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。     

基于语义的Web服务发现模型研究

Web服务发现是Web服务系统架构的重要部分,现有的主流Web服务发现方法是采用基于UDDI框架的服务匹配,但由于UDDI注册中心只能提供基于关键字的查询,并且缺乏对语义信息的支持,造成服务的查准率查全率得不到保证.针对目前Web服务发现技术存在的不足,引入了语义技术,并设计了一个基于语义的服务发现原型,来验证提出的基于语义的服务发现方法的可行性.     

基于语义Web服务的发现算法研究

Web服务是基于XML和HTTPS的一种服务,具有极大的灵活性和鲁棒性。该文基于语义WEB服务技术,采用基于本体的语义发现框架,介绍了Web服务的注册发布以及发现等细节。     

带Cache的语义Web服务发现研究

针对现有语义Web服务发现模型的查询效率较低的现状,提出了一种新的基于Cache的语义Web服务发现模型SWSDM-Cache.在模型中,对传统UDDI框架进行分布式扩展,语义Web服务按领域划分,存放在各自的领域UDDI库中.在发现过程中首先进行领域匹配,再进行Cache搜索.试验结果表明,该模型的服务发现效率较传统的策略有明显的提高.     

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。     

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。     

基于语义的Web服务发现方法的研究

传统的服务发现技术是建立在语法描述的基础上,主要采用的服务发现机制是WSDL和UDDI规范相结合的解决方案,这些发现方法查准率极其低下,已经不能很好的满足用户需要.在研究本体与语义web服务的基础上,提出了一种基于语义的web服务发现框架与服务发现算法,从而提高查准率.     

基于改进语义熵最大化模型的服务发现算法

语义匹配与发现是语义Web的核心内容之一。提出一种新的基于语义熵的服务发现与匹配算法。该算法通过引入语义熵的概念,把最大熵原理运用到语义识别与匹配领域,并对传统的熵最大模型进行了经验修正。通过实验对比分析,可以看出修正后的最大熵模型在服务发现计算方面具有较好的性能,该模型在一个真实的中文语义Web的语义识别项目中得到了应用,也体现出较好的精确度和性能。     

一种基于语义Web的Web服务发现方法

Web服务的大量涌现对服务发现提出了挑战。然而,传统的服务发现技术是建立在语法描述的基础上,主要采用的服务发现机制是WSDL和UDDI规范相结合的解决方案,通过关键词匹配来实现的。但是这些发现方法查准率极其低下,已经不能很好地满足用户需要。在研究本体与语义Web服务的基础上,提出了一种基于本体的Web服务发现框架,该框架首先对用户的请求合约进行语义预处理,然后根据抽取的语义在服务库中发现适合的Web服务,从而提高查准率。     

基于语义描述的分布式Web服务发布与发现

结合P2P与Web服务语义描述技术,提出了一种基于分布式哈希表的非集中式Web服务发布与发现方法。通过定义服务供求双方共同遵守的领域本体,实现具有同样语义概念的两种不同描述的统一,提高服务发现的效率和准确度。利用类别本体对领域本体的组织,提出了层次式Web服务目录系统。基于该系统,服务的发布与发现是在特定应用领域范围内进行,因此减少了服务搜索空间,提高了服务发现的效率。     

基于文本聚类和概念相似度的语义Web服务发现

语义Web服务在进行服务发现时,需要按顺序依次匹配注册库中的服务,这将大量时间浪费在不相干的服务上,从而造成服务发现效率低下。针对该问题,提出了一种新的基于文本聚类和概念相似度的语义Web服务发现方法。该方法主要分为两个阶段,第一阶段根据服务源文件中的描述性文本信息将类别一致的服务聚类到一起,在此过程中利用了向量空间模型对文本进行表示和处理,并在前人的基础上提出了一种多重混合聚类算法MHC;第二阶段进行服务间的功能属性匹配,结合本体概念层次树中有向边的深度、强度以及概念的继承度等因素计算概念间的语义相似度。最后,实验结果表明,提出的方法在兼顾匹配准确率的基础上,大大提高了匹配效率。     

一种基于点击率索引的语义Web服务发现方法

为了解决现有语义Web服务发现方法查询效率不高的问题,提出了一种基于点击率索引的Web服务发现方法。通过为统一描述、发现和集成注册库中点击率较高的Web服务建立索引,使得可以在查询过程中首先匹配访问率较高的服务,实现用户所需服务的快速发现。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。     

基于组合索引的语义Web服务发现算法

为提高Web服务发现的效率,将倒排索引和功能兼容性索引相结合,设计一种组合索引方法。组合索引由服务的加权简洁功能兼容图和输出概念的图节点倒排索引构成。基于组合索引,提出一种服务发现算法,与基于倒排索引和功能兼容性索引的服务发现算法的对比分析表明,该算法能够明显减少功能兼容性检查的次数和平均索引链长,具有较优的性能。     

基于RDF4S语义服务描述模型的服务资源搜索框架

语义服务资源搜索是一个满足服务请求者快速、便捷地定位可用语义服务资源的过程。一个高效、精确的基于语义的语义服务资源搜索框架和经过精心设计并实现的搜索工具是语义服务框架中的一个必要组件。提出一种基于RDF4S语义服务描述模型的服务资源搜索框架,详细说明了该搜索框架的结构。搜索框架根据RDF4S语义服务描述模型的QoS、执行、功能和接口四种语义标注元素类型,分别采用不同的搜索匹配策略,可以很大程度上提高搜索的效率和精度。     

基于语义相似度的Web服务发现研究

Web服务的大量涌现对服务发现提出了挑战,UDDI上基于关键词和简单分类的服务发现机制已经不能很好满足需要。文中在分析现有相关研究的基础上,给出了一种基于语义相似度的Web服务发现方法。该方法充分利用服务中存在的语义信息,针对服务请求和广告服务中描述的功能进行匹配,并通过语义相似度来衡量两者匹配的程度。文中具体给出了服务间语义相似度的计算方法并通过示例说明了服务匹配的过程。     

基于多阶段匹配的语义Web服务发现框架

随着Web服务的高速发展和广泛应用,如何在众多的Web服务中找出用户所需要的Web服务成为了一个关键的问题.在语义Web服务研究的基础上,提出了一种新的多阶段匹配的语义Web服务发现框架,将整个发现过程分为服务类别、服务功能、服务名称和服务文本语句匹配4个阶段,并在服务功能匹配阶段针对本体库中概念间的密度问题,提出了基于信息量的改进GCSM算法,在服务名称和服务文本语句匹配阶段,针对中文多义词的问题提出了基于实例搭配和基本义原的消歧策略.最后,实验证明提出的发现框架具有较好的可行性和有效性.     

基于P2P网络的语义Web 服务发现机制

提出一种基于P2P网络模型的语义Web服务发现机制DPWS,采用DAML-S对Web服务进行描述以支持基于语义的搜索能力,利用P2P网络节点可以直接通信,不需中央服务器的特点建立Web服务注册节点的组织模型,保证了系统的町扩展性和数据的一致性。     

基于信誉的语义Web服务发现

服务发现在语义Web领域是一个挑战性问题.一个关键问题是发现满足用户功能需求的最佳服务.同样重要的是,电子商务应用还要求发现满足QoS需求的最佳服务.由此提出一个基于信誉管理的分布式服务选择框架.它主要有以下特点：用一个结构化的覆盖网络作为分布式服务存储系统来提高系统的有效性和可扩展性; 提出一个QoS感知的语义Web服务发现方法,并给出基于用户反馈的分布式信誉度评估算法.最后用一个例子示范算法如何解决实际问题.