| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织与结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 相关理论与技术 | 第16-28页 |
| 2.1 Web服务与发现方法 | 第16-20页 |
| 2.1.1 Web服务概述 | 第16页 |
| 2.1.2 Web服务体系结构 | 第16-17页 |
| 2.1.3 Web服务关键技术 | 第17-19页 |
| 2.1.4 Web服务发现方法分类 | 第19-20页 |
| 2.2 文档相似度度量方法 | 第20-22页 |
| 2.3 k-means聚类算法 | 第22页 |
| 2.4 WSDL文档处理技术 | 第22-24页 |
| 2.4.1 词干还原算法 | 第22-23页 |
| 2.4.2 过滤停用词方法 | 第23-24页 |
| 2.5 BTM模型与Gibbs采样 | 第24-27页 |
| 2.5.1 词对主题模型(BTM) | 第24-25页 |
| 2.5.2 Gibbs采样 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于主题模型的Web服务发现方法 | 第28-48页 |
| 3.1 基于主题模型的Web服务发现基本框架 | 第28-29页 |
| 3.2 基于BTM的服务文档主题挖掘算法 | 第29-37页 |
| 3.2.1 WSDL文档解析与处理 | 第29-31页 |
| 3.2.2 基于BTM的服务文档语义空间分析 | 第31-34页 |
| 3.2.3 最优主题数目选择 | 第34-35页 |
| 3.2.4 算法描述 | 第35-37页 |
| 3.3 服务文档表示与相似度计算 | 第37-39页 |
| 3.3.1 服务文档向量表示 | 第37页 |
| 3.3.2 特征词权重计算 | 第37-38页 |
| 3.3.3 服务-主题向量计算 | 第38页 |
| 3.3.4 服务文档相似度计算 | 第38-39页 |
| 3.4 基于k-means算法的服务文档聚类与匹配 | 第39-42页 |
| 3.4.1 最优聚类数目选择 | 第39-40页 |
| 3.4.2 初始聚类中心选取 | 第40-41页 |
| 3.4.3 服务文档聚类算法描述 | 第41页 |
| 3.4.4 服务文档匹配过程描述 | 第41-42页 |
| 3.5 基于主题模型的Web服务发现方法验证 | 第42-47页 |
| 3.5.1 数据集与环境 | 第43页 |
| 3.5.2 Web服务发现结果评价指标 | 第43-44页 |
| 3.5.3 实验参数确定 | 第44-46页 |
| 3.5.4 实验结果与分析 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于主题模型的Web服务发现原型系统设计与实现 | 第48-60页 |
| 4.1 基于主题模型的Web服务发现原型系统概要设计 | 第48-52页 |
| 4.1.1 功能模块设计 | 第48-50页 |
| 4.1.2 系统架构设计 | 第50-52页 |
| 4.2 基于主题模型的Web服务发现原型系统各模块实现 | 第52-59页 |
| 4.2.1 WSDL文档处理模块实现 | 第52-53页 |
| 4.2.2 主题挖掘模块实现 | 第53-54页 |
| 4.2.3 服务向量推理模块实现 | 第54-57页 |
| 4.2.4 Web服务聚类模块实现 | 第57-59页 |
| 4.2.5 Web服务请求匹配模块实现 | 第59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
