语义聚集的P2P服务组织模型

针对集中式和传统分布式服务注册与发现机制中存在的问题,提出一种新的服务组织模型。该模型归纳服务系统中各服务功能来建立语义树,依据此语义树产生的语义串对服务进行标识,采用改进的Kademlia算法将服务组织起来,形成按语义树聚集的、使用语义串进行结点发现的P2P覆盖网络,从而解决了单点失效、性能瓶颈问题,实现了不依赖注册中心和注册操作的、自发现的服务调用。它具有高可扩展性,能够支撑动态调度、模糊搜索等应用形式, 已在某服务计算平台中成功应用,该平台已通过验收并连续运行近一年。     

基于本体语义树的主题空间向量模型

在传统检索模型的基础上,结合本体的概念,提出一种基于本体语义树的主题空间向量模型,该模型能够用语义概念树描述一个主题,与传统基于关键词描述主题的方法不同,它能够描述概念之间的简单语义关系.在此基础上,给出HTML页面内容与主题相关度的计算方法.在分析URL的相关度时,不仅分析链接锚文本与主题相关度,还结合了改进的Pag...     

基于语义模型的企业数据检索*

为了支持企业在决策时从企业数据中通过检索获得有意义的数据,提出了基于语义模型的语义检索方法。该方法首先基于概念树描述语义模型,通过概念映射将数据源与语义模型进行语义关联。在此基础上,建立语义模型和支持描述逻辑推理的知识模型之间的映射,通过调用描述逻辑推理机完成语义检索,检索结果再通过语义模型映射对应数据源信息,最终返回语义一致益于决策的数据视图。     

基于WordNet的Web服务发现模型

针对目前语义Web服务发现机制只能基于一个本体发布,查找的缺点,结合WordNet本体库与OWL-S语义描述语言设计一个语义明确的Web服务发现模型。该模型中采用OWL-S对Web服务进行语义描述,对领域相关本体中的概念进行预处理,以WordNet提供的术语语义为基础,建立一个全局领域相关本体。这种全局领域本体建立方法避免了因对概念理解不统一而产生的不一致性,得到的本体易于扩展。     

面向主题的概念检索研究

该文提出了一种基于概念网络和主题概念树的面向主题的文本检索算法。依托概念网络建立主题概念树,利用主题概念树对用户的查询请求进行语义扩展,实现同义和语义蕴涵检索。关联度的计算模型考虑了词与词之间,句与句之间的语义激励。通过关联度在主题概念树上的传播模型,实现复合概念关联度的计算。检索结果按关联度大小降序排列。基于主题概念树的概念检索导航为用户检索提供了便利。     

基于本体映射的语义Web服务发现框架

分析了语义Web服务中存在的本体异构问题,讨论了语义Web服务发现中输入、输出匹配的方法,以及本体映射中概念相似度计算方法.在已有的Web服务模型基础上,引入语义Web服务发现的机制,提出了一个基于本体映射的语义Web服务发现框架,并阐述了其实现机制.该框架下的本体映射技术的应用能够增强语义Web服务发现的能力.     

基于概念网络的文本分类研究

提出了一种基于概念网络和主题概念树的文本分类算法。该算法可以根据关联度传播模型对未知文本中的一些概念进行一定程度上的语义复合。     

基于内容的视频分层语义联想模型

提出一种视频的分层语义联想模型,构造三个层次的信息：概念层次树,场景网络和语义对象网络。利用概念层次树来适应不同的应用环境,场景网络表示视频的时间信息,而语义对象及其关系用来表示视频镜头的内容,通过分属不同镜头的语义对象的关系来表示镜头间的语义相关度。该模型采用基于时间和语义关系的检索方法,搜索结果是收敛的。     

基于知识树的领域知识组织和应用*

在分析已有知识表示方法优缺点的基础上,提出一种高效的知识表达模型——概念知识树。概念知识树模型不仅结构性好、表达能力强,而且在应用中具有良好的适应性和延展性,现主要应用于信息检索和自然语言理解领域。以旅游领域为背景,用概念知识树作为表达模型建立相应的领域知识体系,并在此基础之上实现了一个旅游智能分析系统。该系统可在对用户需求(自然语言)进行一定程度语义理解的基础上,根据所建立的知识体系自动进行语义匹配,最终返回满足用户需要以及相关的旅游路线信息。     

