Agrupamiento de servicios web usando el algoritmo de colonia de hormigas
Resumen
Existen múltiples servicios Web publicados en servidores o repositorios de servicios Web, dichos repositorios ofrecen mecanismos de búsqueda y selección de los servicios a los solicitantes que tienen necesidades específicas de dichos servicios; sin embargo, los métodos de búsqueda que ofrecen estos repositorios están generalmente basados en coincidencia de textos o palabras clave proporcionadas por los usuarios lo que ocasiona que las solicitudes de servicios devuelvan servicios que no son relevantes con respecto al criterio de la búsqueda. Una forma de mejorar la búsqueda de servicios es mejorando la organización de los servicios mediante su agrupamiento automático basado en los criterios de selección que comúnmente buscan los solicitantes de servicios Web. En este artículo se describe un enfoque innovador para el agrupamiento de servicios Web basado en la adaptación del algoritmo de Optimización de Colonia de Hormigas (ACO, por sus siglas en inglés). Se describen una serie de experimentos orientados a determinar estadísticamente cuál es la mejor medición de similitud.
Palabra(s) Clave(s): agrupamiento de servicios Web, optimización de colonia de hormigas, repositorios de servicios Web.
Texto completo:
1751-1769 PDFReferencias
M. Dorigo, M. Birattari, T. Stutzle, "Ant colony optimization". Computational Intelligence Magazine. Vol. 1. No. 4. 2006. 28-39 pp.
Z. Wu, M. Palmer, "Verbs semantics and lexical selection". Proceedings of the 32nd annual meeting on Association for Computational Linguistics. Association for Computational Linguistics. 1994. 133-138 pp.
D. Lin, "An information-theoretic definition of similarity." ICML. Vol. 98. 1998. 296-304 pp.
C. Leacock, M. Chodorow, "Combining local context and WordNet similarity for word sense identification". WordNet: An electronic lexical database. Vol 49. No. 2. 1998. 265-283 pp.
S. Banerjee, T. Pedersen, "An adapted Lesk algorithm for word sense disambiguation using WordNet". Computational linguistics and intelligent text processing. Springer Berlin Heidelberg. 2002. 136-145 pp.
C. Platzer, F. Rosenberg, S. Dustdar, “Web service clustering using multidimensional angles as proximity measures”. ACM Transactions on Internet Technology (TOIT). Vol. 9. No. 3. 2009. 11 pp.
T. Ghafarian, M. Kahani, Semantic web service composition based on ant colony optimization method. In Networked Digital Technologies. 2009. 171-176 pp.
M. Dorigo, M. Birattari, Ant colony optimization. In Encyclopedia of Machine Learning. 2010. 36-39 pp.
Concepts and applications of inferential statistics. R. Lowry. 2014.
X. Dong, A. Halevy, J. Madhavan, E. Nemes and J. Zhang, Similarity Search for Web services. In Proceedings of the 30th VLDB Conference. Toronto, Canada, 2004.
W. Abramowicz, K. Haniewicz, M. Kaczmarek, D. Zyskowski, Architecture for Web services filtering and clustering. In Internet and Web Applications and Services. 2007. 18-18 pp.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx