服务代理网址

第23卷第1期2010年2月模式识别与人工智能PR&AIV01.
23No.
1Feb2010基于语境和动作推理的语义Web服务发现牛温佳1,2常亮3王晓峰1'2韩旭1'2史忠植11(中国科学院计算技术研究所智能信息处理重点实验室北京100190)2(中国科学院研究生院北京100049)3(桂林电子科技大学计算机系桂林541004)摘要在语义Web服务发现中,服务本身及用户所处的语境是不可忽视的因素.
针对现有服务发现方法的不足,给出一种基于语境和动作推理的语义Web服务发现方法.
该方法通过建立基于动作的语境模型来刻画静态和动态的语境信息,利用动态描述逻辑中的动作推理实现语境推理,并在此基础上实现语境敏感的语义Web服务发现算法.
案例研究及相关工作对比表明,与现有方法相比,文中方法在语境刻画和推理能力方面均有较优表现.
同时实验结果也表明,在增加合理逻辑推理的时空开销的前提下,文中方法能为用户提供更符合需求的服务发现结果.
关键词语义Web服务,服务发现,语境,动作推理,动态描述逻辑(DDL)中图法分类号rip301SemanticWebServiceDiscoveryBasedonContextandActionReasoningNIUWen.
Jial",CHANGLian93,WangXiao—Fen91",HANXul",SHIZhong.
Zhil1(KeyLaboratoryofIntelligentInformationProcessing,InstituteofComputingTechnology,ChineseAcademyofSciences,Bering100190)2(GraduateUnive瑙ityofChineseAcademyofSciences,Beijing100049)3(DepartmentofComputer,GudinUniversityofE如ctmnwandTechnology,Guilin541004)ABSTRACTContextaroundserviceitselfanduserisoneofthemostsignificantfactorsforsemanticWebservicediscovery.
Aimingatthedrawbacksoftheexistingdiscoveryapproaches,asemanticWebservicediscoverybasedoncontextandactionreasoningisproposed.
Anaction—basedcontextmodelisbuilttocharacterizethestaticandthedynamiccontextofWebservices.
Andtheactionreasoningmechanismindynamicdescriptionlogicisusedtorealizecontextreasoning.
Then,acontext—awarediscoveringalgorithmisimplemented.
Thecasestudyandtherelatedworkcomparisonshowthattheproposedapproachhasbetterperformanceonbothcontextcharacterizationandreasoning.
Moreover,theresultsofexperimentalevaluationshowthattheproposedapproachprovidesappropriateresultsofservic.
ediscovery宰国家863计戈4项目(No.
2007AAOiZl32)、国家973计划项目(No.
2007CB311004)、国家自然科学基金项目(No.
60775035,60435010.
60903079)和国家科技支撑计划项目(No.
2006BAC08806)资助收稿日期:2008—12—08;修回日期:2009—08—16作者简介牛温佳,男.
1982年生,博士研究生.
主要研究方向为服务计算.
E.
mail:niuwenjia@ics.
ict.
ac.
ca.
常亮,男,1980年生届0教授,主要研究方向为描述逻辑.
王晓峰.
男,1978年生,博士研究生,主要研究方向为机器学习、数据挖掘.
韩旭,女,1984年生,博上研究生,主要研究方向为故障诊断、服务计算.
史忠植,男,1941年生,研究员,主要研究方向为人工智能、智能主体、机器学习、认知科学等.
万方数据模式识别与人工智能23卷foruserwhilereasonabletimecostandspacecostoflogicreasoningareadded.
KeyWordsSemanticWebService,ServiceDiscovery,Context,ActionReasoning,DynamicDescriptionLogic(DDL)'1引言语义Web技术和Web服务技术的结合产生语义Web服务.
语义Web服务技术使用计算机可理解的描述语言(如OWL.
S…,WSDL—SBJ,SAWS—DL【3o等)对服务进行语义标注,从而提高Web服务发现和组合的智能化程度.
传统的基于相似度计算和本体匹配的语义Web服务发现方法M'6o没有充分考虑到语境因素对服务发现的影响,所发现的服务往往并不能很好地满足用户的需求.
一般来讲,语境是指用来刻画实体当前情境的任何信息.
如,一位游客的偏好是喜欢看海,在他发现的若干个酒店预订服务中,有些酒店的位置离海边很远,这些酒店预订服务对于这位游客来说是不太适宜的,相反,那些离海边很近的酒店预订服务会更适合该用户.
在该例子中,用户的偏好属于用户的一个语境信息,酒店的位置则属于酒店预订服务的一个语境信息.
近来,已有一些国内外工作将语境应用于语义Web服务的发现中".
10|.
这些方法主要利用键值和本体对语境信息(如用户偏好等)建模.
然后在服务发现过程中,利用基于规则的匹配和基于本体的推理方法来处理语境关系,从而实现语境敏感的服务发现,最终提高用户满意度.
然而通过对现有工作分析调研,如何有效刻画语义Web服务中的动态语境信息(如服务执行动作等),如何利用具有更严格更强推理能力的推理方法来处理更加复杂的语境关系,都是仍具有挑战性的开放研究问题.
针对以上问题,本文以动态描述逻辑中的动作理论为基础,提出一种基于动作的语境建模方法,对语义Web服务中的静态语境信息和动态语境信息进行统一的刻画.
在此基础上,借助动态描述逻辑中关于动作的推理功能,实现对语境信息的相关推理,进而给出一种基于语境和动作推理的语义Web服务发现方法.
案例研究和实验验证本文方法的有效性.
2动作推理基础在语义Web服务的动作支持方面,动态描述逻辑(DynamicDescriptionLogics,DDL)¨卜141在描述逻辑的基础上引入动态扩展机制,有效地支持对动作的刻画和推理.
