資源描述：
《聚類技術(shù)在web服務(wù)中的應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、為了確?！敖虒W(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護。聚類技術(shù)在Web服務(wù)中的應(yīng)用研究 摘要：通過對ProgrammableWeb在線社區(qū)進行研究，發(fā)現(xiàn)網(wǎng)站上的API服務(wù)數(shù)量龐大且含有豐富的數(shù)據(jù)信息。討論了網(wǎng)頁采集、數(shù)據(jù)預(yù)處理等相關(guān)技術(shù)，利用K-Means和凝聚層次聚類技術(shù)在API服務(wù)數(shù)據(jù)集上進行實驗，實驗結(jié)果表明，K-Means算法具有更好的聚類效果?！ ￡P(guān)鍵詞：聚類；Web服務(wù)；K-Means；AP
2、I服務(wù)數(shù)據(jù) DOIDOI：/ 中圖分類號：TP319 文獻標(biāo)識碼：A文章編號：1672--0149-03 0引言 隨著技術(shù)的飛速發(fā)展，Mashup和API服務(wù)在Web開發(fā)者社區(qū)廣為流行，并應(yīng)用在許多開放的Web網(wǎng)站中。企業(yè)Web應(yīng)用中Mashup與其它應(yīng)用區(qū)別很大，常常不能重復(fù)使用或者沒有WebAPI，人們不得不為這些應(yīng)用去創(chuàng)建大量WebAPI。每天涌現(xiàn)的大量API服務(wù)需要一個平臺來瀏覽[1]。一些在線平臺，例如雅虎、等都允許用戶發(fā)布各種API服務(wù)，一些非專業(yè)人士也能通過組合WebAPI服務(wù)或其它Web資源創(chuàng)建新的W
3、eb頁面。ProgrammableWeb現(xiàn)在很流行，吸引了研究者的關(guān)注，推動了社區(qū)用戶行為的研究[2]。目前網(wǎng)站已經(jīng)有6730個Mashup和6為了充分發(fā)揮“教學(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開展課外活動，對學(xué)生進行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確保“教學(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護。783個開放的API服務(wù)
4、，開發(fā)者不用測試就能將API服務(wù)結(jié)合起來。和傳統(tǒng)的Web開發(fā)相比，Mashup越來越簡單和流行，因為開發(fā)者不用測試和移植內(nèi)部的Web應(yīng)用就能使用這些數(shù)據(jù)，非技術(shù)人員也能通過在線社區(qū)快速集成已有的應(yīng)用。 1API服務(wù)聚類 描述相似性 API服務(wù)經(jīng)過文檔預(yù)處理[3]后，使用詞語向量集表示。向量之間的相似性表示兩個文本之間的相似性，可用向量之間的夾角余弦值表示，也叫作余弦相似性，這是目前在信息檢索和聚類方法中度量文本相似性的最常用方法。設(shè)定文檔ta→和tb→，文檔間的余弦相似性計算公式如下： ta→和tb→是詞集T={t1，
5、...，tm}上的m維向量，每一維都代表一個?~在文檔中的權(quán)重，且為非負(fù)，余弦相似度非負(fù)并且屬于[0，1]。 標(biāo)簽相似性 API服務(wù)的標(biāo)注數(shù)據(jù)能起到描述API服務(wù)或是提供文本或語義信息的作用。本文根據(jù)標(biāo)注數(shù)據(jù)的相似性，提出了改進API服務(wù)聚類性能的方法。給定一個包含3個標(biāo)簽t1，t2，t3的API服務(wù)，si的標(biāo)簽集Ti={t1，t2，t3}。通過Jaccard系數(shù)方法計算標(biāo)簽之間的相似性： Simtag=
6、Ti∩Tj
7、
8、Ti∪Tj
9、其中
10、Ti∩Tj
11、是同時標(biāo)注和標(biāo)簽數(shù)目，
12、Ti∪Tj
13、是Ti和Tj的并集。為了充分發(fā)揮“教
14、學(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開展課外活動，對學(xué)生進行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?！敖虒W(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護。 根據(jù)以上公式，API服務(wù)si和sj的相似性sim計算如下： sim=βsimdes+simtag其中，β是描述層相似性權(quán)值，1-β是標(biāo)簽層相似性權(quán)值，simdes是描述層相似性，
15、simtag是標(biāo)簽層相似性，β取值范圍是[0，1]，如果兩個服務(wù)的描述和標(biāo)簽相同即是1，如果兩個服務(wù)的描述和標(biāo)簽完全不同則是0。 2聚類算法 K-Means聚類算法 K-Means是數(shù)據(jù)挖掘中的經(jīng)典聚類算法[4]，在做大型數(shù)據(jù)集聚類時廣泛使用。基本的K-Means算法中，每一次迭代計算每個數(shù)據(jù)集合對象到K個聚類中心的距離?！ -Means算法步驟如下：①從數(shù)據(jù)集D中，隨機抽取其中的k個對象作為初始聚類中心；②計算每個數(shù)據(jù)對象di和所有k個聚類中心cj的歐式距離d，并將數(shù)據(jù)對象di放到最近的聚類中；③對每個數(shù)據(jù)對象di找
16、到最近的聚類中心cj，同時將di的值賦給聚類中心j；④將數(shù)據(jù)對象di所在的聚類中心標(biāo)記以及存儲數(shù)據(jù)對象di和最近的聚類之間的距離分別存儲在數(shù)組Cluster[]和Dist[]中，設(shè)Cluster[i]=j，為了充分發(fā)揮“教學(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源
