一种基于语义Web的服务簇构建方法
【专利摘要】本发明公开了一种基于语义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；S102、建立Web服务与服务空间的映射关系；S103、构建服务簇及其动态库；S104、逻辑Petri网对服务簇的组织结构描述。本发明生成所有服务簇只需对n个概念进行量化，则查找本体树的次数为n次，在生成服务簇的时间复杂性上有了很大提高；本发明通过语义的概念融合明确了服务端口及服务质量的种类，使服务簇的构建较为合理；本发明服务簇是在服务空间内生成的，面向用户需求的服务簇匹配运算转化为坐标的查询，则服务簇构建依据越多，服务簇的构建精度越高，且系统根据用户需求匹配服务簇的时间复杂性较小，解决了一般服务聚类方法的局限性。
【专利说明】一种基于语义Web的服务簇构建方法
【技术领域】
[0001] 本发明涉及一种基于语义Web的服务簇构建方法。
【背景技术】
[0002] 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。
[0003] 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。
[0004] 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。
[0005] 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。
[0006] 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 ：
[0007] (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；
[0008] (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；
[0009] (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】
[0010] 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。
[0011] 为了实现上述目的，本发明采用如下技术方案：
[0012] 一种基于语义Web的服务簇构建方法，包括如下步骤：
[0013] S101、构建基于语义的服务空间
[0014]定义端口原子Endpoint,端口原子表示为一个两元组，Endpoint = (Description, Value)；
[0015] 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；
[0016]定义质量原子QoS,质量原子表示为一个三元组，QoS= (Description, Value, Values)；
[0017] 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；
[0018] 端口原子和质量原子的产生流程为：
[0019] 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；
[0020] 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，S卩：若a，b G Space，则 a+b G Space ;若 a G Space, c G F，则 c*a G Space,则称 Space 为一个服务空间，其中：
[0021] 取定N维全1向量（1，1，-- 1)为空间坐标基；
[0022] 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,…，QoSlri ;
[0023] 端口原子集的全部Value值与坐标轴Endpoint'构成映射关系，N-I个质量原子 QoS的Values值依次与坐标轴QoS1, QoS2，…，QoSlri构成映射关系，映射函数均为乘1运算；
[0024] S102、建立Web服务与服务空间的映射关系
[0025]定义Web服务Wservice，Web服务表不为一个七兀组，Wservice=(Description s, Id, Endpoints, QoSs, Inputs, Outputs, R),其中：
[0026] Descriptions为Web服务的各种描述，包括对质量的描述；Id是对服务的标识， 可唯一确定一个Web服务；Endpoints表示服务的端口原子集；QoSs表示服务的质量原子 集；Inputs为服务的输入参数集；Outputs为服务的输出参数集；R表示Endpoints与QoSs、 Inputs、Outputs 及 Descriptions 与 QoSs 的映射关系；
[0027] QoSs属性中质量原子QoS的Value值的确定规则：
[0028] 由Wservice. R(Wservice. Descriptions, Wservice. QoSs)，得到质量原子QoS的 修饰概念，根据概念在本体树中的空间位置，得出概念的量化值，并对QoS的Value属性进 行赋值；
[0029] Web服务在服务空间的映射规则如下：
[0030]设存在 Web 服务 Wservice1 = (Descriptions, Id, Endpoints, QoSs, Inputs, Outp uts, R)；