DDL中刻画的动作包括原子动作和复杂动作.
每个原子动作被刻画为形如n(/3l'.
Ⅷ.
)毫(P.
,E.
)的表达式.
口为动作名;(创1,.
一/3.
)是由出现在P.
和E.
中的所有个体名组成的有限序列,指定了动作的操作对象;匕是由公式组成的有限集合,指定了动作执行之前必须满足的前提条件;E.
为结果公式集,刻画了执行动作后产生的影响.
在原子动作的基础上,可通过如下产生式刻画出复杂动作:丌,仃'::=a(t,I,…口.
)l妒l仃U仃'I7r;仃'l仃',其中,a(秽l,.
Ⅷ.
)为原子动作,妒为DDL中的公式.
形如妒、仃u7r'、7r;7r7和7r+的动作又分别称为测试、选择、顺序、以及迭代动作.
在DDL中,上述各种动作还可作为模态词参与公式的构造,公式产生式如下:妒,砂::=c(")fR(",移)I、妒f9V驴f9^谚f(7r)9f[7r]妒,其中,C、R分别为DDL中的概念和角色,U、秽为个体名,仃为DDL中的动作.
应用这些公式,可进一步对动作的相关属性进行刻画.
例如,公式(仃)9的直观含义为"存在动作7r的某种执行方式使得该动作执行结束之后公式妒成立",公式[仃]妒的直观含义为"在动作仃执行结束时公式妒一定成立".
在这些公式的基础上,可将动作的可实现性问题、可执行性问题、投影问题及规划问题等转换为公式的可满足性问题,进而基于DDL的表判定算法实现各种推理3语境建模语义Web服务中存在大量且重要的语境信息,其中既有静态的语境信息,又有动态的语境信息.
为更好地服务于服务发现,首先需要对语境的静态和动态信息进行有效刻画,进而在此基础上为语境建模,这是语境敏感的服务发现前提和基础.
对语境的定义是一个比较困难的问题.
之前的研究者给出各种不同的定义,其中以Dey等人提出的定义¨列为代表.
但这些定义普遍存在缺乏可操作性的问题.
文献[16]在综合前人工作的基础上,给万方数据1期牛温佳等:基于语境和动作推理的语义Web服务发现67出一种具有可操作性的定义,将语境信息划分为五个类别:个体、行为、时间、地点和关系.
本文在文献[16]的基础上,结合服务发现的特定背景,将静态及动态语境信息按角色进行分类,在此基础上划分出相应的语境属性,如表l所示.
表1语境分类及属性定义Table1Contextclassificationandattributedefinition从表l可以看出,根据服务发现的特定背景,对应于文献[16]语境类别中的个体,我们在用户(User)语境中引入用户偏好(Preference)和需求目标(Goal)两个重要属性.
对应于语境类别中的行为,在提供商(Provider)语境中引人行为语境(Activity)这个重要属性.
Time和Location属性分别对应于文献[16]语境类别中的时间和地点,而角色间的交互反映了语境类别中的语境关系.
实际上,服务发现的过程就是在用户和服务提供商在不断交互中寻求能满足用户需求目标的服务的过程.
然而从交互必需使用的SOAP通信消息中无法直接获得用户请求及服务响应的时间地点语境信息.
因此,从实际应用出发,本文认为在所有语境属性中,与服务发现密切相关的语境属性为用户偏好、用户目标和服务行为三个语境属性.
鉴于动态描述逻辑中的动作可有效刻画服务行为,而服务行为属于一种行为语境,故可利用动作有效刻画提供商的行为语境.
此外,动作执行前后的状态迁移同样可刻画用户目标和偏好等静态语境属性.
因此,针对用户偏好、用户目标和服务行为三个语境属性,我们将其统一刻画为如下基于动作的三元组形式:(ContextType,Action,Role),其中,ContextType表示语境属性,相应的值可分别为Activity、Goal或Preference;Action代表DDL中的动作;Role表示语境角色.
具体来说,可将行为语境属性表示为CA=(Activity,a(移l,-Ⅷ.
),Role),其中,a(秽1'.
Ⅷ.
)罩(P.
,E.
),由一组前提公式集P.
和一组结果公式集E.
组成.
对应于某个标准的基于OWL—S规范的Web服务S={,,O,P,E},其中,,、S、P、E分别是服务5的输入、输出、前提和结果公式集,则可将其建模为C^=(Activity,a(口l'.
Ⅷ.
),Role)的形式.
两者之间具有如下对应关系:Role为服务提供商的名称;P.
=S(,)uS(P),即行为语境中动作的前提公式是服务的输入公式集与前提公式集的并集;E.
=S(O)us(E),即行为语境中动作的结果公式是服务的输出公式集与结果公式集的并集.
对于用户目标语境c.
及偏好语境c,,也可类似地转换为三元组的刻画形式.
4语境敏感的服务发现语义Web服务发现面临的环境具有资源分布、动态变化的特点.
针对该计算环境,如何有效利用用户和服务周围的语境信息,是提高服务发现质量和用户满意度的重要途径.
服务发现是从用户请求出发,寻找与之匹配服务的过程.
其本质是用户请求与服务间的关系发现.
然而,用户请求和服务这两个对象间的异构性,往往阻碍了关系发现.
实际上,通过第2节的语境建模不难发现,服务功能可通过行为语境刻画,而用户请求可通过目标语境刻画.
因此基于动作的语境模型使得用户请求和服务这两个对象都统一在语境模型上,利用动作理论的有力支持,本文集中研究用户请求与服务间的关系推理,并考虑用户偏好语境的影响来实现语境敏感的服务发现.
图1给出基于语境和动作推理的语义Web服务发现流程框架.
