孫瑨一

（華北電力大學(xué),北京102206）

1 概述

隨著服務(wù)計(jì)算技術(shù)的不斷發(fā)展,面向服務(wù)的體系結(jié)構(gòu)（SOA）已成為一個(gè)重要的研究熱點(diǎn)。SOA 是一種能夠有效組織和利用分布式資源的體系結(jié)構(gòu),具有松耦合、動(dòng)態(tài)性和可重用等特點(diǎn)。其接口和協(xié)議開(kāi)放、系統(tǒng)實(shí)現(xiàn)靈活等優(yōu)點(diǎn),使SOA 可以作為未來(lái)各行業(yè)業(yè)務(wù)應(yīng)用的實(shí)現(xiàn)方式。Web 服務(wù)是面向服務(wù)體系結(jié)構(gòu)的實(shí)現(xiàn)方法之一。它的服務(wù)相互獨(dú)立,并且獨(dú)立于服務(wù)實(shí)現(xiàn)技術(shù),可以同時(shí)接受多個(gè)請(qǐng)求并返回多個(gè)響應(yīng)。大多數(shù)Web 服務(wù)是用Web 服務(wù)定義語(yǔ)言（WSDL）描述的,這是一種語(yǔ)法級(jí)描述[1]。它描述了Web 服務(wù)可以執(zhí)行的操作、與Web 服務(wù)交互時(shí)的消息類(lèi)型以及基于XML 語(yǔ)言的信息交換的物理端口等內(nèi)容。Web 服務(wù)通常發(fā)布在服務(wù)注冊(cè)中心的注冊(cè)目錄中。服務(wù)發(fā)現(xiàn)的過(guò)程即為將用戶(hù)請(qǐng)求中的關(guān)鍵字與服務(wù)目錄中的關(guān)鍵字進(jìn)行比較,找到滿(mǎn)足用戶(hù)需求的服務(wù)。

服務(wù)質(zhì)量（QoS）是指Web 服務(wù)的能力,目前它已經(jīng)成為Web 服務(wù)實(shí)用性的一個(gè)重要標(biāo)準(zhǔn),用來(lái)區(qū)分不同層次的服務(wù),例如服務(wù)的響應(yīng)時(shí)間、最大并發(fā)量、訪(fǎng)問(wèn)量等指標(biāo)。QoS 為服務(wù)發(fā)現(xiàn)提供了可靠的依據(jù),是服務(wù)發(fā)現(xiàn)的重要組成部分。

2 研究現(xiàn)狀

Web 服務(wù)發(fā)現(xiàn)算法的發(fā)展可以分為三個(gè)階段。初始發(fā)現(xiàn)算法主要是基于關(guān)鍵字匹配,通過(guò)貪婪算法、蟻群算法等啟發(fā)式算法對(duì)存儲(chǔ)服務(wù)圖進(jìn)行搜索。此發(fā)現(xiàn)方法簡(jiǎn)單且易于部署。然而,這種發(fā)現(xiàn)方法缺乏語(yǔ)義描述,召回率低,不能滿(mǎn)足Web 服務(wù)快速發(fā)展的需要。在此基礎(chǔ)上,一些研究者通過(guò)本體語(yǔ)義的方式提高了服務(wù)發(fā)現(xiàn)算法的查全率和查準(zhǔn)率[2]。但這種方法也有很大的缺點(diǎn)：本體庫(kù)必須由專(zhuān)業(yè)的專(zhuān)家來(lái)構(gòu)建,這將消耗大量的人力物力,從而導(dǎo)致缺乏一個(gè)國(guó)際公認(rèn)的標(biāo)準(zhǔn)本體庫(kù)。之后,一些研究者利用數(shù)據(jù)挖掘技術(shù)從Web 服務(wù)描述文檔中提取語(yǔ)義內(nèi)容,并取得了一些研究成果。例如一些基于服務(wù)描述文本的聚類(lèi)方法等。

同時(shí),隨著Web 服務(wù)的發(fā)展,越來(lái)越多的服務(wù)能夠滿(mǎn)足相同用戶(hù)的需求。在服務(wù)發(fā)現(xiàn)過(guò)程中,不僅要求所選擇的服務(wù)滿(mǎn)足用戶(hù)的功能需求,還要考慮非功能性的服務(wù)質(zhì)量（QoS）需求?；赒oS 的Web 服務(wù)發(fā)現(xiàn)技術(shù)引起了眾多研究者的關(guān)注,特別是如何從具有不同QoS 屬性的高動(dòng)態(tài)服務(wù)中,以有效的策略或方法在短時(shí)間內(nèi)為用戶(hù)選擇可靠的服務(wù),已成為服務(wù)選擇領(lǐng)域的一個(gè)重要研究熱點(diǎn)。

