文献

J-GLOBAL ID：201702268092263347   整理番号：17A0299345

Webサービスクラスタリングのための補助知識の活用【Powered by NICT】

Leveraging Auxiliary Knowledge for Web Service Clustering

著者 (4件)： Tian Gang (School of Computer, Wuhan University) ,  Wang Jian (School of Computer, Wuhan University) ,  He Keqing (School of Computer, Wuhan University) ,  S Un Cheng’Ai (College of Information and Science Engineering, Shandong University of Science and Technology)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 25  号： 5  ページ： 858-865  発行年： 2016年 
JST資料番号： C2814A  ISSN： 1022-4653  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 類似機能を共有するWebサービスをグループ化することにより,Webサービスクラスタリングは,Webサービスの発見と選択を大きく高めることができる。ほとんどの既存のクラスタリング手法は長いテキスト文書を扱うように設計されている。しかし,ほとんどの公的に利用可能なWebサービスの記述を短いテキストの形,有用な情報のスパース性によるサービスクラスタリングの品質を損なう。この問題に向けて,著者らはWikipediaから得られた補助長いテキストデータからの転移学習に基づく新しいサービスクラスタリング手法を提案した。サービス記述と補助データ間の意味論と話題の矛盾を取り扱うために,著者らは新規なトピックモデル-タグ支援二重著者局所モデル(TD ATM),二データセットに二セットの話題のを学習する併用しを導入し,自動的にこれら二データセット間の潜在的矛盾を回避するために話題パラメータを結合した。実験結果は,提案した方法は,いくつかの既存のWebサービスクラスタリング手法よりも優れているを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *Webサービス ,  *クラスタ化 ,  品質 ,  意味論
準シソーラス用語： 矛盾 ,  トピックモデル ,  テキストデータ ,  ウィキペディア ,  スパース性 ,  テキスト ,  クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (4件)： Webサービスクラスタリング ,  タグ ,  トピックモデル ,  転移学習

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： Webサービス ,  クラスタリング ,  知識 ,  活用