包括以下6个步骤.
step1当服务提供商发布服务或代理采集到服务提供商发布的新服务时,驱动服务建模模块将服务相关信息,在预订义schema约束下,转化为DDL逻辑推理系统接受的逻辑资源,存储于TBox、ActionBox和ABox中.
step2抽取服务相关的语境信息并对其语境建模.
step3将语境资源存储在文件ContextResource.
xml中.
step4当服务发现模块获得用户提交的请求时,驱动用户建模模块将用户相关语境信息(如请万方数据模式识别与人工智能23卷求目标、偏好信息等)建模.
step5服务发现模块执行算法1进行服务发现step6当动态更新模块监测到服务相关语境信息发生变化时,则启动stepl、step2重新对服务语境信息建模.
人图1服务发现流程框架图Fig.
1Frameworkforservicediscoveryprocess令用户的目标语境和偏好语境分别为C"C,,语境资源中存储的语境信息为G,,%,…,a.
,当前状态用某个ABox6进行刻画,CD可(6)表示由公式集合艿中的所有公式构成的合取式.
则可通过下面的操作找出所有满足要求的原子服务,使得在当前状态下可执行其中的各个原子服务,并且在执行之后可实现用户的目标要求和偏好要求.
具体算法1步骤如下.
Beginac:=cG.
Action;//抽取目标语境cc中的动作aP:=o.
Action;//抽取偏好语境cP中的动作For(i=1;i≤n;i++){嘞:=cA,.
Action;//抽取行为语境G.
中的动作Z:=(Conj(8)^Conj(只.
))一Conj(P.
.
)//用来判断当前状态是否满足执行动作Ot.
所需的前提条件':=(Conj(8)^Conj(P.
.
)^co面(P.
,)一[凡.
,E.
.
]Conj(E.
.
u见,)//用来判断在当前状态执行a.
后是否满足C.
和cP中的目标及偏好要求If(公式、工和公式,工都不可满足)//即公式Z和工都成立{Addn^intoResultSet//c^对应的服务满足用户需求,将其加入发现结果集}}OutputResultEnd在上述算法中,如果公式,正是不可满足的,则表明公式Z是成立的.
也就是说,在6刻画的当前状态下(即公式中的Conj(6)),结合用户通过其目标语境提供的相关信息(即公式中的CD耐(P8,))之后,一定满足动作a.
的前提条件(即公式中的Conj(P.
.
)),进而表明行为语境瓯对应的Web服务在当前状态是可以被执行的.
类似地,如果公式,工是不可满足的,则表明以当前状态以及用户在目标语境和偏好语境中提供的相关信息为基础(即公式中的Conj(8)ACo形(P.
.
)ACo彬(P.
,)),在执行动作%之后,一定会实现用户的目标要求和偏好要求(即公式中的cD巧(E.
.
uE.
)).
由于,上和,.
'都是动态描述逻辑中的公式,可通过动态描述逻辑的判定算法判断它们是否为不可满足的¨3|.
5案例研究下面通过案例说明如何利用算法1实现服务发现的.
假设韩美美打算去秦皇岛度假,需要预订一个酒店房间.
得知某优质代理网站可代理秦皇岛地区的酒店预订服务后,她在该网站注册个人基本信息并提交预订请求.
当接收到韩美美的请求后,该代理商从韩美美的基本注册信息中发现,韩美美对看海有着特殊的偏好.
因此代理商的优质服务就要体现在不但要满足她的基本需求——预订一间酒店房间,还要尽可能为她预订一间海景房以满足其偏好语境来提高用户满意度.
目前代理商代理的酒店有三个,分别是中核酒店、燕山酒店和秦韵酒店.
中核酒店靠海,可提供海景房的预订服务;燕山酒店坐落在繁华的市中心,可提供无烟房的预订服务;秦韵酒店坐落在秦皇岛火车站附近,只提供普通客房的预订服务.
令关于酒店客房的领域本体包括如下概念定义式:room暑SeaViewRoomuNoSmokeRoomuOrdinaryRoom.
LoveReside暑(LoveSeanjbooked.
SeaViewRoom)u(DislikSmokenjbooked.
NoSmokeRoom)LJ(]LoveSean1DislikSmokenjbooked.
room),其中,概念名room、SeaViewRoom、NoSmokeRoom和OrdinaryRoom分别表示酒店客房、海景房、无烟房、万方数据1期牛温佳等:基于语境和动作推理的语义Web服务发现以及普通客房.
概念名LoveReside表示对其预订的客房满意的顾客.
LoveSea表示喜欢海景的顾客.
DislikSmoke表示讨厌吸烟的顾客.
角色名booked表示某个顾客预订了某个房间.
上面的第一个概念定义式表示酒店客房由海景房、无烟房和普通客房三种类型的客房组成.
根据第--+概念定义式,某个顾客对其预订的客房是满意的当且仅当出现下列三种情况之一:其喜欢海景并且预订到海景房,其讨厌吸烟并且预订到无烟房,以及其对海景和吸烟没有特别的要求并且预订到房间.
根据韩美美的基本需求,可以从其目标语境.
Cc中抽取出如下动作:BookRoom(ttanmm)暑({Customer(Hanmm),1jbooked.
room(Hanmm)},{|booke&room(Hanmm)}).
由于韩美美喜欢海景房,可以从其偏好语境CP中抽取出如下动作:PreferAction(Hanmm)三({LoveSea(Hanmm)},{LoveReside(Hanmm)}).
假设通过查询后得知,当前状态下中核酒店有两间可提供服务的房间r,和r2,其中,r,为海景房,r2为无烟房.
燕山酒店现有某间可提供服务的无烟房岛.
秦韵酒店现有某间可提供服务的普通客房r4.