一般來(lái)說(shuō),從機(jī)器學(xué)習(xí)的角度研究可見(jiàn)Web 服務(wù)的發(fā)現(xiàn)方法是一個(gè)重要的研究方向：將Web 服務(wù)的WSDL 文檔視為一種特殊的結(jié)構(gòu)化文檔,介紹了自然語(yǔ)言處理領(lǐng)域中的特征提取和聚類(lèi)技術(shù),提出了一種LDA 的服務(wù)發(fā)現(xiàn)方法,并通過(guò)GRU 網(wǎng)絡(luò)對(duì)QoS 數(shù)據(jù)進(jìn)行處理,最終為用戶(hù)返回準(zhǔn)確且可信的結(jié)果。這些研究?jī)?nèi)容為服務(wù)發(fā)現(xiàn)的研究提供了一些新的思路和方法。

3 方法實(shí)現(xiàn)

本文提出了一種QoS 數(shù)據(jù)驅(qū)動(dòng)的Web 服務(wù)發(fā)現(xiàn)方法。該方法將Web 服務(wù)的WSDL 文檔中的服務(wù)描述和Web 服務(wù)的QoS數(shù)據(jù)分別進(jìn)行處理。如圖1 所示：

圖1 方法流程圖

3.1 基于隱含狄利克雷分布（LDA）的服務(wù)聚類(lèi)模型

主題模型是一種通過(guò)非監(jiān)督學(xué)習(xí)的方式對(duì)含有語(yǔ)義信息的文本集進(jìn)行聚類(lèi)的統(tǒng)計(jì)模型,起主要被用于自然語(yǔ)言處理中的語(yǔ)義分析和文本挖掘。隱含狄利克雷分布（LDA）是一種基于貝葉斯模型的被廣泛使用的主題模型,它將每篇文檔視做一組無(wú)序單詞組成的集合,并為每篇文檔生成屬于每個(gè)主題的概率分布。

本文提出的一種基于隱含狄利克雷分布（LDA）的服務(wù)聚類(lèi)模型,將WSDL 文檔中的服務(wù)描述部分視為一種特殊的結(jié)構(gòu)化文檔,用戶(hù)對(duì)目標(biāo)Web 服務(wù)的描述同樣視為一個(gè)文檔。通過(guò)該模型將這些文檔根據(jù)功能進(jìn)行聚類(lèi),同類(lèi)中的Web 服務(wù)總是為一類(lèi)功能描述相近、功能相似的服務(wù)。因此,與用戶(hù)對(duì)目標(biāo)Web服務(wù)描述相似度最高的若干個(gè)Web 服務(wù),即可視為能夠用戶(hù)所需功能的Web 服務(wù)。

服務(wù)聚類(lèi)過(guò)程的實(shí)現(xiàn)主要通過(guò)Python 中sklearn 工具包實(shí)現(xiàn)。其主要參數(shù)如表1 所示：

表1 LDA 模型參數(shù)設(shè)置

LDA 求解算法,即learning_method 取值為batch 而非online,是由于實(shí)驗(yàn)所使用的樣本量較小,batch 方法即可滿(mǎn)足需求。

3.2 基于循環(huán)門(mén)單元網(wǎng)絡(luò)（GRU）的服務(wù)發(fā)現(xiàn)算法

GRU 是循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的一種,和長(zhǎng)短期神經(jīng)網(wǎng)絡(luò)（LSTM）一樣,是為了解決長(zhǎng)期記憶和反向傳播中的梯度等問(wèn)題而提出的。相比與LSTM,GRU 能夠在保證訓(xùn)練結(jié)果可信度不降低的情況下,大幅提高了訓(xùn)練效率。

本文提出了一種基于循環(huán)門(mén)單元網(wǎng)絡(luò)（GRU）的服務(wù)發(fā)現(xiàn)算法,目的是從服務(wù)聚類(lèi)過(guò)程中返回的若干個(gè)滿(mǎn)足用戶(hù)功能需求的服務(wù)中發(fā)現(xiàn)最可信的Web 服務(wù)返回給用戶(hù)。QoS 數(shù)據(jù)是從服務(wù)器網(wǎng)關(guān)中截取的一段時(shí)序性數(shù)列。QoS 數(shù)據(jù)有很多可選指標(biāo),例如可以從某Web 的響應(yīng)時(shí)間判斷,更快的響應(yīng)速度代表該服務(wù)有更高的質(zhì)量。綜合考慮,本文共選取了4 個(gè)服務(wù)質(zhì)量指標(biāo),并加權(quán)得出綜合服務(wù)質(zhì)量指數(shù),如表2 所示：

