轻量级语义Web服务发现模型的研究

针对现有多数语义Web服务发现方法应用实施难度大,对终端用户输入信息的完整性依赖度高的问题,提出一种基于简单查询语句的轻量级语义Web服务发现模型。该模型提供给用户一个类似Google的查询界面,输入查询语句后经过领域本体匹配、基于WordNet同义词典匹配等步骤自动发现并调用相应的Web操作。另外,还利用自学机制不断扩充本体词汇以提高系统的准确率和召回率。详细分析了该模型的系统性能,并深入研究了不同情况下准确率和召回率的变化。实验结果表明,本体匹配技术及自学机制的使用是系统准确率和召回率提高的关键。     

语义Web服务匹配框架模型研究与设计

针对目前语义Web服务匹配缺乏灵活、有效的匹配方法及其框架模型的现状,分析了语义Web服务匹配的各个阶段,对其中的不足进行了改进,提出了本体概念的权重的计算方法,本体概念之间相似度的具体量化计算方法,新的接口匹配方法.在语义Web服务匹配框架方面,根据语义Web服务匹配的特征,提出了基于过滤器的框架,并给出了相应的具体设计.     

基于WSDL-S的轻量级语义Web服务匹配模型

针对现有大多数基于语义的Web服务发现方法实施难度大,实用性不强的问题,提出了一种基于WSDL-S描述的轻量级语义Web服务匹配模型.该模型最大的特点是只需用户输入简单的服务查询字符串就能自动实现Web服务的匹配和调用.服务匹配经过领域本体匹配和基于WordNet词典的同义词匹配两个步骤,特别是领域本体匹配过程中的学习模块能有效提高系统性能.实验结果表明,该系统性能提高在20%到82%之间.     

Fuzzy sets and cut systems in a category of sets with similarity relations

Let UpomegaUpomega be a complete residuated lattice. Let SetR(Upomega){mathbf{SetR}}(Upomega) be the category of sets with similarity relations with values in UpomegaUpomega (called UpomegaUpomega-sets), which is an analogy of the category of classical sets with relations as morphisms. A fuzzy set in an UpomegaUpomega-set in the category SetR(Upomega){mathbf{SetR}}(Upomega) is a morphism from UpomegaUpomega-set to a special UpomegaUpomega-set (Upomega,?),(Upomega,leftrightarrow), where ?leftrightarrow is the biresiduation operation in Upomega.Upomega. In the paper, we prove that fuzzy sets in UpomegaUpomega-sets in the category SetR(Upomega){mathbf{SetR}}(Upomega) can be expressed equivalently as special cut systems (C_a)_{a ? Upomega}.(C_{alpha})_{alphainUpomega}.     

Web服务匹配中基于语义距离的概念相似度计算方法的改进

在Web服务匹配中,基于语义距离的概念相似度计算方法居于重要的地位。因现有基于语义距离的概念相似度计算方法未考虑语义不对称性和语义密度的影响,导致计算结果不够准确。为提高概念相似度计算的准确性,在现有研究的基础上,通过增加不对称因子和密度因子,对基于语义距离的概念相似度计算方法加以改进。最后通过算例对改进后的方法的可行性进行了验证,经对比分析表明改进后的方法更真实地反映了概念间的语义关系,计算结果更加符合客观实际。     

基于语义相似度与QoS的Web服务匹配模型研究

针对本体概念和Web服务活动的交互问题,提出了一种新的Web服务匹配技术,建立了基于语义相似度匹配和QoS匹配相结合的服务匹配模型.根据本体构造虚拟的映射函数,计算该函数涉及的本体概念的语义相似度,进行第一次服务匹配,计算第一次匹配得出的候选服务集属性的QoS效用值,根据效用值进行服务的第二次匹配,由此实现在功能性、非功能性方面都可以达到用户的需求目标.模拟实验验证了所提匹配策略的可行性与有效性.     

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.     

基于结构相似性的语义网信息检索

语义网是提高网络信息检索质量的重要途径。利用现在流行的Web信息检索系统,扩展其处理语义Web文档中的苎义评注的能力,采用更有效的文档分类算法,将语义Web文档组织成蔟,提高检索质量。介绍的算法与标准的基于图匹配算法相比,计算代价降低,便于后续的存储、抽取和处理等工作。     

支持QoS约束的语义Web服务发现模型

分析了现有Web服务发现的不足,在系统研究Web服务发现框架的基础上,将QoS模块引入,提出一个支持QoS约束的语义Web服务发现模型SWSDM-QoS.在该模型中,支持QoS的服务发布,查找和反馈,并在此基础上提出一个基于QoS约束的服务选择算法.已经基于Microsoft.NET平台实现了一个原型系统.     