将这些知识用某个ABox6刻画如下:8={roomprovid[er(rl,zhonghe),roomprovid【er(r2,zhonghe),available(r1),available(乙),SeaViewRoom(r1),NoSmokeRoom(r2),roomprovider(r3,yanshan),available(r3),NoSmokeRoom(r3),roomprovider(r4,qinyun),available(r4),OrdinaryRoom(r4)}.
根据酒店客房预订服务的行为语境,可以抽取出下面四个动作:BookRoom.
,,".
(Hanmm,r1)喜({SeaViewRoom(r1),Customer(Hanmm),available(r1)},{,available(1),booked(Hanmm,r1)});BookRoom.
.
.
k.
(Hanmm,r2)兰({NoSmokeRoom(re),Customer(Hanmm),available(r2)},{1available(re),booked(Hanmm,,2)});BookRoom,mok.
(Hanmm,r3)孽({NoSmokeRoom(r3),Customer(Hanmm),available(r3)},{,available(r3),booked(Hanmm,r3)});BookRoomo,di∞(Hanmm,r4)量({OrdinaryRoom(r4),Customer(Hanmm),available(r4)},{1available(r4),booked(Hanmm,r4)}),其中,第一个动作对应于预订海景房的服务,第二个和第三个动作对应于预订无烟房的服务,第四个动作对应于预订普通客房的服务.
根据以上信息,可以分别对三个酒店进行考察,从而确定最能满足韩美美需求的酒店,并为其自动预订客房.
根据算法,针对预订海景房的动作BookRoom,.
,,i.
(Hanmm,r1),可得到下面的公式Z和五:正=(Co形(6)^Customer(Hanmm)^,jbooked.
roora(Hanmm))_(SeaViewRoom(r1)^Customer(ttanmm)Aavailable(,1)),工=(co巧(6)ACustomer(Hanmm)A1jbook五room(Hanmm)ALoveSea(Hanmm))_[BookRoom.
,vi.
(Hanmm,r1)](了booked.
room(Hanmm)^LoveReside(Hanmm)).
应用DDL的判断算法,可验证公式,.
疋和公式、正都不可满足,因而中核酒店提供的海景房可满足韩美美的目标和偏好需求.
类似地,针对语境动作BookRooma.
ok.
(Hanmm,re)重新构造公龇秕之后,应用DDL的判断算法,可得到此时的公式,六是不可满足的,但公式、五却是可满足的.
该结果表明,中核酒店提供的海景房可向韩美美提供客房预订服务,但执行该服务之后不能同时满足韩美美的目标需求和偏好需求.
同样,针对语境动作BookRoom,,.
oke(Hanmm,r3)和BookRoom.
Idi.
.
.
(Hanmm,r4)重新构造公式Z和工之后,会得到一上不可满足但、五可以满足的结果,表明这些服务都不能满足韩美美的目标需求和偏好需求.
通过该案例可看出,语境对服务发现有着现实的影响.
最终中核酒店服务为同时满足用户功能和语境需求的Web服务.
而燕山酒店服务和秦韵酒店服务会被算法滤掉,因为它们一个只提供无烟房,一个只提供普通客房,不能满足用户喜欢看海的偏好.
万方数据70模式识别与人工智能23卷6相关工作及比较文献[7]建立基于本体的语境模型对服务本身和请求者的语境信息形式化建模.
在其Web服务发现框架中,语境处理主要体现在对请求者的语境信息推理上,具体是将直接感知到的用户语境进行基于规则的推理,得到与用户相关的隐含语境.
在得到隐含语境后,将其与服务描述模型直接匹配来发现合适的Web服务.
文献[8]也利用本体为语境信息建模.
特别指出的是,将建立的语境本体作为Web服务能力描述的基础,体现语境作为纽带来连接请求者和服务的思想,本文正是借鉴了该思想.
服务发现主要利用本体映射和本体推理方法,当用户请求与Web服务的能力描述被映射到相同的本体上时,该服务即为满足用户语境的服务.
文献[9]主要利用基于键值的建模方法重点对服务本身的语境进行刻画,并提出相应的语境查询语言来描述复杂的语境约束条件,并将约束条件用于服务发现的动态过程,实现语境敏感的Web服务发现,文献[10]为服务发现中的用户信息和服务信息分别建立用户语境本体和Web服务语境本体.
通过预订义语境推理规则和规则等级,利用基于规则的推理算法对已发现的服务结果进行筛选和排序,将适宜语境的服务优先返回给用户.
相关工作和本文工作的对比分析如表2所示.
表25种基于语境的服务发现方法对比Table2Comparisonamong5context—basedservicediscoverymethods语境建模语境处理饕慧粪囊支持平台Ya唱【71统查篷模去l亏蕹蛩4匹墓粪法JESSJin睛,统奎篷模羞li;簦映紊姿法ECF4WSs删厶撇模糕瓣哪s讯妒.
,囊墓锹n瓣WHWSRP讯一敬释毒蟊型霪季壅独立建模8井压本文方法藿毳霆簇毒吞嫠乎茹臻警羹SWSBroker可以看出,本文方法侧重从逻辑角度对语境信息建模和推理,同时从请求者角度和服务角度为语义Web服务中的静动态语境信息统一建模.
因此可利用基于动作推理来支持语境处理,将可满足算法作为服务发现核心算法,从而有效实现语境敏感的服务发现.
7实验分析查全率和查准率是衡量信息检索的两个重要标准.
基于语境的服务发现方法通过增加语境信息作为查询约束条件来不断精简发现结果集,因此查全率作为其衡量标准并不适宜.
故我们侧重用查准率来考察本文方法.
实验在中国科学院计算技术研究所智能信息实验室成功开发的语义Web服务代理系统SWSBroker平台上进行,主要分为两个阶段:语境数据集获取、服务发现算法执行和结果统计分析.
鉴于目前相关工作并未公开其数据集,本文选择包括通讯、经济、教育、食物、医学、旅游6个不同领域的406个服务的OWL-S.
