基于相似度特征的Web服务匹配算法

针对Web服务查找与匹配困难问题,提出一种基于Petri网和QOS计算的Web服务模糊匹配算法.构建OWL-S过程模型,依靠该模型中的控制流、状态转移与信息转换,将Web服务以Petri网的形式表示,利用节点、网络架构与变迁的语义标准计算Petri网相似度,获取Petri网参数的最优匹配子图,通过计算Petri网的输出...     

快速语义Web服务发现方法

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.     

一种基于服务簇网元模型的Web服务发现方法

定义了服务簇的网元模型,提出了一种基于服务簇网元模型的Web服务发现方法.首先,通过计算Web服务的功能描述及参数的语义相似度,对服务库中的服务进行聚类;其次,对服务参数进行统一标注,建立服务簇的网元模型,并对服务簇参数矩阵进行规范化处理;最后,基于服务簇参数矩阵,实现服务快速发现.基于Petri网,首次提出了服务簇的形式化模型,并在此基础上进行了服务快速发现.结果表明,利用网元模型建模服务簇是有效的、合理的,并且与传统的基于参数匹配的服务发现相比,所提方法有效地减少了参数匹配次数,提高了服务发现效率.     

基于Petri网的语义Web服务发现框架的研究

针对目前语义Web服务发现研究中存在的不足,提出一种基于Petri网的语义Web服务发现框架.该框架利用OWL-S本体提供的语义信息及Petir网在系统动态行为方面的验证功能,从服务注册中心发现用户所需的服务组合.Web服务的发现结果不仅满足用户的功能需求,而且保证无死锁并能够正确执行,提高了服务发现的准确性.最后通过实例分析验证了该服务发现框架的有效性.     

保证服务质量的Web服务优化选取

快速、准确地发现满足用户需求的Web服务是目前Web服务发现的一个研究重点。文中提出了一个基于服务质量的语义Web服务发现框架。首先采用遗传算法来实现服务的聚类预处理,以此来降低服务的查找空间,提高服务的查询效率。进一步,针对服务请求者对服务质量的需求,实现了基于WSMO-QoS的服务匹配策略。最后,实验结果表明了所提方法的有效性。     

基于用户情境聚类的Web服务发现方法研究

针对快速发现用户适合度较高的Web服务问题,提出了一种基于用户情境聚类的Web服务发现方法.将聚类与倒排索引技术融入Web服务发现算法,利用BIRCH聚类思想进行用户情境聚类,有效地缩小了Web服务的查找范围,而倒排索引技术则能够快速定位服务,进一步优化了Web服务发现的时间.结合实例和实验,并与其他Web服务发现方法进行比较,结果表明了该方法的服务发现结果和时间效率均优于其他方法.     

基于petri网的语义Web服务过程模型匹配算法研究

为了在服务发现中提高效率及准确率,在服务匹配过程中引入了服务执行状态的变迁等因素即服务的过程模型。而Petri网能够把Web服务的过程模型进行形式化描述。该文在服务发现中引入Petri网,通过Petri网描述Web服务的过程模型,再对Petri网进行语义标注,最后通过计算过程模型的相似度来实现基于Petfi网的语义Web服务发现匹配。这种方法结合现有采用功能性参数匹配的语义web服务发现对提高服务发现率,尤其对改善服务发现准确率起到了一定的作用。     

基于聚类的QoS语义Web服务发现研究

如何动态地选择出适合用户需求的Web服务正在引起相关研究者的关注.为了提高Web服务查找的效率,提出了一种支持QoS的语义Web服务发现框架.首先根据Web服务本体分别计算服务描述、输入、输出、前提条件和结果这五个层面的语义相似性,然后利用聚类技术,将相似度高的服务聚为一类,过滤掉与服务请求完全不同类别的服务,形成候选服务集,最后进行QoS比较,得到一个服务排序,为请求者选择QoS综合值最高的服务.仿真实验验证了该方法的可行性和有效性.     

