软件学报

作者：陆佳炜，赵伟，张元鸣，梁倩卉，肖刚

单位：陆佳炜，中国计量大学 机械电子工程学院, 浙江 杭州 31001811,赵伟，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002302,张元鸣，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002303,梁倩卉，School of Computer Science and Engineering, Nanyang Technological University, Singapore 637457, Singapore04,肖刚，中国计量大学 机械电子工程学院, 浙江 杭州 31001805

关键词：Mashup服务;非负矩阵分解;主题模型;词嵌入;服务聚类

基金：国家自然科学基金（61976193）；浙江省自然科学基金（LY19F020034）；浙江省重点研发计划（2021C03136）

随着互联网和面向服务技术的发展，一种新型的Web应用——Mashup服务，开始在互联网上流行并快速增长.如何在众多Mashup服务中找到高质量的服务，已经成为一个大家关注的热点问题.寻找功能相似的服务并进行聚类，能有效提升服务发现的精度与效率.目前国内外主流方法为挖掘Mashup服务中隐含的功能信息，进一步采用特定聚类算法如K-means等进行聚类.然而Mashup服务文档通常为短文本，基于传统的挖掘算法如LDA无法有效处理短文本，导致聚类效果并不理想.针对这一问题，提出一种基于非负矩阵分解的TWE-NMF （non-negative matrix factorization combining tags and word embedding）模型对Mashup服务进行主题建模.所提方法首先对Mashup服务规范化处理，其次采用一种基于改进的Gibbs采样的狄利克雷过程混合模型，自动估算主题的数量，随后将词嵌入和服务标签等信息与非负矩阵分解相结合，求解Mashup服务主题特征，并通过谱聚类算法将服务聚类.最后，对所提方法的性能进行了综合评价，实验结果表明，与现有的服务聚类方法相比，所提方法在准确率、召回率、F-measure、纯度和熵等评价指标方面都有显著提高.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期