一种语义Web服务的多层次匹配方法

现有的语义Web服务发现方法大多采用匹配等级来筛选服务，查找到的服务粒度较大，也没有考虑服务质量。对OWL-S语言进行扩展，增加对QoS（服务质量）的描述，提出了五层次三阶段的多层次匹配过程，采用语义相似度进行匹配。实验结果表明该匹配方法能够保证查找的查准率和查全率。     

基于语义距离度量模型的语义Web服务匹配排序机制

随着语义Web服务技术研究工作的不断深入,因特网上语义Web服务数量急剧增加。如何快速便捷地定位可用语义Web服务已经成为一个迫切且关键的问题。在语义Web服务匹配技术研究中,其中一个重要的研究主题就是语义Web服务匹配结果的排序机制。本文在综合概括和分析各种关于语义Web服务匹配结果排序机制的基础上,提出了一种基于语义距离度量模型的语义Web服务匹配结果排序机制,利用该排序机制,计算待匹配语义Web服务的语义相似度量,并依据此度量对语义Web服务匹配结果进行排序。该度量模型将语义Web服务引用概念间的语义关系转换成可精确比较的量化度量值,对属于相同语义匹配类型的匹配候选服务也能够分别计算语义距离,区分出相同匹配类型的候选服务与服务请求的匹配程度,从而达到改善用户对语义Web服务的搜索体验的目的。     

基于扩展接口语义的Web服务匹配模型研究

分析了Web服务组合的类型以及其中的接口匹配关系,通过对WSDL标准接口描述语言进行语义扩展,提出了一种轻量级的Web服务语义描述模型。该模型从服务接口的消息参数层、消息层和操作层分别扩展语义描述,将服务接口的描述从语法层提升到语义层,从而能够全方位地描述Web服务的功能、行为约束等属性。在此基础上,从这三个层次计算Web服务接口的语义匹配度,提出了多层次Web服务接口语义匹配模型。     

基于语义向量模型的Web服务匹配方法*

针对当前Web服务匹配方法中存在的缺陷,将语义Web服务匹配方法与信息检索技术相结合,提出一种利用语义相似度扩展向量模型的Web服务匹配方法,并通过实验对匹配效果进行了检验与分析。实验结果证明,与基于经典向量模型的匹配方法和相关语义匹配方法相比,该匹配方法具有更高的准确率。     

用描述逻辑进行语义Web服务组合

针对面向服务功能的语义Web服务组合问题,特别是经典的人工智能规划方法无法有效地处理Web服务执行过程中动态产生的新个体,以及基于服务匹配的方法则无法充分利用服务I/O参数类型之间大量的语义关联等关键问题,通过动态逻辑和描述逻辑之间的对比研究,采用描述逻辑公理来刻画Web服务的IOPR(inputs,outputs, preconditions and results),扩展了基于动态逻辑的人工智能规划方法,提出了把语义Web服务组合问题转化为描述逻辑推理问题的方法,克服了经典的人工智能规划方法中的困难和基于服务匹配的服务组合方法的缺点.     

A logistic regression model for Semantic Web service matchmaking

Semantic Web service matchmaking,as one of the most challenging problems in Semantic Web services (SWS),aims to filter and rank a set of services with respect to a service query by using a certain matching strategy.In this paper,we propose a logistic regression based method to aggregate several matching strategies instead of a fixed integration (e.g.,the weighted sum) for SWS matchmaking.The logistic regression model is trained on training data derived from binary relevance assessments of existing test collections,and then used to predict the probability of relevance between a new pair of query and service according to their matching values obtained from various matching strategies.Services are then ranked according to the probabilities of relevance with respect to each query.Our method is evaluated on two main test collections,SAWSDL-TC2 and Jena Geography Dataset(JGD).Experimental results show that the logistic regression model can effectively predict the relevance between a query and a service,and hence can improve the effectiveness of service matchmaking.     