基于聚类优化的Web服务发现方法

针对语义Web服务发现效率低下的问题,提出一种基于图论聚类的服务发现方法。利用领域本体将Web服务形式化为领域概念的集合,根据概念间的关系计算服务间的相似度并构建用于标识服务的加权图,通过最小生成树算法对服务进行聚类,从而实现服务发现。实验结果证明,该方法有效减少了服务发现的匹配次数,提高了服务发现效率。     

基于LDA-FCM方法的Web服务发现聚类性能分析

为提高Web服务发现能力,需要进行Web数据的优化聚类处理,提出了基于LDA-FCM方法的Web服务发现聚类方法。利用LDA模型进行Web服务发现资源数据的重组和自适应调度,以提取Web服务发现的数据资源特征。依据数据特征确定其相似度,在FCM算法中,通过相似度计算隶属度,从而确定聚类中心,多次迭代后,实现Web服务发现聚类。实验结果表明,所提方法复杂度较低,具有较好的聚类精度,聚类执行时间较少,其查全率与查准率均较高。     

基于策略的Web服务非功能属性匹配

Web服务的非功能属性匹配对增强Web服务发现的准确性，保证Web服务调用质量具有重要作用。目前Web服务的非功能属性匹配研究一般局限于某一具体的非功能属性，缺少支持各非功能属性的统一匹配方法。该文提出了一种基于策略的Web服务非功能属性的匹配方法，把Web服务非功能属性作为服务双方的策略，利用策略匹配来实现非功能属性的匹配。采用WSPL作为策略描述语言，并提出了层次化策略的概念，利用不同的发布方式对不同层次的策略进行发布，服务发现的过程与不同层次的策略匹配结合在一起。该方法支持各种非功能属性的匹配，并可以容易地和Web服务的功能性匹配方法结合到一起，形成完整的Web服务发现匹配系统。     

带有高效索引的语义Web服务I/O匹配优化方法

目前Web环境中蕴涵着大量的Web服务和Web服务请求,基于语义的Web服务匹配能够提高Web服务发现的准确性,但由于其复杂的语义计算,导致系统响应速度慢。首先,对语义Web服务过程进行了分析,确定大量的语义计算主要集中在输入/输出（I/O）匹配环节;然后,在研究现有I/O匹配算法和分析影响语义相似度的主要因素基础上,给出了一种带有高效索引的语义Web服务I/O匹配优化方法,包括：高效索引的建立和基于哈希二次探测再散列的启发式筛选机制的提出;最后,通过实例证明了该方法切实可行。该方法通过筛除无关Web服务,减少了语义计算量,提高了系统响应速度,进而带来了更好的用户体验。     

Joint semantic similarity assessment with raw corpus and structured ontology for semantic-oriented service discovery

Semantic-oriented service matching is one of the challenges in automatic Web service discovery. Service users may search for Web services using keywords and receive the matching services in terms of their functional profiles. A number of approaches to computing the semantic similarity between words have been developed to enhance the precision of matchmaking, which can be classified into ontology-based and corpus-based approaches. The ontology-based approaches commonly use the differentiated concept information provided by a large ontology for measuring lexical similarity with word sense disambiguation. Nevertheless, most of the ontologies are domain-special and limited to lexical coverage, which have a limited applicability. On the other hand, corpus-based approaches rely on the distributional statistics of context to represent per word as a vector and measure the distance of word vectors. However, the polysemous problem may lead to a low computational accuracy. In this paper, in order to augment the semantic information content in word vectors, we propose a multiple semantic fusion (MSF) model to generate sense-specific vector per word. In this model, various semantic properties of the general-purpose ontology WordNet are integrated to fine-tune the distributed word representations learned from corpus, in terms of vector combination strategies. The retrofitted word vectors are modeled as semantic vectors for estimating semantic similarity. The MSF model-based similarity measure is validated against other similarity measures on multiple benchmark datasets. Experimental results of word similarity evaluation indicate that our computational method can obtain higher correlation coefficient with human judgment in most cases. Moreover, the proposed similarity measure is demonstrated to improve the performance of Web service matchmaking based on a single semantic resource. Accordingly, our findings provide a new method and perspective to understand and represent lexical semantics.     

Fuzzy sets and similarity relations for semantic web service matching

Semantic Web Services (SWS) were introduced to facilitate the publication, discovery, and execution of web services. A semantic matchmaker enhances the capability of UDDI service registries in the SWS architecture and it is able to recognize various degrees of matching for web services. On the basis of SWS and fuzzy-set theory, a fuzzy matching approach for semantic web services is proposed, to support a more automated and veracious service discovery process.