表2 服務(wù)質(zhì)量指標(biāo)及權(quán)重

通過(guò)對(duì)原始QoS 數(shù)據(jù)進(jìn)行歸一化、加權(quán)后,即可得到該服務(wù)隨時(shí)間的歷史綜合服務(wù)質(zhì)量指數(shù)序列。通過(guò)GRU 網(wǎng)絡(luò)對(duì)序列數(shù)據(jù)進(jìn)行處理,神經(jīng)網(wǎng)絡(luò)模型會(huì)將其中蘊(yùn)含的時(shí)序信息進(jìn)行記憶,最終返回給用戶(hù)當(dāng)前時(shí)刻,調(diào)用該服務(wù)的綜合服務(wù)質(zhì)量指數(shù),從而進(jìn)一步提高服務(wù)發(fā)現(xiàn)的可信度。

4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果

本文分別從服務(wù)聚類(lèi)模型和服務(wù)發(fā)現(xiàn)算法兩部分分別進(jìn)行了實(shí)驗(yàn)設(shè)計(jì)驗(yàn)證。

針對(duì)服務(wù)聚類(lèi)模型,為驗(yàn)證服務(wù)聚類(lèi)模型的可信度,本文從新浪微博“#疫情#”話(huà)題中通過(guò)selenium 自動(dòng)化控制模塊,爬取了3800 條微博內(nèi)容作為測(cè)試集。實(shí)驗(yàn)將整個(gè)數(shù)據(jù)集分為A組（900 條文本）、B 組（1400 條文本）和C 組（1500 條文本）,通過(guò)三組對(duì)照實(shí)驗(yàn),消除誤差,從而驗(yàn)證模型可行性。從聚類(lèi)結(jié)果的pyLDAvis 視圖可以看出,該組內(nèi)所有文本被成功分為了8類(lèi),符合模型預(yù)設(shè)參數(shù),但是存在部分簇重疊現(xiàn)象。輪廓系數(shù)是一種常用的評(píng)價(jià)聚類(lèi)結(jié)果的參數(shù),其取值范圍為[-1,1]。對(duì)聚類(lèi)結(jié)果計(jì)算輪廓系數(shù)為：A 組0.53,B 組0.44,C 組0.52。從輪廓系數(shù)可以看出,該聚類(lèi)模型具有較好的聚類(lèi)效果,但存在簇重疊現(xiàn)象,有進(jìn)一步改進(jìn)的空間。

針對(duì)服務(wù)發(fā)現(xiàn)算法,為了驗(yàn)證GRU 網(wǎng)絡(luò)的可行性,本文使用 了 RNN 循 環(huán) 網(wǎng) 絡(luò) 中 經(jīng) 典 的 公 開(kāi) 數(shù) 據(jù) 集international-airline-passengers。GRU 網(wǎng)絡(luò)運(yùn)行結(jié)果如圖2：

圖2 GRU 網(wǎng)絡(luò)運(yùn)行結(jié)果

圖2 中綠色虛線(xiàn)為數(shù)據(jù)集中的真實(shí)數(shù)據(jù),紅色實(shí)線(xiàn)為GRU網(wǎng)絡(luò)模擬結(jié)果。從圖2 可以看出,本文構(gòu)建的GRU 網(wǎng)絡(luò)具有較高的可信度。

5 結(jié)論

如何通過(guò)分類(lèi)的思想提高服務(wù)發(fā)現(xiàn)的效率,在Web 服務(wù)的相關(guān)研究中是非常重要的。本文提出的QoS 數(shù)據(jù)驅(qū)動(dòng)的Web 服務(wù)發(fā)現(xiàn)方法將服務(wù)描述文檔視為一種特殊的結(jié)構(gòu)化文本,通過(guò)LDA 模型將服務(wù)聚類(lèi),并通過(guò)GRU 網(wǎng)絡(luò)模型處理QoS 數(shù)據(jù),從而完成了整個(gè)服務(wù)發(fā)現(xiàn)的流程。服務(wù)聚類(lèi)的實(shí)驗(yàn)結(jié)果表明,該方法相較早期語(yǔ)法級(jí)服務(wù)發(fā)現(xiàn)方法,更加注重了語(yǔ)義信息,在實(shí)驗(yàn)環(huán)境有較好的結(jié)果。在此基礎(chǔ)上,通過(guò)GRU 網(wǎng)絡(luò)處理QoS 數(shù)據(jù),使得最終服務(wù)發(fā)現(xiàn)結(jié)果包含了QoS 數(shù)據(jù)中的時(shí)序性數(shù)據(jù)。但是,該方法仍有不足之處,以上的實(shí)驗(yàn)結(jié)果均是由模擬數(shù)據(jù)集得出,在真實(shí)環(huán)境的應(yīng)用中,該方法面對(duì)真實(shí)的服務(wù)數(shù)據(jù)仍需要調(diào)整參數(shù)和優(yōu)化模型結(jié)構(gòu)。在以后的工作中,我們將繼續(xù)進(jìn)行相關(guān)研究,探索該方法的優(yōu)化及改進(jìn)。