大数据环境下基于K中心点优化算法的Web服务组合  

Web Service Composition Based on K-medoids Point Optimization Algorithm in Big Data Environment

作　　者：刘锋 邹臣嵩[1] 崔炜[2] LIU Feng;ZOU Chen-song;CUI Wei(School of Electrical Engineering,Guangdong Songshan Polytechnic,Shaoguan 512126,China;Information Center,Guangdong Songshan Polytechnic,Shaoguan 512126,China)

机构地区：[1]广东松山职业技术学院电气工程学院,广东韶关512126 [2]广东松山职业技术学院信息与现代教育技术中心,广东韶关512126

出　　处：《计算机与现代化》2020年第12期20-24,共5页Computer and Modernization

基　　金：广东省教育厅重大科研项目(2017GKQNCX033);广东省普通高校重点特色创新项目(2018GKTSCX089);广东省教育科学“十三五”规范项目(2018GXJK339);韶关市科技计划项目(2019sn098)。

摘　　要：在当前Web服务海量增加、现有Web服务选择算法低效、用户匹配度差的基础上,针对K中心点算法存在的质点偏移、准确率低和容易发生畸变等问题,提出一种大数据环境下基于K中心点优化算法的Web服务组合方法。该方法是在大数据环境下,根据不同用户需求满意度及Web服务QoS参数,对基于优化初始聚类中心的K中心点算法的Web服务选择及最优Web服务组合进行研究。同时针对不同的选择方法对服务动态选择及组合的准确度、迭代更新次数、候选集选择时间及选择总时间进行实验分析,验证了本文研究方法的有效性和可靠性。Based on the current increase in the mass of Web services,the inefficiency of existing Web service selection algorithms,and poor user matching,this paper proposes a solution to the problems of particle shift,low accuracy,and easy distortion in the K-medoids point algorithm.Research on Web service composition based on K-medoids point optimization algorithm is given in big data environment.The method is based on the study of Web service selection and optimal Web service combination based on the K-medoids point algorithm that optimizes the initial clustering center based on the satisfaction of different user needs and the QoS parameters of Web services in a big data environment.At the same time,the accuracy of dynamic selection and combination of services,the number of iteration updates,the selection time of candidate sets and the total selection time are experimentally analyzed for different selection methods,which verifies the effectiveness and reliability of the method in this paper.

关 键 词：匹配度 大数据 K中心点 服务组合 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]