• 手机版
  • 登录
  • 首页
  • 学院概况

    学院简介

    学院领导

    专业介绍

    机构设置

    院务公开

    教师风采

    校友风采

  • 教学动态

    课程建设

    专业建设

    实践教学

    教学改革

    校企协调

    教学制度

  • 科创服务

    科学研究

    创新创业

    学科竞赛

    社会服务

    国际交流

  • 团学工作

    团学动态

    活动风采

    学生社团

    管理制度

  • 党群之家

    组织建设

    党建活动

    工会活动

    学习园地

  • 招生就业

    招生信息

    就业信息

  • 下载中心

    教学管理

    学生管理

    科研管理

    行政管理

首页

首页 >> 信智骄傲 >> 正文
  • 学院新闻
  • 教师通知
  • 学生通知
  • 信智骄傲
  • 图说信智

杨洁老师发表高质量学术论文

2022年12月28日 13:44来源: 点击:[]

  


  据《electronics》官网显示,浙江财经大学东方学院信息学院杨洁老师的合作论文《Service Discovery Method Based on Knowledge Graph and Word2vec》在2022年第11期发表。该期刊被SCI四区收录。

Mashup是一种集成了多个 Web API 的新型应用。随着混搭应用程序开发的不断发展,所使用的 API质量就显得尤为重要。在互联网技术快速发展的背景下,Web API的数量正在迅速增加。混搭开发人员从大量服务中人工选择合适的 API 是不现实的。在现有方法中,一个混搭会与几个 API 相关,因此会存在数据稀疏性的问题;其次会出现对语义信息过度依赖的问题。为了解决当前服务发现方法中的这些问题,我们提出了一种基于知识图谱(SDKG)的服务发现方法。我们将服务相关信息嵌入到知识图谱中,从而减轻数据稀疏性的影响,挖掘服务之间的深层关系,这样就可以提高服务发现的准确性。实验结果表明,与现有的主流业务发现方法相比,该方法在准确性上具有明显优势。

Acknowledgment:Mashup is a new type of application that integrates multiple Web APIs.  For mashup application development, the quality of the selected APIs is particularly important. However, with the rapid development of Internet technology, the number of Web APIs is increasing rapidly.  It is unrealistic for mashup developers to manually select appropriate APIs from a large number of services. For existing methods, there is a problem of data sparsity, because one mashup is related to a few APIs, and another problem of over-reliance on semantic information. To solve these problems in current service discovery approaches, we propose a service discovery approach based on a knowledge map (SDKG). We embed service-related information into the knowledge graph, alleviating the impact of data sparsity and mining deep relationships between services, which improves the accuracy of service discovery. Experimental results show that our approach has obvious advantages in accuracy compared with the existing mainstream service discovery approaches.


上一篇:陈庆仙老师发表高质量学术论文

下一篇:袁毅贤老师发表高质量学术论文

【关闭】

官方微信

地址:浙江省海宁市仰山路2号

邮编:314408

版权所有 浙江财经大学东方学院 Copyright 2020

技术支持:网络中心