39、公共 Web 服务的收集、注释与分类

公共 Web 服务的收集、注释与分类

1. 公共 Web 服务注释

由于公共 Web 服务缺乏丰富描述，为提升其可用性，可从服务提供商网站提取更多信息来丰富服务描述。此过程由注释提取器组件完成，具体流程如下：
1. 收集与验证 ：使用聚焦爬虫收集网络上的公共 Web 服务，通过识别以 XML 为内容类型的正式描述，对收集到的服务进行解析和验证，确定有效服务。
2. 信息提取 ：从爬取的 HTML 页面中提取有关 Web 服务的更多信息，包括服务描述和标签。
- 服务描述提取 ：利用启发式方法，即 Web 服务的 WSDL 被引用的位置可能包含其描述。将引用 WSDL 文件的 HTML 页面解析为 DOM 树，若包含描述的元素与包含 WSDL 链接的元素存在兄弟或父子关系，则该元素的内容即为服务描述。
- 标签生成 ：Web 服务的标签由引用该服务的 HTML 页面中最频繁出现的术语组成。去除常见术语后，选取最频繁的 k 个术语作为标签，k 为应用参数，如 k = 5。

以下是相关公式：
- 提取的 Web 服务信息：$ExtraWS(url) = { {ws, Desc(ws), Tags(ws)}}$
- 服务描述：$Desc(ws) = content(d)|R(d, e) \in{sibling, parent}$
- 服务标签：$Tags(ws) = {t|t \in rank(content(p))}$

该方法的局限性在于仅依赖服务提