语义Web中的本体匹配研究

随着本体应用的快速发展,本体数量大幅增长,这些本体描述的内容存在重复和关联,但在本体模式上却表现各异。本体匹配旨在识别异构本体中存在语义关联的实体,并建立它们之间匹配关系。它对于消除本体异构、实现本体集成和数据融合等具有重要作用。形式化定义了语义Web中的本体匹配问题,并从本体匹配方法、本体匹配挑战和本体匹配原型系统3个方面调研了最新研究进展,旨在为进一步研究指明方向。     

基于UDDI的语义Web服务发现研究

目前基于UDDI的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。因此给出了一种基于UDDI的语义Web服务发现的架构,通过把Web服务的语义描述发布到UDDI注册中心,并扩展查询API的规范,在服务查找中加入语义推理,从而增强了UDDI的语义Web服务发现的能力。     

基于移动agent的语义Web服务发现模型

现有的语义Web服务发现机制还很难实现Web服务发布、发现的自动化、智能化,这严重影响了语义Web服务的质量(QoS)和满意度.因此提出了一种分布式UDDI网络环境下基于移动agent的语义Web服务发现模型,性能分析表明该模型具有较高的查全率和查准率,提高了Web服务发布,发现的自动化、智能化,缩短了查询时间,很大程度上满足了用户个性化服务需求.     

Integrating web service and semantic dialogue model for user models interoperability on the web

Nowadays there is a great number of Web information systems that build a model of the user and adapt their services according to the needs and preferences maintained by the user model (UM). One of the most challenging issues of this scenario is the possibility to enable different systems to cooperate in order to exchange the available information about a user. Our aim is to create rich (and scalable) communication protocols and infrastructures to enable consumers and providers of UM data to interact. Our solution for dealing with such an issue is to exploit Web standards for interoperability (i.e. Semantic Web and Web Services) for implementing simple atomic communication, and a dialogue model for implementing enhanced communication capabilities. In particular, two systems can start a semantics-enhanced Dialogue Game as a form of negotiation to clarify the meaning of the requested concepts when a shared knowledge model does not exist, and to approximate the response when the exact one is not available. We propose a distributed semantic conversation framework based on the Sesame semantic environment for the exchange of user model knowledge on the Web. Systems have to expose their user model data as a Web Service, and to exploit a public dialogue knowledge base to start the dialogue. The main advantage of the approach is to allow systems to deal with difficult situations by starting an appropriate dialogue game instead of stopping the communication as in the traditional “all-or-nothing” Web Service approach. On the basis of a preliminary evaluation, the approach has shown an improvement of the adaptation results provided by the systems we tested.     

结合匹配度和语义相似度的Deep Web查询接口模式匹配

查询接口模式匹配是Deep Web信息集成中的关键部分,双重相关性挖掘方法（DCM）能有效利用关联挖掘方法解决复杂接口模式匹配问题。针对DCM方法在匹配效率、匹配准确性方面的不足,提出了一种基于匹配度和语义相似度的新模式匹配方法。该方法首先使用矩阵存储属性间的关联关系,然后采用匹配度计算属性间的相关度,最后利用语义相似度计算候选匹配的相似性。通过在美国伊利诺斯大学的BAMM数据集上进行实验,所提方法与DCM及其改进方法比较有更高的匹配效率和准确性,表明该方法能更好地处理接口之间模式匹配问题。     

改进的语义Web服务匹配方法

针对目前语义Web服务匹配方法中缺少对服务行为约束的考虑及传统推理匹配的结果中同一级别不能再区分的缺点,设计了一种带服务行为约束的基于推理和语义相似度计算的匹配方法。方法分为三步：第一步进行服务行为约束兼容性检测;第二步对待匹配的两个服务进行推理;第三步在第二步基础上进行本体概念间的语义相似度计算,得出待匹配服务的精确匹配度。这样每个服务都有了一个精确的匹配度值,避免了传统方法中多个服务因拥有同一个匹配度等级而不能再区分的不足。实验结果表明,该方法较之传统的OWL-S/UDDI匹配方法在查准率和查全率方面得到了很大改进。