1、面向服務(wù)的計(jì)算(Service Oriented Computing，簡(jiǎn)稱(chēng)SOC)是當(dāng)前軟件領(lǐng)域備受關(guān)注的熱門(mén)主題之一。SOC倡導(dǎo)以標(biāo)準(zhǔn)的方式支持系統(tǒng)的開(kāi)放性，它所提供的服務(wù)協(xié)同和管理改善了軟件產(chǎn)品復(fù)雜的業(yè)務(wù)系統(tǒng)，提高了軟件系統(tǒng)的生產(chǎn)效率。面向服務(wù)的架構(gòu)(Service Oriented Architecture，SOA)使得分布式應(yīng)用具有更好的靈活性和復(fù)用能力。SOA的主流實(shí)現(xiàn)方式是Web服務(wù)技術(shù)，隨著面向服務(wù)架構(gòu)技術(shù)的大量應(yīng)用，當(dāng)前

2、Web服務(wù)的數(shù)量正在以超線性的速度增長(zhǎng)。面對(duì)快速膨脹的Web服務(wù)資源，用戶(hù)如何才能方便、準(zhǔn)確的從大量的服務(wù)資源中找到自己需要的服務(wù)成為了當(dāng)前工業(yè)界和學(xué)術(shù)界的一大挑戰(zhàn)。
　　Web服務(wù)推薦和發(fā)現(xiàn)技術(shù)的出現(xiàn)為服務(wù)發(fā)現(xiàn)和查找難問(wèn)題的解決提供了一個(gè)方向。
　　現(xiàn)有的熱門(mén)推薦技術(shù)在電子商務(wù)行業(yè)的商品推薦中應(yīng)用較為廣泛，但是由于Web服務(wù)的異構(gòu)性和用戶(hù)需求的多樣性，傳統(tǒng)的推薦技術(shù)簡(jiǎn)單地應(yīng)用到Web服務(wù)推薦中往往推薦的準(zhǔn)確度較低。因此，如

3、何把傳統(tǒng)推薦技術(shù)運(yùn)用在Web服務(wù)推薦中，并提高推薦的準(zhǔn)確度是當(dāng)前相關(guān)研究的難點(diǎn)之一?，F(xiàn)有技術(shù)大多從Web服務(wù)本身所蘊(yùn)含的描述信息及其用戶(hù)之間的相似度出發(fā)為用戶(hù)推薦服務(wù)。這種方法大多忽略了服務(wù)之間的內(nèi)在關(guān)聯(lián)和兼容性，推薦過(guò)程沒(méi)有結(jié)合用戶(hù)自己的Web服務(wù)進(jìn)行考慮，使得推薦的Web服務(wù)不能保證與用戶(hù)自己的Web服務(wù)組合使用，造成服務(wù)資源的浪費(fèi)，未能很好地滿(mǎn)足SOC軟件重用的初衷。
　　服務(wù)的推薦技術(shù)可以在用戶(hù)的功能需求還不明確的情況下完

4、成推薦，而服務(wù)發(fā)現(xiàn)方法則為用戶(hù)找到特定功能的服務(wù)提供了便捷。目前由于Web服務(wù)的描述文檔缺乏語(yǔ)義信息，服務(wù)的發(fā)現(xiàn)在準(zhǔn)確度和完備性上一直存在不足?；诒倔w論的Web服務(wù)發(fā)現(xiàn)研究還不成熟，而現(xiàn)有基于規(guī)則、聚類(lèi)方法和文本向量空間模型的研究取得了較好的效果?；赪eb服務(wù)之間存在著相似度上的關(guān)聯(lián)，本文從Web服務(wù)聚類(lèi)問(wèn)題和文本向量空間模型的構(gòu)建入手，對(duì)目前Web服務(wù)聚類(lèi)效果差的問(wèn)題進(jìn)行研究，指出現(xiàn)有聚類(lèi)方法和Web服務(wù)相似度計(jì)算方面的不足，并針

5、對(duì)性地提出新的解決方法。
　　本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　(1)針對(duì)服務(wù)推薦存在的問(wèn)題，提出了基于關(guān)聯(lián)規(guī)則挖掘的Web服務(wù)推薦方法(Services Recommending Method Based on Association Rule Mining，簡(jiǎn)稱(chēng)RecARM)。RecARM利用Web服務(wù)組合的歷史記錄構(gòu)建Web服務(wù)間的關(guān)聯(lián)規(guī)則，挖掘服務(wù)之間潛在的關(guān)聯(lián)關(guān)系，利用用戶(hù)自有的Web服務(wù)為用戶(hù)進(jìn)行推薦，幫助完

6、善和優(yōu)化用戶(hù)的服務(wù)組合。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的服務(wù)推薦結(jié)果相較于常規(guī)的推薦方法在穩(wěn)定性和準(zhǔn)確度上均有提高。該方法有效利用了Web服務(wù)所特有的歷史組合記錄的數(shù)據(jù)，為推薦提供了依據(jù)。
　　(2)針對(duì)服務(wù)的發(fā)現(xiàn)引入新的聚類(lèi)算法，根據(jù)Web服務(wù)間的相似性關(guān)聯(lián)提出了一種基于聚類(lèi)的Web服務(wù)發(fā)現(xiàn)方法。本文引入改進(jìn)的ISODATA聚類(lèi)算法，該方法有效解決了Web服務(wù)發(fā)現(xiàn)過(guò)程中聚類(lèi)數(shù)量無(wú)法確定的問(wèn)題，并降低了異常數(shù)據(jù)對(duì)推薦結(jié)果產(chǎn)生的干擾和影響。<