相似度,才能使Web服務(wù)社區(qū)幫助完成服務(wù)分類(lèi)和發(fā)現(xiàn)等工作.同時(shí),本文算法構(gòu)建出的Web服務(wù)社區(qū),不同社區(qū)之間服務(wù)相似度的波動(dòng)很小,相似程度趨于穩(wěn)定,說(shuō)明本文算法使不同類(lèi)型的服務(wù)分布得更加合理.

4 結(jié)語(yǔ)

針對(duì)傳統(tǒng)自包含GN算法應(yīng)用于Web服務(wù)社區(qū)構(gòu)建所存在的問(wèn)題,本文提出了新的基于加權(quán)GN算法的Web服務(wù)社區(qū)構(gòu)建方法.該方法克服了傳統(tǒng)自包含GN算法僅考慮網(wǎng)絡(luò)中節(jié)點(diǎn)連邊情況的問(wèn)題,在算法中加入了連邊的權(quán)值信息,通過(guò)改進(jìn)算法的刪邊條件和終止條件來(lái)完成Web服務(wù)社區(qū)的構(gòu)建.實(shí)驗(yàn)結(jié)果表明,本文算法能夠有效地在基于語(yǔ)義相似關(guān)系的WSN模型中完成Web服務(wù)社區(qū)的構(gòu)建.與傳統(tǒng)的自包含GN算法相比,本文算法提高了社區(qū)內(nèi)服務(wù)的平均相似度,減小了網(wǎng)絡(luò)中不同Web服務(wù)社區(qū)平均相似度的差別.由于本文實(shí)驗(yàn)采用的是首屆全國(guó)Web服務(wù)競(jìng)賽的仿真數(shù)據(jù)集,和實(shí)際的Web服務(wù)環(huán)境可能會(huì)有所差異.以后的工作將著重研究如何為真實(shí)的Web服務(wù)庫(kù)構(gòu)建自身相應(yīng)的語(yǔ)義體系,并在此基礎(chǔ)上進(jìn)行Web服務(wù)社區(qū)的構(gòu)建.

)

[1] Popa V, Constantinescu L, Moise M, et al. Management of Web services communities, WSC system [J].StudiesinInformaticsandControl,2010,19(3):295-308.

[2] Chantal C, Vincent L, Jean-Francois S. Benefits of semantics on Web service composition from a complex network perspective [C]//ProceedingsofInternationalConferenceonNetworkedDigitalTechnologies. Berlin, Germany, 2010:80-90.

[3] Perryea C A. Community-based service discovery[C]//Proceedingsof2006IEEEInternationalConferenceonWebServices. Chicago, IL, USA, 2006:903-906.

[4] Zhang Xizhe, Yin Ying, Zhang Mingwei, et al. Web service community discovery based on spectrum clustering [C]//Proceedingsofthe2009InternationalConferenceonComputationalIntelligenceandSecurity. Beijing, China, 2009:187-191.

[5] Fortunato S. Community detection in graphs [J].PhysicsReports, 2010,486(3/4/5):75-174.

[6] 朱志良,邱媛源,李丹程,等. 一種Web服務(wù)復(fù)雜網(wǎng)絡(luò)的構(gòu)建方法[J]. 小型微型計(jì)算機(jī)系統(tǒng),2012,33(2):199-205.

Zhu Zhiliang, Qiu Yuanyuan, Li Dancheng, et al. Approach for building complex network of Web service [J].JournalofChineseComputerSystems, 2012,33(2):199-205. (in Chinese)

[7] Fan Y, Li M H, Zhang P, et al. Accuracy and precision of methods for community identification in weighted networks [J].PhysicaA:StatisticalMechanicsanditsApplications, 2007,377(1): 363-372.

[8] 汪小帆,李翔,陳關(guān)榮. 復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M].北京:清華大學(xué)出版社,2006:164-169.

[9] Radicchi F, Castellano C, Cecconi F, et al. Defining and identifying communities in networks [J].ProcNatlAcadSci, 2004,101(9):2658-2663.

[10] 彭暉,史忠植,邱莉榕,等. 基于本體概念相似度的語(yǔ)義Web服務(wù)匹配算法[J]. 計(jì)算機(jī)工程,2008,34(15):51-53.

Peng Hui, Shi Zhongzhi, Qiu Lirong, et al. Matching algorithm of semantic Web service based on similarity of ontology concepts [J].ComputerEngineering, 2008,34(15):51-53.(in Chinese)

[11] Newman M E J, Girvan M. Finding and evaluating community structure in networks [J].PhysicalReviewE, 2004,69(2):026113-01-026113-15.

[12] China Web Service Cup (CWSC2011) [EB/OL]. (2011)[2012-10-15].http://debs.ict.ac.cn/cwsc2011/technical_details.html.