TC.
VI¨刊开放服务样本集,随机抽取每个领域的10个服务并将其导入SWSBroker.
然后通过利用Merging模块的逻辑映射功能,将服务的lOPE描述转化为基于DDL动作的行为语境描述,形成行为语境资源集合.
用户通过预定义输入模板提交请求信息,包括基本信息、目标和特殊偏好等.
然后仍然利用Merging模块的逻辑映射功能,将用户目标和特殊偏好转化为相应的目标语境和偏好语境.
图2查准率实验结果对比Fig.
2Resultcomparisonofprecisionexperiment分别对6个领域提交不同的用户请求,运行服务发现算法,得到每个领域的服务发现结果集合q,k=1,2,…,6.
让用户给出相应的lC.
1个他认万方数据l期牛温佳等:基于语境和动作推理的语义Web服务发现71为符合自己语境期望的服务组成集合A.
,k=1,2,…,6,同时随机的选择出该领域的IC.
1个服务组成集合B.
,k=l,2,…,6,计算出不采用语境的服务发现方法(简称NCB)语境期望查准率¨刚为IA.
n仇I/l暖I.
计算出采用语境的服务发现(简称CB)方法语境期望查准率为IA.
nc.
I/IQ1.
实验结果如图2所示,白色柱体代表不采用语境的服务发现算法的语境期望查准率,灰色柱体代表基于语境的服务发现算法的语境期望查准率.
在该实验测试集中,相同条件下,不采用语境的为56.
3%,基于语境的方法平均查准率为83.
5%,提高27.
2%.
8结束语本文利用动作理论对语义Web服务中的语境信息建模,利用DDL的动作推理支持复杂的语境处理,并在此基础上实现语境敏感的服务发现方法.
该方法使语境推理与服务发现在逻辑层面紧密结合,有效提高语境处理能力和语义Web服务的服务查准率.
参考文献[1]TheOWLServicesCoalition.
OWL·S:SemanticMarkupforWebServices[DB/OL].
[2008·12-01].
http://www.
w3.
ore/Sub-mission/0WL—S/[2]MillerJ,Ve嘲K,Raja∞k咖P,eta1.
WSDL·s:AddingSeman.
ticstoWSDL.
T幽icalReport,Gmorgia,USA:UniversityofGeorgia.
LSDISLab,2004[3]HausbergerT.
SemanticAnnotationsforWSDL[DB/OL].
[2009—05-05].
http://www.
sti—innshmck.
at/fileadmin/documents/sws—ss09/tutorial/2一SAWSDL_-_Slides.
pdf[4]PaolucciM,KawamuraT,PayneTR,el;a1.
SemanticMatchingofWebServicesCapabilities//ProcoftheIstInternationalConfer-enceonSemanticWeb.
Sardinia.
Italy.
2002:333—347[5]FernfmdezA,PolleresA,OssowskiS.
TowardsFine—GrainedServ-iceMatchmakingbyUsingConceptSimilarity//Procofthe1stIn·temationaiJointWorkshoponServiceMatchmakingandResourceRetrieval.
Busan,Sou山Korea,2007:31—45[6]GurmyA,YolumP.
StructuralandSemanticSimilarityMe啊csforWebServiceMatchmaking,fProeofthe8thInternationalConfer-enceonE—CommerceandWebTechnologies.
Regensburg,Genna-ny.
2007:129—138[7]YangSJH,ZhangJia,ChenIYz.
AJess.
EnabledContextElicit.
ationSystemforPmvidingContext—AwareWebServices.
ExpertSys·temewithApplications:AnInternationalJournal,2008,34(4):2254—2266[8]JinZhi,"u"n.
webServiceRetrieval:AnApproachBasedonContextOntology,,Procofthe30thAnnualInternationalConfer.
eneeonComputerS0flwamandApplications.
Chicago,USA.
2006:513—520[9]SpanoudakisG,MabbubK,ZismanA.
APlatformforContextA.
眦RuntimeⅥrebServiceDiscovery//ProcoftheIEEEInterna·tionalConferenceonWebServices.
SaltLakeCity,USA,2007:233—240[10]FengZaiwen,HeKeqing,LiBin,越02.
AMethodforSemanticWebServiceDiscoveryBasedonContextInfe坨nee.
ChineseJournalofComputers,2008,31(8):1354—1363(inChinese)(冯在文,何克清,李兵,等.
一种基于情境推理的语义web服务发现方法.
计算机学报,2008,31(8):1354—1363)[11]ShiZhongzhi,DangMinkai,JiangYuncheng,eta/.
ThebgicFoundationofSemanticWeb.
SeienceinChina:SeriesE,2004.
34(10):1123一1138(inChinese)(史忠植,董明楷,蒋运承,等.
语义Web的逻辑基础.
中国科学:E辑,2004,34(10):1123一1138)[12]ChangLiang,LinFen,ShiZhongzhi.
A聊mIIlicDeseriptionLog-icforRepresentationsadRea的ningaboutActions//Ptocdthe2ndInternationalConferenceonKnowledgeScience.
EngineeringandManagement.
Melbourne,Australia,2007:115—127[13]ChangLiang,ShiZhongzhi.
QiuLirong,eta/.
ATableauDecisionAlgorithmforDynlmcDescriptionLogic.
ChineseJournalofCom-puters,2008,31(6):896-909(inChinese)(常亮,史忠植,邱莉榕,等.
动态描述逻辑的Tableau判定算法.
计算机学报,2008,31(6):896—909)[14]ShiZhongzhi,ChangLiang.
ReasoningaboutSemanticWebServ-iceswithanApproachBasedonDynamicDescriptionLogics.
Chi—nestJoumaiofComputers,2008,31(9):1599—161l(inChi.
neBel(史忠植,常亮.
