王继魁

(吉林师范大学 计算机学院，吉林 四平 136000)

Web服务是一种基于客户端和服务器端的使用标准的网络通信协议HTTP或HTTPS进行通信的应用程序.Web服务架构的组件有服务提供者、服务消费者和服务代理规范标准(如通用描述、发现与集成UDDI[1](Universal Description Discovery and Integration).在UDDI机制的规范下，特定行为的Web服务可用Web服务描述语言(WSDL)描述其功能和用途.传统的针对需求查找相关Web服务的方法都是基于服务名称或自然语言描述的，可遗憾的是绝大多数的Web服务不能够被自然语言清晰准确的表述.为了克服上述限制，在WSDL语言中应用文本挖掘技术可以识别出描述所需Web服务功能的组件.使用这些功能获取相关信息后，可以对WSDL进行聚类，以便在服务发现和选择过程中缩小搜索空间，提高搜索效率.

对于文档的聚类，聚类算法的选择是至关重要的.传统的算法是K-means、Hierarchical Agglomerative、Suffix Tree等.目前流行的基于群体智能的聚类算法：蚁群优化算法(ACO)，粒子群优化算法(PSO)、遗传算法(GA)等.本文采用一种新颖的猫群优化算法[2]来进行Web服务的聚类.猫群优化算法是模拟自然界中猫的社会习性和觅食形为的一种算法.本文采用自适应的猫群优化算法来对Web服务集合进行聚类分组，然后将此算法的聚类精度与传统的K-means[3]聚类算法的精度做比较，给出实验结果.

1 自然语言处理

解决本文问题的关键在于如何提取Web服务的功能性信息，并使用这些信息对指定的需求的Web服务进行分类.首先，使用自然语言处理NLP技术对WSDL文档进行预处……