计算机应用

作者：王舒漫, 李爱萍, 段利国, 付佳, 陈永乐

单位：太原理工大学 信息与计算机学院，太原 030024

关键词：物联网服务,BTM,短文本,主题建模,服务发现

基金：国家重点研发计划“网络空间安全”专项子课题资助项目(2018YFB0803402)

针对物联网（IoT）服务描述文本篇幅较短、特征稀疏，直接采用传统的主题模型对IoT服务建模得到的聚类效果不佳，从而导致无法发现最佳服务的问题，提出了一种基于BTM的IoT服务发现方法。该方法首先利用BTM挖掘现有IoT服务的隐含主题，并通过全局主题分布和主题-词分布计算推理得到服务文档-主题概率分布；其次利用K-means算法对服务进行聚类，并返回服务请求的最佳匹配结果。实验结果分析表明，该方法能够有效提高IoT服务的聚类效果，从而得到匹配的最佳服务。与现有的HDP（Hierarchical Dirichlet Process）、基于K-means的隐狄利克雷分配（LDA-K）等方法相比，该方法进行最佳服务发现的准确度（Precision）和归一化折损累积增益（NDCG）均有一定幅度的提高。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期