基于动态描述逻辑的语义Web服务推理.
计算机学报,2008,31(9):1599—1611)[15]DeyAK.
UnderstandingandUsingContext.
PersonalandUbiqui-tousComputing,2001,5(1):4—7[16]ZinunermannA,LorenzA,OppemmrmR.
AnOperationalDefini·tionofContext//Procofthe6thInternationalConferenceonModel.
ingandUsingContext.
Roskilde,Danmark,2007:558-571[17]KhschM.
OWLS-TC—y1:OWL—SServiceRetrievalTestCollection[DB/OL].
[2008.
12—01].
http://objectviewer.
semwebcentral.
org/Projects/owls—te/万方数据基于语境和动作推理的语义Web服务发现作者:牛温佳,常亮,王晓峰,韩旭,史忠植,NIUWen-Jia,CHANGHang,WangXiao-Feng,HANXu,SHIZhong-Zhi作者单位:牛温佳,王晓峰,韩旭,NIUWen-Jia,WangXiao-Feng,HANXu(中国科学院计算技术研究所,智能信息处理重点实验室,北京,100190;中国科学院研究生院,北京,100049),常亮,CHANGHang(桂林电子科技大学,计算机系,桂林,541004),史忠植,SHIZhong-Zhi(中国科学院计算技术研究所,智能信息处理重点实验室,北京,100190)刊名:模式识别与人工智能英文刊名:PATTERNRECOGNITIONANDARTIFICIALINTELLIGENCE年,卷(期):2010,23(1)被引用次数:0次参考文献(17条)1.
TheOWLServicesCoalitionOWL-S:SemanticMarkupforWebServices20082.
MillerJ.
VermaK.
RajasekaranPWSDL-S:AddingSemanticstoWSDL20043.
HausbergerTSemanticAnnotationsforWSDL20094.
PaolucciM.
KawamuraT.
PayneTRSemanticMatchingofWebServicesCapabilities20025.
FernándezA.
PolleresA.
OssowskiSTowardsFine-GrainedServiceMatchmakingbyUsingConceptSimilarity20076.
GunayA.
YolumPStructuralandSemanticSimilarityMetricsforWebServiceMatchmaking20077.
YangSJH.
ZhangJia.
ChenIYZAJess-EnabledContextElicitationSystemforProvidingContext-AwareWebServices2008(4)8.
JinZhi.
LiuLinWebServiceRetrieval:AnApproachBasedonContextOntology20069.
SpanoudakisG.
MahbubK.
ZismanAAPlatformforContextAwareRuntimeWebServiceDiscovery200710.
冯在文.
何克清.
李兵.
龚平.
何扬帆.
刘玮一种基于情境推理的语义Web服务发现方法[期刊论文]-计算机学报2008(8)11.
史忠植.
董明楷.
蒋运承语义Web的逻辑基础2004(10)12.
ChangLiang.
LinFen.
ShiZhongzhiADynamicDescriptionLogicforRepresentationandReasoningaboutActions200713.
常亮.
史忠植.
邱莉榕.
林芬动态描述逻辑的Tableau判定算法[期刊论文]-计算机学报2008(6)14.
史忠植.
常亮基于动态描述逻辑的语义Web服务推理[期刊论文]-计算机学报2008(9)15.
DeyAKUnderstandingandUsingContext2001(1)16.
ZimmermannA.
LorenzA.
OppermannRAnOperationalDefinitionofContext200717.
KluschMOWLS-TC-vl:OWL-SServiceRetrievalTestCollection2008相似文献(10条)1.
学位论文鲁四喜面向语义Web服务的分布式服务发现研究——基于本体图分割和前缀路由的语义Web服务发现2008语义Web服务(SemanticWebSerivces)技术通过使用本体为Web服务的描述提供语义信息,使Web服务能够为机器所理解成为可能,并且为Web服务的自动发现提供了技术基础.
语义Web服务通常由一系列的本体概念来描述,而现实世界中的许多领域本体由成千上万的概念组成,这些本体概念组合的数量是海量的;同时,随着各类Web服务的涌现,如何有效、合理的管理由海量的本体概念组合所描述的海量Web服务,成为大规模服务发现系统的一个难题.
本体图有着良好的层次结构和模块性,本文通过将本体图划分为少量的语义相近的概念区域,将海量的服务描述的概念组合映射为有限的概念区域组合,有效地将语义相似的服务进行分簇,进而构建出一个有结构的语义P2P网络来管理维护这些聚类的Web服务,从而有效地解决了由大规模本体概念描述的大规模服务的发现问题.
本文首先给出了一种基于ROCK(ARobustClusteringAlgorithmforCategoricalAttributes)用于大规模本体图分割的ROCKOn2算法,该算法将本体图划分为少量的语义相似的概念区域,为服务的分簇管理提供了基础;然后基于ROCKOn2算法提出了一种分布式服务聚类算法ROCKOn2Cluster,将服务的语义描述信息转化为概念区域序列,从而将语义相似的Web服务分类到相同的概念区域序列中,有效地将语义Web服务进行分簇;为管理这些分簇的Web服务,本文给出了一种面向语义Web服务的分布式服务发现系统(Spring系统):Spring系统是一个有结构的融合语义P2P网络,通过本体图分割技术(ROCKOn2算法)将本体图分割为多个区域,并为数据内容和P2P网络节点分配变长的概念区域编码;同时,它使用一种支持变长编码的基于前缀的语义路由策略;实验及PISOMWare应用实例表明Spring系统具有稳定的路由跳数,有效的服务发现能力,适用于基于大规模本体概念的分布式Web应用.
2.
期刊论文邹金安.
ZOUJin-an语义Web服务发现研究与实现-湖北工业大学学报2009,24(1)语义Web服务是在Web服务中加入语义元素,利用语义相关的技术给Web服务指定一个语义.
