摘要
针对Web服务消亡导致所有调用该Web服务的服务组合失效,从而对服务组合开发者造成较大损失并影响服务系统稳定性的问题,利用服务的描述文本提取主题特征,融合Web服务时间因素,将泊松分解和极限学习机算法相结合,提出一种服务消亡预测算法。基于公开数据集上的实验验证表明,该算法能有效预测Web服务消亡,为服务系统的管理者和服务组合开发者提供可靠的建议。
Aiming at the problem that Web services deprecation had led the service compositions invoked this Web service to be invalidated,which impacted on the stability of service system.The topic features was extracted from services’profiles,and a service deprecation prediction algorithm was proposed with Poisson Factorization(PF)and Extreme Learning Machines(ELM)methods,which combined with time factors.Experiments on a real-world dataset showed that the proposed model could effective predict Web services deprecation and provide suggestions on service reliabilities for service system managers and service composition developers.
作者
陈曙辉
范玉顺
CHEN Shuhui;FAN Yushun(Department of automation,Tsinghua University,Beijing 100084,China)
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2018年第11期2676-2685,共10页
Computer Integrated Manufacturing Systems
基金
国家自然科学基金资助项目(61673230)~~
关键词
WEB服务
服务组合
服务消亡
特征提取
机器学习
泊松分解
极限学习机
Web service
service composition
service deprecation
feature extraction
machine learning
Poisson factorization
extreme learning machines
作者简介
陈曙辉(1978-),男,江苏连云港人,博士研究生,研究方向:服务计算、服务推荐、服务失效,E-mail:513929141@qq.com;范玉顺(1962-),男,江苏扬州人,教授,博士生导师,研究方向:网络化制造、服务计算、服务推荐、企业建模与企业集成等。
