抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Webサービスの数と多様性の両方における急速な成長は,サービス発見,サービスリポジトリ管理などを容易にするためのクラスタリング技術の新しい要求を提起する。Webサービスの既存のクラスタリング方法は,サービス特徴間の意味距離,例えばWSDLドキュメントからマイニングされるトピックベクトルを用いることに焦点を合わせる。しかしながら,これらの品質トピックベクトルは,Webサービス記述文書における豊富なテキスト情報の欠如のために得ることが困難である。実際に,Webサービスを利用する人間の軌道からの事前知識は,Webサービスクラスタリングの精度を改善するのに役立つことができた。ProgrammableWebからのWebサービスとマッシュアップのデータセットにおける解析により,WebサービスMashupedは異なるクラスタに属する可能性が高く,同一タグで注釈付けされたWebサービスは同じクラスタ内にある傾向があることを観測した。これらの観測に基づいて,本論文では,Webサービスのための効率的なクラスタリング手法を提案した。このアプローチは,まず第一に,Webサービス記述文書から潜在的トピックベクトルを引き出すために確率論的トピックモデルを使用する。次に,上述の事前知識を表現するパラメータを組み込むことにより,K平均++アルゴリズムに基づくクラスタリングを実行した。包括的評価を行い,ProgrammableWebから得られたグランドトルースデータセットに基づく提案手法の性能を検証した。これらの事前知識考慮の有無によるアプローチの実験的比較は,著者らのアプローチがクラスタリング精度に関して著しい改善を有することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