语义Web服务可以实现Web服务的自动发现、执行和组合.
阐述了语义Web服务和语义Web服务发现以及相关的技术,提出了一种语义Web服务发现框架,并利用标签语言描述本体和Web服务,设计了语义匹配算法,并在应用中实现了这种语义Web服务发现框架.
3.
学位论文高洋语义Web服务发现的三层匹配模型2009Web服务发现是指服务请求者以某种方式在不同的Web服务中找到其需要的服务.
由于传统的基于关键字的Web服务发现方法存在着低查全率和低查准率等缺陷,将语义引入Web服务发现机制成为研究热点.
但目前的大多数研究,只关注Web服务发现过程中的服务的功能属性匹配,并没有考虑包括基本描述属性和质量属性的服务非功能属性的匹配;同时匹配方法大多采用匹配粒度较大的等级匹配算法.
针对以上问题,本论文主要从Web服务的描述语言、Web服务的匹配方法、语义Web服务的发现模型这三个方面进行研究,以改进语义Web服务发现过程.
首先,应用OWL-S对Web服务进行语义标注.
针对Web服务描述语言(WSDL)缺乏语义的不足,应用OWL-S描述语言对Web服务进行语义标注;同时,利用OWL-S描述语言的可扩展性为Web服务添加质量属性.
其次,实现语义Web服务的三层匹配.
利用关系数据库的简单查询操作和改进的等级匹配算法实现语义Web服务的功能属性匹配;利用句子相似度算法实现语义Web服务的基本描述属性匹配;利用数值相似度算法和区间相离度算法实现语义Web服务的质量属性匹配.
进而,提出语义Web服务发现的三层匹配模型.
针对基于OWL-S的Web服务发现框架中Web服务的匹配具有片面性的缺陷,提出语义Web服务发现的三层匹配模型,该模型不仅实现了语义Web服务的功能属性的匹配,而且进行了语义Web服务的基本描述属性匹配和质量属性匹配.
最后,进行实例验证.
通过一个旅游酒店信息查询的实例验证了语义Web服务发现的三层匹配模型的可行性和实用价值.
4.
期刊论文贺超波.
陈启买.
HEChao-bo.
CHENQi-mai快速语义Web服务发现方法-计算机工程与设计2010,31(12)针对现有的基于本体描述的语义Web服务发现方法发现效率较为低下的问题,提出一种新的服务发现方法.
该方法在基于本体距离计算语义Web服务综合相似度的基础上,利用数据挖掘中的聚类算法AGNES对语义Web服务集合进行聚类预处理,形成若干服务簇,然后应用相应服务发现算法根据相似度阈值定位于某一服务簇内进行查找匹配,从而可减少搜索空间.
理论与仿真实验结果表明,该方法既可保证服务发现的准确率,又可明显提高服务发现的效率.
5.
学位论文陈伟语义Web服务的关键技术研究——语义Web服务发现2006本文提出一个能够实现自动化的Web服务发现的语义Web服务发现模型,它主要具有以下三个特点:首先,综合使用OWL-S和信誉度本体来描述Web服务.
OWL-S作为一种语言和本体,被广泛地用于描述Web服务的语义信息以实现自动化的语义Web服务发现.
但是,OWL-S并不成熟,还存在一些缺点.
尤其是OWL-S不能描述Web服务的信誉度.
为了解决这个问题,本文定义了Web服务的信誉度本体ROWS(ReputationOntologyforWebServices)并用它来描述Web服务的可信任性和服务质量等信息.
其次,服务匹配算法采用基于语义相似度的匹配.
使用相似度用来度量待选的服务和客户请求之间的"相似程度".
待选的服务和客户请求之间的相似度由OWL-SProfile的功能相似度和信誉度本体的相似度联合决定.
再次,在匹配器中引入了Web服务的信誉度管理器.
匹配器是实现自动化的Web服务发现的软件设施.
信誉度管理器负责Web服务的信誉度管理.
在信誉度管理器的理想模型中,可以使用第三方的权威机构来管理Web服务的信誉度,但目前还不存在这样的机构,只能使用反馈机制来实现信誉度管理.
信誉度管理器收集客户的反馈信息并把它们保存到持久的数据中.
6.
会议论文项高友.
黄志球基于SAT的语义Web服务发现2008当前主流的语义web服务发现方法:用本体来描述web服务;用DL推理机来实现语义Web服务的匹配.
这种方法存在的问题有:①web服务涉及各个领域,故要构建如此大规模的本体是极其困难的;②DL推理机的运行效率是比较差的.
为了解决这些问题,本文提出一种基于SAT(命题逻辑可满足性问题)的语义Web服务发现方法:用描述逻辑的概念表达式来描述Web服务,借助于WordNet把服务的语义匹配问题转换为命题逻辑可满足性的验证问题,再调用现有的SAT判决器来实现语义Web服务的匹配.
7.
学位论文李健面向语义Web服务的发现机制研究——基于前缀树的语义Web服务发现2009随着对Web服务技术研究的不断深入,为了实现智能化的Web服务提供,出现了语义Web服务.
语义Web服务是Web服务和语义Web结合的产物,它的目标是通过对Web服务进行语义描述,使其成为机器可以理解的内容,从而支持服务查找、选择、协商、组合、执行等操作的自动化.
在语义Web服务的整个生命周期中,服务发现处于首要位置,可为语义Web服务自动化处理的后续环节提供前提和基础,具有重要的意义.
传统的web服务发现主要基于集中式注册中心,很难提供动态的服务发现并且具有单点失效和性能瓶颈等缺点;基于关键字匹配的方式缺乏语义信息,易造成服务发现精确度不够,从而难以保证服务发现的性能和质量.
