[发明专利]一种基于语义Web的服务簇构建方法

说明书

技术领域

本发明涉及一种基于语义Web的服务簇构建方法。

背景技术

随着Web服务技术的发展与应用的普及，服务数量迅猛增加，不同服务提供商发布了大量在功能上相同或者相似的服务，为服务请求者提供了较多选择，同时也增加了用户查找和绑定适合自己的最佳服务的难度。现有服务模式为用户返回一个符合请求的服务，当用户需求发生细微改变或由于网络环境的变化造成当前响应服务失效，很难快速寻找替代服务，服务响应的自适应性差，而且服务组合过程变的过于复杂且组合后的模型难以实现动态适应性。

为了解决上述问题，一些学者提出了以一组服务的集合实现服务请求和响应的思想，并给出了服务群、服务池、服务簇和服务社区(Service Community)等概念。它们虽然各异，但本质是相同的，都是在进行面向用户需求的服务查找前，先进行服务聚类，将一组功能相同的服务聚集在一起，作为一个整体提供服务。

目前，出现了几种典型的服务聚类方法，如Richi Nayak将关键词在服务描述文档中出现的频率作为服务相似度，提出了扩展Web服务的语义描述，并引入了异构Web服务分组的思想，在上述方法的基础上，层次聚类算法又应用于相似Web服务的聚类过程。针对网格服务，基于服务输入输出及功能本体相似性，提出了一种基于本体聚类的服务发现方法。为了提高服务聚类的内聚性，孙萍等从服务的功能相似和过程相似两个层面，对服务进行了聚类研究。同时，在计算相似度的基础上，基于用户需求和用户经验等因素的聚类方法也被提出。

相似度计算是目前聚类的主要方法，但不同的研究者选取的构建聚类的因素有所不同，其中，关联规则相似度、词语相似度、义原相似度、参量相似度和结构相似度是服务相似度的主要计算方法。

传统的基于语义相似度的聚类技术具有局限性，主要体现在以下几个方面：

(1)、聚类时需进行多次基于本体树的概念查找，且在聚类时一般要求参数接口一致，本体树集成了大量的概念而且构造复杂，在本体树中进行多次概念查找所需时间复杂度较大；

(2)、聚合时需要指定服务类别，在服务分类上有序性较低，容易造成聚类不完全等问题；

(3)、聚类的精准度与服务响应矛盾突出，综合运用服务相似度计算方法，可大大提高服务相似度计算精度和服务发现准确度，然而随着相似度计算精度的提高，服务分类精度增大，服务类的数量增多，则面向用户需求的服务簇匹配计算复杂度增大，服务响应效率降低。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于语义Web的服务簇构建方法，解决了一般服务聚类方法中出现的聚类时间复杂度高、分类有序性低等问题，解决了服务聚类的精准度与服务响应之间的矛盾，融合了参数接口。

为了实现上述目的，本发明采用如下技术方案：

一种基于语义Web的服务簇构建方法，包括如下步骤：

S101、构建基于语义的服务空间

定义端口原子Endpoint，端口原子表示为一个两元组，Endpoint＝(Description,Value)；

其中，Description是对端口的描述；Value为端口原子的量化值，唯一标识一个端口原子，其值范围为实数域；

定义质量原子QoS，质量原子表示为一个三元组，QoS＝(Description,Value,Values)；

其中，Description是对质量原子的描述；Value为质量原子的量化值，其值范围为实数域；Values为质量原子的修饰概念量化集；

端口原子和质量原子的产生流程为：

在语义Web中，给定本体E，对Web服务进行语义标注后，经过信息提取，获取服务的端口概念集和质量概念集，经过基于语义的概念融合后，得到端口原子集和质量原子集；

定义服务空间Space，设Space为N维向量的非空集合，N为端口原子集与质量原子总数之和，F是一个实数域，且Space对于向量的加法及数乘封闭，即：若a,b∈Space，则a+b∈Space；若a∈Space，c∈F，则c*a∈Space，则称Space为一个服务空间，其中：

取定N维全1向量(1,1,..1)为空间坐标基；

服务空间Space对应的N维坐标系中，N个坐标轴依次命名为Endpoint′,QoS₁,QoS₂,…,QoS_n-1；