light box
امتیاز 2.65 ارزیابی خوشه بندی سرویس وب با استفاده از مدل ترکیب">

نوع فایل : word
تعداد صفحات : 20
تعداد کلمات : 9800
مجله : Information Processing and Management
انتشار : 2020
ترجمه ی متون جدول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
فونت ترجمه : ب نازنین 12
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:ارزیابی خوشه بندی سرویس وب با استفاده از مدل ترکیب چند جمله‌ای دیریکله برای کاهش بعدیت در بازنمایی خدمات

 چکیده

 در سال‌های اخیر، عملکرد خدمات در زبان متن طبیعی کوتاه توصیف می‌شود. جست و جوی مبتنی بر کلمه‌ی کلیدی برای کشف سرویس وب برای ارائه‌ی نتایج مهم کافی نیست. هنگامی که خدمات براساس شباهت خوشه بندی می‌شوند، فضای جستجو را کاهش می‌دهد و به همین دلیل زمان جستجو در فرآیند کشف سرویس وب نیز کاهش می‌یابد. بنابراین، در حوزه خوشه‌بندی سرویس وب، اصولاً تکنیک‌های مدل سازی مباحث مانند تخصیص پنهان دیریکله LDA، مدل موضوعی همبسته (CTM)، پردازش دیرکلت سلسله مراتبی (HDP) و غیره برای کاهش ابعاد و نمایش ویژگیهای خدمات در فضای بردار استفاده شده است.. اما همانطور که خدمات در قالب متن کوتاه توضیح داده شده است، بنابراین این تکنیک‌ها به دلیل عدم وجود کلمات در حال وقوع، محتوای محدود و غیره کارآمد نیستند. در این مقاله، عملکرد خوشه بندی خدمات وب با استفاده از مدل سازی موضوعات مختلف ارزیابی می‌شود. تکنیک‌های با الگوریتم‌های خوشه بندی مختلف در مجموعه دادههای منبع قابل برنامه نویسی اجرا می‌شوند. الگوریتم نمونه‌گیری گیبس برای مدل ترکیبی چندمجموعه‌ای دیریکله GSDMM به عنوان یک کاهش ابعادی و نمایش ویژگی از خدمات برای غلبه بر محدودیت‌های خوشه بندی متن کوتاه پیشنهاد شده است. نتایج نشان می‌دهد که GSDMM با K-Means یا خوشه‌بندی ترکیبی نسبت به سایر روشها بهتر است. عملکرد خوشه بندی بر اساس سه معیار ارزیابی ذاتی و دو ارزیابی ارزیابی می‌شود. کاهش ابعادی حاصل از GSDMM در سه مجموعه داده در زمان واقعی ۹۰٫۸۸٪، ۸۸٫۸۴٪ و ۹۳٫۱۳٪ است که رضایت بخش است زیرا با استفاده از این تکنیک عملکرد خوشه بندی نیز افزایش می‌یابد.

TITLE: Evaluation of web service clustering using Dirichlet Multinomial Mixture model based approach for Dimensionality Reduction in service representation

Abstract

In recent years, mainly the functionality of services are described in a short natural text language. Keyword-based searching for web service discovery is not efficient for providing relevant results. When services are clustered according to the similarity, then it reduces search space and due to that search time is also reduced in the web service discovery process. So in the domain of web service clustering, basically topic modeling techniques like Latent Dirichlet Allocation (LDA), Correlated Topic Model (CTM), Hierarchical Dirichlet Processing (HDP), etc. are adopted for dimensionality reduction and feature representation of services in vector space. But as the services are described in the form of short text, so these techniques are not efficient due to lack of occurring words, limited content, etc. In this paper, the performance of web service clustering is evaluated by applying various topic modeling techniques with different clustering algorithms on the crawled dataset from ProgrammableWeb repository. Gibbs Sampling algorithm for Dirichlet Multinomial Mixture (GSDMM) model is proposed as a dimensionality reduction and feature representation of services to overcome the limitations of short text clustering. Results show that GSDMM with K-Means or Agglomerative clustering is outperforming all other methods. The performance of clustering is evaluated based on three extrinsic and two intrinsic evaluation criteria. Dimensionality reduction achieved by GSDMM is 90.88%, 88.84%, and 93.13% on three real-time crawled datasets, which is satisfactory as the performance of clustering is also enhanced by deploying this technique.

 

    ثبت دیدگاه

      • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
      • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
      • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

    برای ارسال دیدگاه شما باید وارد سایت شوید.

    محصولات مشابه
    استخراج سریوم با کاهش متالوترمیک با استفاده از تزریق پودر اکسید سریوم
    خـریـد محـصـول
    مطالعه سینتیک استخراج استرانسیوم با کاهش متالوترمیک
    خـریـد محـصـول
    مدلسازی و بررسی آزمایشی جت‌های گازی شناور افقی تزریق شده به مایع محیط یکنواخت راکد
    خـریـد محـصـول
    تنظیم سنتز آمینو اسیدهای ضروری و انباشت در گیاهان
    خـریـد محـصـول
    مدلسازی و بررسی آزمایشی جت‌های گازی شناور افقی تزریق شده به مایع محیط یکنواخت راکد
    خـریـد محـصـول
    یک نقشه راه برای ارتقای سلامت مدارس، یک مدل شناخت محور برای سیاست گذاری
    خـریـد محـصـول
    تخریب افلاتوکسین با تیمار اولتراسوند
    خـریـد محـصـول
    تعیین افلاتوکسین در نمونه‌های پسته با روش ELISA در تربت حیدریه (شمال شرق ایران)
    خـریـد محـصـول
    ویسکوالاستیسیته ی پوست مطالعه شده به صورت برون تنی(آزمایشگاهی)
    خـریـد محـصـول
    ارتباط حسابداری مدیریت استراتژیک برای فرهنگ عامه: دنیای وست اند میوزیکال (انتهای غربی)
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، جستجوی اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد.
    برو بالا