本文研究的重点就是在分布式环境中如何高效的发现语义Web服务,提出了一种基于对等网络的分布式语义Web服务发现机制.
文中首先给出了基于本体分割技术的服务特征向量生成算法,用以标识Web服务;而通过所属的概念区域序列可有效地将Web服务进行分簇.
为有效管理分簇的Web服务,文中继而给出了基于前缀树的语义Web服务发现系统.
系统中节点按照所属的概念区域序列的前缀关系互相联结,构成了一个有结构的融合语义对等网络,表现为前缀树森林的拓扑形态,其采用了前缀匹配的语义路由策略,充分利用语义信息,具有高效的语义路由能力.
接着给出了适应于前缀树森林拓扑的网络自适应机制,并提出了相应的负载均衡策略.
仿真实验及PISOMWare应用实例表明此系统具有稳定的路由跳数,良好的服务发现能力,较好的网络自适应性及负载均衡性,适用于基于大规模本体概念描述的分布式Web服务应用.
8.
期刊论文刘志忠.
王怀民.
郭艳玲.
LIUZhi-zhong.
WANGHuai-min.
GUOYan-ling基于语义的服务发现技术研究综述-计算机工程与科学2007,29(9)语义Web服务是Web服务的语义扩展,它能够有效地提高服务发现的效率,并使得实现服务发现自动化成为可能.
基于语义的服务发现是语义Web服务技术的核心,其关键技术包括标识语义的Web服务描述语言、基于语义的服务发现体系结构和基于语义的服务匹配算法.
本文分别从这三个方面对目前基于语义的服务发现技术进行了详细的分析比较.
文章最后对基于语义的Web服务发现技术进行了总结与展望.
9.
学位论文陈丁剑基于语义的Web服务发现和组合技术研究2006语义Web服务是语义Web和Web服务的结合体,能够以一种明确的、计算机能够理解的语言来描述Web服务的功能和内容,可为Web服务的发现、执行、解释和组合的自动化提供有效的支持.
因此,对语义Web服务的研究主要在两个方面:一是创建一种计算机之间能够互相理解,并能充分表示Web服务的内容、功能、属性、接口以及规则和限制条件的语言;另一方面是在这种语言基础之上,提出一种使Web服务之间能够实现自动发现、选取、执行、组合以及交互的模型或体系结构.
前者已经有了诸如DAML-S(现在是OWL-S)和WSML等较为成熟的研究成果;后者现有的研究内容则还停留在基本的原理性试验阶段,不能满足实际需要,也不能很好地解决Web服务自动化问题.
有鉴于此,本文对语义Web服务自动发现和组合技术进行了深入地探讨,主要研究工作和创新点如下:1.
提出了一种基于OAA的分布式构架体系的语义Web服务框架——XUMI.
XUMI是一种自组织分布式体系架构,它使用OWL-S及XUMITask本体来为Web服务和Web服务事务建模,并能提供完善的自动化Web服务发现、组合和执行的解决方案.
同时,XUMI具有资源管理能力和可视化工具,使用户便于管理和使用.
相对于OWL-S、WSMO以及METEOR-S等技术而言,XUMI的优势在于它具有无限扩展能力和便于集成的自组织分机式体系结构,更好和更完善的Web服务自动化技术以及提供了更多更实用的工具.
这些优势正是语义Web服务进一步发展的目标.
2.
在描述逻辑和动态描述逻辑的基础上,提出了XUMI服务描述逻辑(XUMIServiceDescriptionLogics,XSDL).
XSDL将语义Web服务的静态和动态的知识表示与推理有机地整合在一起,形成了一种统一的形式化框架.
它具有清晰的语义特征,提供了可判定的逻辑推理,能有效地对Web服务事务(如服务的发现、组合和执行等)进行表示和推理,从而为基于OWL-S的语义Web服务提供完备合理的逻辑基础.
3.
对服务框架XUMI提出了相应的自动化Web服务发现技术.
给出了一种精确实用的服务匹配算法;基于XSDL对服务匹配算法进行形式化描述和推理,并提出了一种量化服务匹配度的方法.
与其它Web服务发现技术相比,XUMI的自动化Web服务发现技术具有更高的查准率和查全率.
4.
提出了一种针对语义Web服务的信誉度模型,并实现了该模型.
与其他的Web服务信誉度机制相比,该模型的优点是针对语义Web服务的特点为服务信誉度加入了语义信息,通过判断语义信息的真实性和确切性,并综合了第三方权威机构的评价,使得信誉度值更加有效和准确.
5.
针对服务框架XUMI,提出了相应的自动化Web服务组合技术.
针对具体组合服务与抽象组合服务的匹配问题,给出了一种语义复合算法——SSC,并基于XSDL对该算法进行了形式化描述和推理.
为了更精确地检验组合服务的有效性,提出了一种量化组合服务语义匹配度算法,该算法认为组合服务的语义匹配度与三个因素相关:子服务匹配度,组合结构以及子服务之间上下文匹配度.
10.
期刊论文邹金安.
ZOUJin-an基于QoS的语义Web服务发现研究-计算机应用2009,29(10)将QoS引入到语义Web服务中,分析了QoS本体的描述方法、Web服务的发现方法和语义Web服务发现方法,建立了一个通用的QoS模型,模型中的参数属性基本能描述QoS的衡量标准.
提出了基于QoS语义Web服务发现框架,第一步通过功能来发现Web服务,第二步通过建立的QoS模型来评价发现的Web服务集合,找到QoS最佳的Web服务.
最后通过实例建立了语义功能本体和QoS本体.
本文链接:http://d.
wanfangdata.
com.
cn/Periodical_mssbyrgzn201001011.
aspx授权使用:中科院计算所(zkyjsc),授权号:be405fe3-bb0e-445c-9a29-9e5a00a54df1下载时间:2010年12月28日