[发明专利]一种基于LDA跨域的构建服务知识图谱实现服务组合优化的方法及系统

说明书

本发明涉及一种基于LDA跨域的构建服务知识图谱实现服务组合的方法及系统，包括：(1)抓取服务数据；(2)处理语义信息：对服务描述等信息进行处理，对响应的服务描述信息进行修正，使得不同领域的服务在能保持原有特性的基础上，和相近领域的服务保持关联，使抽取出来不同服务实体之间的关联关系更加合理紧密地连接不同领域的服务；(3)构建语义本体库；(4)构建知识图谱：抽取上述服务领域知识的实体以及实体之间的关系，导入Neo4j数据库中；(5)服务组合优化：基于已构建的知识图谱，利用部分可观察马尔科夫决策过程给服务组合问题建模，并结合基于循环神经网络的深度强化学习优化服务组合过程。本发明能实现服务组合的优化。

技术领域

本发明涉及一种基于LDA跨域的构建服务知识图谱实现服务组合的方法及系统，属于服务组合优化领域。

背景技术

服务组合(service composition)是指以特定方式(取决于服务组合语言)按给定应用逻辑将若干服务组合成为一个逻辑整体的方法、过程和技术。它主要是通过组合不同服务来获得更大粒度的服务，最终由多个单一服务或者简单服务实现支持解决复杂问题或实现复杂功能业务需求的组合服务。依据构建服务组合过程中的人工参与程度，由高到低依次可分为基于工作流的人工服务组合、交互式的服务组合以及自动服务组合。

但是在实际应用中，由于网络环境的不可预知性以及服务自身的演变甚至外部环境的变化都会导致服务组合的动态变化，这依然会给现有的服务组合技术的计算效率带来极大挑战。因此，服务组合方面在计算机领域需要研究的就是如何在组合过程中尽量减少人工的干涉的同时，自动地快速提供满足用户功能需求的服务组合，那么语义驱动的服务组合是有效实现这一需求的方式，即在语义层面上对服务的功能性属性和非功能性属性相关信息进行描述，通过服务语义信息的匹配进行服务组合。

知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱本质上就是语义网络的知识库，因此通过知识图谱去结合语义信息挖掘服务之间的关系，从而实现有效组合具有天然的优势。

循环神经网络(Recurrent Neural Network,RNN)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)。循环神经网络对符合时间顺序、逻辑顺序等这类具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，因此在解决机器翻译、语音识别、时序分析等NLP领域广为应用。

发明内容

针对现有技术的不足，本发明提供了一种基于LDA跨域的服务知识图谱实现服务组合的方法。

本发明将服务的属性划分为三类，分别为基础属性、功能属性、特征属性。其中，Web服务的功能属性主要包括服务的IOPR：服务的输入(Input)、输出(Output)、前置条件(Precondition)和服务结果(Result),这是影响服务之间状态变化以及拓扑排序的强相关功能性属性。服务的基础属性包括服务名称、服务文本描述、供应商信息等。这些信息通常是通过自然语言描述的，为服务请求者提供服务的基本描述。对此，本发明在保证服务强相关功能性属性关联关系的基础上，使用HanLP对服务描述信息进行处理，并依据不同领域的标签对信息进行一定的修正，从而使得抽取出来的不同服务实体之间的关联关系能够更加合理紧密地连接不同领域的服务，从而起到知识融合的效果。在此基础上构建知识图谱，充分利用知识图谱对语义信息之间关联关系的挖掘，以及循环神经网络对服务时序进行处理分析，实现服务组合的优化。

本发明还提供了一种基于LDA跨域的服务知识图谱实现服务组合的系统。

术语解释：