面向复杂拓扑的Relay查找机制

在应用层路由系统中,针对Internet的复杂拓扑问题,提出一种Cluster Overlay改进模型和拓扑感知的Relay查找机制。改进模型能根据复杂网络拓扑自适应地修正Cluster划分,使Cluster Overlay与Internet拓扑更接近。拓扑感知的Relay查找机制较好地利用了复杂拓扑现象,进一步改进了路径质量。实验结果显示,改进的Cluster Overlay模型和Relay查找机制具有较好的性能。     

基于IO与信息内容的语义Web服务发现

随着web服务数量大幅增长,如何快速准确的发现并满足用户需求的服务已经成为一个亟待解决的问题.现有的基于语义的web服务发现通常使用混合的方法,先在本体层面上进行语义匹配,当语义匹配失败的时候再采取其他的方法(基于关键字的匹配、基于结构分析)来弥补这个缺陷,在补救的过程当中由于现有的方法并未准确的反应两个概念之间的相似性,从而导致web服务的发现的准确率不高.将信息内容语义相似度计算的思想考虑在内,提出了采用基于服务的IO(input, output)语义匹配和基于信息内容语义相似计算相结合的方法,并以owls-tc2.0作为测试集合对该方法进行测试,实验结果表明该方法能有效提高服务发现的准确率.     

基于概念间双向语义和多重关系的Web服务发现

如何提高Web服务的发现效果是面向服务计算领域需要解决的关键问题.针对这一问题,文中提出基于概念间双向语义和多重关系的Web服务发现方法.在计算概念相似度时,考虑语义的双向性及连接路径上的多重关系.不同于以往的服务发现方法,不仅计算服务描述中的名词和动词,还计算形容词.在名词和动词相似度计算中,涵盖继承关系(ISA)、部分整体关系(HASA)和反义关系(ANT).在形容词相似度计算中,涉及相似关系(Similar-to)和ANT.Web服务相似度的计算综合I/O和功能描述两方面内容,提高Web服务发现的准确性.通过综合数据实验充分验证文中方法的有效性,该方法具有较优的查准率、查全率及F-measure.     

基于语义的Web服务发现的设计与实现

目前Web服务发现机制仅提供了简单的基于关键字的搜索方法，缺乏对语义推理的支持。因此提出了一种基于语义的Web服务发现的系统架构，并进行了实现。通过把Web服务的语义描述发布到UDDI注册中心，在服务查找时对服务功能进行语义相似匹配，实现了高效的服务发现。     

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.     

基于OWL-S的语义Web服务发现方法

随着Web服务的广泛应用和迅速发展,服务的种类和数量越来越多,要在众多的Web服务中高效地发现满意的服务成为一个关键的问题。目前的Web服务发现方法大多是采用基于关键字匹配的机制,查全率和查准率不高,难以满足用户的需要。针对这个问题将OWL-S引入服务发现,为Web服务添加语义信息,运用本体推理技术,文中提出一种基于OWL-S的语义相似度匹配度计算的Web服务发现方法,并设计了服务发现原型系统。实验结果表明提出的服务发现方法能够获得较好的服务发现效果。     

基于本体概念集合相似度的语义Web服务匹配

面向应用领域的Web服务发现技术的目标是帮助用户找到能够为其构建应用系统提供功能支持的Web服务,从而来降低应用系统的开发成本和提高开发效率,而在服务发现技术中服务匹配程度的高低是一个关键。为了更有效准确地获得服务之间的匹配程度,文章从web服务的输入与输出参数的语义描述出发,把语义Web服务的匹配问题转化成本体库中概念向量的相似度计算问题,通过在考虑概念结构上的路径长度、深度和密度影响因素上计算两个概念的相似度的基础上,构建了概念集合的相似度算法。实验表明该算法较别的匹配方法在查全率、特别是查准率上得到了提高。     

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.     

基于语义的Web服务发现算法

传统的Web服务发现只是简单的基于关键字的语法匹配,查询得到的服务往往不是用户想要的.在基于接口的Web服务发现的基础上,改进了Web服务描述模型,增加了服务质量(QoS),提出了分步过滤匹配算法.先通过服务类别过滤器进行语义过滤筛选,去除不相关的Web服务,然后通过服务相似度度量候选服务和请求服务之间的相似程度.候选服务和请求服务之间的相似度是通过服务功能相似度和服务质量相似度两个方面进行综合评估的.最后,通过实验证明了该匹配算法的可行性和有效性.