要素细化与代码实现——WSMF模型

Web服务建模框架（WSMF）的实际应用可归结为是在正确理解WSMF本质基础上的要素细化与代码实现。WSMF的本质就是基于“重用性-解耦性-语义中介协调”观点导出的Web服务、目标、中介器、本体4个顶层要素及其相互关系。WSMF的顶层要素及其相互关系由Web服务本体模型（WSMO）细化扩展为层次结构的WSMF底层要素体系。WSMF的底层要素由Web服务建模语言（WSML）做形式化描述,进而转换为XML代码。一个实际的Web服务例证了WSMF顶层要素的细化、形式化、代码化的方法与过程。     

语义Web服务——Web服务的扩展

语义Web服务是应用语义Web技术对Web服务的扩展.使信息具有语义就是用计算机内的Ontology中的概念作标记符对信息进行标记,对该过程予以支持的就是语义Web技术,即Ontology的构建技术、Ontology的使用技术(语义推理技术)和信息的语义标记技术.语义Web技术对Web服务的扩展可具体化为两项任务:服务提供者、服务请求者和服务注册处三类服务主体均内置Ontology;发布、查找和绑定三种交互信息均采用语义标记.     

服务关系及其在面向服务计算中的应用

在面向服务计算模式中,传统的UDDI、ebXML服务注册中心无论是服务发现,还是组合与交互方面都面临着信息共享和过程中介的难题.文中结合语义Web(Semantic Web)和社会化网络(Social Networking)技术,显式地定义服务间的交互关系(简称服务关系),并将它们融入到服务注册中心的组织、构建及服务计算过程中,将可用Web服务组织成具有丰富语义信息、基于业务上下文和交互关系的服务生态系统.文章首先分析并定义了参数、操作和服务三个层级的服务关系;接着详细讨论了服务关系挖掘的技术细节,包括Web服务的语义标注、服务关系提取、利用等;最后是相关实验数据及结果分析.将语义推理和关系演算引入到服务发现、组合、交互过程中,可以促进和便利服务计算,也是朝向服务互联网(Internet of Services)迈出的重要一步.     

语义网中基于Web资源本体的数据中介服务

为了搜索Web资源中深层数据并对其利用,在分析利用搜索引擎获取Web资源存在问题的基础上,利用语义网和Web服务技术,提出构建Web资源本体模型实现对Web资源进行语义标识,结合服务管理代理构建数据中介服务应用模型,并以Web服务方式实现Web资源数据中介服务.通过实验验证了Web资源数据中介服务的有效性和可行性,从而实现帮助用户能在形式多样、种类繁多的海量Web资源中有效地荻取和共享Web资源数据.     

语义网服务中的本体集成框架

分析语义网服务中存在的各种本体异构,明确语义网服务中本体集成的主要研究方向.在此基础上,提出一个语义网服务模型下的本体集成框架,讨论其中数据层中介器和Web服务中介器的结构并阐明其工作机制,为全面解决语义网服务环境下的本体集成问题提供了一种新的思路.     

基于语义关系的服务计算支持工具

Web服务是实现软件即服务的最佳实践,也是解决集成组织间业务的关键技术。然而,互联网上的Web服务组织零散,不便于组织管理。服务网络(Service Network,SN)原型系统是一个Web服务组织管理平台,致力于Web服务整个生命周期的组织、管理和利用。其核心思想是利用语义Web(Semantic Web)和社会化网络技术,显式地识别、挖掘服务之间的语义关联和交互关系(简称为服务关系),将可用Web服务组织成具有丰富语义信息、基于业务上下文和交互关系的服务生态系统。该系统主要包括以下几部分:服务搜集、服务标注、服务关系挖掘、服务组合。将语义推理和关系演算引入到服务的发现、组合、交互和管理过程中,使服务网络成为支撑面向服务计算模式的新型基础设施,这有助于改善和提高Web服务组合的自动化程度及效率,从而满足更加复杂的应用需求。     

Web服务行为兼容性的判定与计算

确保Web服务行为兼容是实现Web服务无缝集成与协作的一个重要问题.在服务视图概念的基础上,给出了Web服务行为兼容性的相关定义.提出一种基于π演算的Web服务行为兼容性的定性判定与定量计算方法.该方法首先通过算法自动地将Web服务行为和Web服务间的交互行为表达成π演算进程,然后借助π演算的操作语义和形式化推演实现服务行为兼容性自动的定性判定;随后在π演算的进程变换理论的基础上提出算法实现服务兼容性自动的定量计算.该方法在服务动态组合与服务动态替换中的典型应用表明,该方法对于服务组合的正确建立和可靠执行具有重要作用.     

基于集成学习和二维关联边条件随机场的Web数据语义标注方法

大规模Web信息抽取需要准确、自动地从众多相关网站上抽取Web数据对象.现有的Web信息抽取方法主要针对单个网站进行处理,无法适应大规模Web信息抽取的需要.调查研究表明,有效地实现Web数据语义自动标注,结合现有的包装器生成技术,可以满足大规模Web信息抽取的要求.文中提出一种基于集成学习和二维关联边条件随机场的Web数据语义自动标注方法,首先,利用已抽取的信息和目标网站训练页面中呈现的特征构造多个分类器,使用Dempster合成法则合并分类器结果,区分训练页面中的属性标签和数据元素;然后,利用二维关联边条件随机场模型对Web数据元素间的长距离依赖联系和短距离依赖联系进行建模,实现数据元素的自动语义标注.通过在多个领域真实数据集上的实验结果表明,所提出的方法可以高效地解决Web数据语义自动标注问题,满足大规模Web信息抽取的需要.     

物联网发展关键技术研究

物联网发展的关键在于解决核心技术中存在的难点。重点研究了RFID、无线传感器网络和语义网格等物联网关键技术,采用融合多种关键技术解决了物联网应用难的问题。语义网格融合了语义Web机器可阅读和网格技术强大的计算能力;语义P2P技术解决了信息过载通信瓶颈问题,大大方便了传感器节点的部署以及传感器网络的扩展;采用本体技术实现了物联网中的信息语义的交互和共享,为物联网中信息的及时、无歧义理解提供了便利。     

基于本体的语义Web服务QoS描述和发现

WS-QMO是提出的一个用来对Web服务及其QoS信息进行建模和发现的顶层本体,它既可用于对服务QoS信息的描述和发布,也可用于对服务QoS需求的描述.WS-QMO本体基本满足了当前对Web服务QoS语义建模的普遍要求,并且由于适当地加入SWRL规则,它不但可以灵活地自定义单个QoS属性,描述一个QoS属性在不同务件下...