基于语义的Web服务发现算法

论文摘要

近年来,Web服务作为一种新兴的Web应用模式和一个崭新的分布式计算模型,已逐渐成为Web上数据和信息集成的有效机制,发展非常迅速。Web服务的目的是要解决异构平台上的数据和应用的整合与共享问题。但随着Web服务应用的日益广泛,服务请求者常常要面对大量的Web服务,如何准确高效地找到所需服务无疑是十分重要的。完整的Web服务模型包括:服务描述、服务注册中心、服务匹配。但是,传统的Web服务发现存在着明显的不足:服务描述不提供服务功能性的语义描述;服务注册中心不能理解Web服务的语义信息;服务匹配是基于关键字的;单个Web服务可能只提供唯一的调用函数来完成一个单一的功能,而将多个Web服务进行有机组合将能完成一系列复杂任务,如果单个Web服务的交换模式发生了变动,则服务请求端必须由编程人员自己来应对变动,不够灵活等,在这样的背景下,语义Web服务（Semantic Web Services）成为了Web服务一个新的发展方向。语义Web服务技术结合了传统Web服务技术和语义Web技术的优点,使用语义信息对Web服务的功能属性、非功能属性以及行为进行描述,可为Web服务的发现、执行、组合的自动化提供有效的支持。语义Web服务发明者也是W3C的总裁Tim Berners-Lee曾宣布“语义Web服务是W3C三大研究主题之一”。语义Web的研究不仅将Web由“信息的海洋”转变为“知识的海洋”,也为Web上的另一种重要资源-Web服务带来了新的活力。针对目前Web服务发现存在的问题,本文提出了一种基于本体概念群组划分的语义距离计算方法,通过计算概念之间的语义距离来计算概念之间的相似度,接着通过多级的语义Web服务发现策略算法来计算服务之间的匹配度。为此,本文针对以下几个关键问题展开研究:语义距离的计算本文提出一种基于本体概念群组划分的语义相似度度量方法。该方法可以划分为群组内和群组间的概念语义距离计算方法,通过引入正向和反向的语义距离来解决上下位关系概念对的语义相似度非对称性,本体基本的关系包括等价关系、继承关系（SubClassOf）,自定义关系属于其他的二元关系,本文根据这些关系重要性的不同以及概念节点的位置动态分配关系的权值,并在此基础上进行语义距离的计算。语义相似度的计算基于语义距离可以进行相似度的计算。本文语义相似度包括三种,分别用于表示Web服务不同层次的匹配程度:概念相似度、概念集合相似度、服务匹配度。本文给出了这几种相似度的计算算法。语义Web服务匹配算法基于输入、输出接口语义相似度的计算,本文提出了一种语义Web服务的两级匹配策略。首先对OWL-S进行扩展,使其支持服务接口依赖关系的申明,支持用户根据自身的需求设置服务输出参数对输入参数的依赖权重以及输入接口和输出接口的匹配度权重,并在此基础上提出了集成单广告服务和广告服务组合的语义Web服务两级匹配策略。基于单广告服务的匹配适用于服务请求与广告服务一对一匹配的情形;基于广告服务组合的匹配则首先将一个复杂的服务请求分解为简单的单输出、多输入的子服务请求序列,然后结合子服务与广告服务组合链的匹配机制,从而将服务匹配推广到复杂服务请求需要多个广告服务协作才能完成的情形,最后本文给出了语义Web服务匹配算法的相关描述。本文根据前面所述内容,开发了原型系统,设计了一个语义Web服务发现与匹配模型,并给出了各模块的功能设计。查询处理器是为了解决原有的服务发现技术缺乏抽取有用信息的能力的问题。OWL-S/UDDI转换器是为了扩展UDDI注册中心,使其能够存储服务的语义信息。语义服务匹配引擎是为了实现基于服务功能的语义匹配而设计。该服务发现与匹配模型的设计是本文的重点研究工作。论文最后以图书超市本体和购买图书的Web服务为例进行测试分析,说明算法的可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文的主要研究内容
• 1.4 论文的组织结构
• 第二章 语义Web 服务相关技术概述
• 2.1 Web 服务
• 2.1.1 Web 服务概述
• 2.1.2 Web 服务的架构
• 2.2 语义Web
• 2.2.1 语义Web 概述
• 2.2.2 语义web 结构
• 2.3 本体论
• 2.3.1 本体的定义
• 2.3.2 本体的组成
• 2.3.3 本体的分类
• 2.3.4 本体中概念之间的关系
• 2.3.5 本体描述语言OWL
• 2.4 语义Web 服务描述语言OWL-S
• 2.4.1 ServiceProfile
• 2.4.2 ServiceGrounding
• 2.4.3 ServiceModel
• 2.5 本章小结
• 第三章 基于本体概念群组划分的语义距离计算方法
• 3.1 现有相似度算法分析
• 3.2 语义距离与语义相似度的关系
• 3.3 基于群组划分的语义距离计算
• 3.3.1 概念群组内语义距离的计算
• 3.3.1.1 正向语义距离的计算
• 3.3.1.2 反向语义距离的计算
• 3.3.1.3 其他二元关系的影响
• 3.3.2 概念群组间语义距离的计算
• 3.4 实验仿真验证
• 3.5 本章小结
• 第四章 一种语义Web 服务的两级匹配策略
• 4.1 现有算法分析
• 4.2 OWL-S 的扩展
• 4.3 两级服务匹配算法
• 4.3.1 基于单广告服务的匹配算法
• 4.3.2 基于广告服务组合的匹配算法
• 4.4 应用示例
• 4.5 实验与结果分析
• 4.5.1 实验准备
• 4.5.2 实验结果与分析
• 4.6 本章小结
• 第五章 原型系统实现与实例验证
• 5.1 搭建原型的实验平台
• 5.2 系统框架设计
• 5.2.1 总框架的设计
• 5.2.2 匹配器的设计
• 5.2.2.1 服务发布过程
• 5.2.2.2 服务查找过程
• 5.3 系统实现
• 5.3.1 查询处理器设计
• 5.3.2 本体推理器设计
• 5.3.3 OWL-S/UDDI 转换器设计
• 5.3.4 匹配算法设计
• 5.3.4.1 ServiceCategory 匹配算法
• 5.3.4.2 I/O 匹配算法
• 5.4 实例验证
• 5.4.1 所需的本体及创建
• 5.4.2 服务描述文件
• 5.4.3 系统演示
• 5.5 结果分析
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录