55、大规模Web服务搜索与自适应普适流的内置上下文适应

大规模Web服务搜索与自适应普适流的内置上下文适应

在当今数字化的时代，Web服务的搜索与自适应普适流的应用变得越来越重要。本文将深入探讨大规模Web服务搜索的方法以及自适应普适流的内置上下文适应机制。

大规模Web服务搜索

在大规模Web服务搜索中，我们主要关注WSDL服务和Web API。对于所有服务，我们会提取一些基本信息，包括服务的位置（即托管位置）以及服务的活跃度，也就是可用性和响应时间。seekda会每天监控并存储这些数据，并在服务详情中提供相应的可用性图表。

对于Web API，我们会存储关于三个指标的初始元数据，如指标得分、驼峰命名单词的数量、外部或内部链接的数量等。这些信息可用于后续优化针对此类服务的聚焦爬取方法。

所有关于这两种服务提取的元数据可以通过爬虫或对获取数据的直接后处理分析得出，无需复杂的信息提取。这些数据有多种用途，例如改善语义服务发现、提供服务排名（基于服务的可用性等），或者为服务发现引擎的用户提供比仅技术描述更多的服务信息。

评估方法

我们根据不同的指标对服务爬取方法进行了评估，WSDL和Web API的评估指标有所不同。
- WSDL及相关信息爬取方法评估 ：一方面使用纯性能测量指标，如每秒爬取的文档数、每秒爬取的千字节数；另一方面使用与结果数据质量相关的指标，如找到的WSDL文档数量、提取的服务标识符数量。
- Web API爬取方法评估 ：我们创建了三个数据集，分别是随机网页集、来自ProgrammableWeb.com的Web API主页集以及来自dmoz.org目录的“编程语言