一种基于BERT和DPCNN的Web服务分类方法

摘要

Web服务是一种基于Web环境的具有自适应、自描述、模块化和互操作能力的应用程序,这些特点使其具有很好的重用性。软件重用是目前降低软件开发成本的一种颇具前景的方法,Web服务的自动分类在软件重用中起着至关重要的作用。近年来人们将机器学习技术广泛应用于服务分类,取得了一些成果。但是传统机器学习方法的性能高度取决于特征工程的质量。本文提出一种基于预训练模型BERT和深度金字塔卷积神经网络DPCNN相结合的BERT-DPCNN深度神经网络模型,该模型可以自动抽取服务描述的低级表现形式并抽象为高级特征而无需进行特征工程。为了验证该方法的有效性,本文在50个类别、10 184个真实Web服务的数据集上与传统的机器学习方法和一些深度神经网络模型进行全面比较,结果表明,本文提出的模型相比其他方法具有更高的准确率。

关键词

Web服务 / 软件重用 / 机器学习 / 深度学习 / BERT / DPCNN