本体匹配的网格服务发现模型研究

如何从大规模网格服务集合中快速而准确地发现满足用户请求的服务,是语义环境下网络应用的一个重要方面。针对传统的基于关键字匹配的Web服务发现方法无法准确描述网格服务服务能力和应用领域的问题,提出了一种基于输入和输出领域本体的语义网格服务描述模型和基于本体匹配的语义网格服务发现流程,构造了基于本体匹配语义相似度计算的语义网格服务发现算法。实验结果表明,基于本体匹配的语义网格发现方法能够获得很好的查全率和查准率。     

基于语义规则的Web服务发现方法

语义Web服务发现问题研究的核心内容是服务描述与对应的服务发现方法。服务描述分为服务请求描述与服务发布描述,但目前的服务发现方法,并未将请求描述与发布描述分开,以比对服务请求描述与服务发布描述中对应部分作为匹配依据,导致服务请求描述构建困难以及发现结果不够理想。提出以语义规则刻画服务请求描述,以本体构建服务发布描述,进行有效的以语义规则驱动的Web服务发现。对语义规则添加影响因子使得服务匹配精度可以通过匹配度来度量,并按照给定的调节系数来决定最终匹配是否成功。最后以OWL-S TC V2测试服务集合进行了对比实验,证实该方法有效地提高了查全率与查准率高,特别是Top-k查准率。     

基于向量的Web服务的三维匹配模型

随着万维网上Web服务的发展,服务请求者和服务供应者之间的匹配难度也越来越大。具有相似功能的服务可能在服务质量和服务策略上有很大的不同,如何正确有效地匹配Web服务成为Web Services选择和组合的基础。文中提出了Web服务的三维匹配模型,综合考虑了WS特性、策略和质量等方面的属性,避免了以往匹配方法仅考虑服务单方面属性的缺陷。该模型还具有对等性和良好的可扩展性。文中给出了如何将本模型与传统的Web Services体系结构组合的方法。     

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。     

本体驱动的语义Web服务动态复合的研究

传统Web服务的复合由于缺乏足够的语义信息而大大降低了服务复合的效率和准确率。语义Web弥补了传统Web语义不足的缺点。但是,面对语义Web上分布的海量知识,如何有效地利用语义信息实现Web服务复合成为一个迫切需要解决的问题。文章针对这一问题,提出一种基于多维用户模型的动态服务复合机制。该机制在Web服务语义标识的启发下通过语义匹配算法能够实现Web服务的顺序复合和并行复合。采用这种服务复合机制将会在一定程度上提高语义Web服务复合的效率和准确率。     

基于语义的服务发现技术研究综述

语义Web服务是Web服务的语义扩展,它能够有效地提高服务发现的效率,并使得实现服务发现自动化成为可能。基于语义的服务发现是语义Web服务技术的核心,其关键技术包括标识语义的Web服务描述语言、基于语义的服务发现体系结构和基于语义的服务匹配算法。本文分别从这三个方面对目前基于语义的服务发现技术进行了详细的分析比较。文章最后对基于语义的Web服务发现技术进行了总结与展望。     

基于P2P的Web服务聚类及组合

针对集中式的语义服务发现机制成为服务发现和匹配时的瓶颈问题,结合P2P和聚类的思想,探讨一种基于P2P的Web Services聚类与组合模型。理论分析与仿真实验表明,该模型在Web Services的匹配速度和查准率上均有提高,可以为用户提供由Web Services组合而成的增值服务,在一定程度上解决了集中式的语义服务发现机制在面向服务计算过程中的瓶颈问题。     

基于语义的服务混合匹配方法研究

为了提高Web服务匹配的效率和灵活性,提出了一种基于语义的Web服务混合匹配方法。该方法首先扩展了服务的功能描述模型,并基于该扩展模型进行混合服务匹配。混合匹配方法联合使用了两种匹配策略：基于推理的匹配策略,通过本体概念的逻辑关系实现匹配;基于相似性计算的策略,通过本体概念间相似度计算进行服务的匹配。在服务匹配过程中,首先使用基于推理的匹配策略将服务分成4个匹配等级,然后,采用基于相似性计算的匹配策略对候选服务进行进一步地匹配。实验结果表明该方法是可行而有效的。     

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。     

一种基于语义与QoS感知的Web服务匹配机制

Web服务匹配是动态服务组合的一个重要环节,然而目前大多数的研究仅从单个抽象服务的角度进行局部语义匹配,没有考虑到服务组合的全局匹配,此外,即使考虑了全局匹配也仅从QoS角度进行匹配,没有考虑到全局语义匹配.针对服务组合流程,提出了基于抽象服务的局部语义匹配与基于QoS感知的全局语义匹配,设计了语义匹配算法,并扩展对服务输入/输出匹配的可用性分析,建立了全局匹配的QoS模型及其评价方法,基于该模型及评价方法,采用遗传算法实现全局语义匹配度最大化及满足用户的QoS指标需求.仿真实验结果表明:基于语义与QoS感知的服务匹配算法是可行的和有效的.     

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.