[0031](I)、由 Wservice1. ROVservice1. Endpoints, Wservice1. QoSs)可知，若 Wservice1. Endpointi G Wservice1. Endpointi 与 QoSe, QoSu,…，QoSk对应，则建立集合X = Iffservice1. Endpointi, QoSe, QoSu,…，QoSJ ,建立原始坐标向量 Vi = (0 0 2，…，0 n),其中对 j = I j ? ? ? j n j
[0032]
【权利要求】
1. 一种基于语义Web的服务簇构建方法，其特征在于，包括如下步骤： 5101、 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,beSpace,则 a+beSpace;若aeSpace,ceF，则c*aeSpace,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,…，QoSlri ; 端口原子集的全部Value值与坐标轴Endpoini^构成映射关系，N-I个质量原子QoS的Values值依次与坐标轴QoS1,QoS2，…，QoSlri构成映射关系，映射函数均为乘1运算； 5102、 建立Web服务与服务空间的映射关系 定义Web服务Wservice，Web服务表示为一个七元组， Wservice= (Descriptions,Id,Endpoints,QoSs,Inputs,Outputs,R),其中：Descriptions为Web服务的各种描述,包括对质量的描述；Id是对服务的标识,可唯 一确定一个Web服务；Endpoints表示服务的端口原子集；QoSs表示服务的质量原子集； Inputs为服务的输入参数集；Outputs为服务的输出参数集；R表示Endpoints与QoSs、 Inputs、Outputs及Descriptions与QoSs的映射关系； QoSs属性中质量原子QoS的Value值的确定规则： 由Wservice.R(Wservice.Descriptions,Wservice.QoSs)，得到质量原子QoS的修饰 概念，根据概念在本体树中的空间位置，得出概念的量化值，并对QoS的Value属性进行赋 值； Web服务在服务空间的映射规则： 设存在Web月艮务Wservice1 = (Descriptions,Id,Endpoints,QoSs,Inputs,Outputs,R)； (1)、由Wservice1.ROVservice1.Endpoints,Wservice1-QoSs)可知，若Wservice1.EndpointieWservice1.Endpointi 与QoSe,QoSu,…，QoSk对应，则建立集合X=Iffservice1. Endpointi,QoSe,QoSu,…，QoSJ,建立原始坐标向量Vi =(βηβ2,…，βn),其中对j= Ij · · · jnj WservicerEndpoinIi,7(/ = 1β]=<Ο,^QoSi ￠.X,Ji/ΦI (1) 其他 (2) 、若Wservice1.Endpoints= (Endpoint1,Endpoint2,…，EndpointJ,m为自然数， 则由公式（1)建立m个N维原始坐标向量V^"Vm; (3) 、原始坐标向量向空间坐标转化,转化规则为： 设原始坐标向量为（^1,β2，···，βη)，则转化后的空间坐标为（Y1,Y2,…，Yn)，其中j=I. .η,
即若向量元素为端口原子，则转化为端口原子的Value值；若向量元素为质量原子，则 转化为质量原子的Value值；若向量元素为0,则不变； 通过映射规则建立起Web服务与服务空间的映射联系，一个Web服务Wservice1能 够映射为服务空间中的M(M=IWservice1.EndpointsI)个空间坐标Z^··Zm，将服务标识 Wservice1.Id作为M个空间坐标的旁标Z1 (Id) %Zm(Id)，称Z1(Id)WZm(Id)为Web服务 Wservice1的服务原子； 定义服务原子Seratomic,服务原子表示为一个两元组，Seratomic= (Id,Coordinate);其中： Id为Web服务的Id号；Coordinate为Web服务映射到服务空间坐标系的N维坐标； 定义服务原子距离，设服务空间Space内，有两个空间坐标A= (X1,X2，…xn),B=(yi，y2,…，yn)，在坐标A、B上映射有两个服务原子A(Id1)和B(Id2);服务原子距离 H(A(Id1)1Bdd2))%：
S103、构建服务簇及其动态库 定义服务粒度，以服务空间内一点为基准，向各坐标轴方向上的延伸半径； 定义服务簇Sercluster,服务簇表示为一个三元组，Sercluster= (Id,P，Seratomics)，其中：Id唯一表征了一个服务簇；P为服务粒度；Seratomics为服 务原子集； 设存在服务空间Space，给定服务粒度为P，则以坐标系内各坐标轴有界范围内的任 意坐标点为中心，以服务粒度P为半径，在坐标系内形成一个轴对称空间体Ω;所有映射 到轴对称空间体Ω内的服务原子构成一个服务簇的服务原子集，服务原子集按照服务原 子与中心坐标的距离为关键字升序排列，把Ω的中心坐标作为服务簇的标识Id号； 定义服务簇动态库Serclustdl,设存在服务空间Space,给定服务粒度为P，则依次以 坐标系内各坐标轴有界范围内的全部坐标点为中心，以服务粒度P为半径生成服务簇，把 所有生成的服务簇归纳为一个有序集合，称这个有序集合为服务簇的动态库； 服务簇动态库表示为一个五元组，Serclustdl= (Version,P，Rule,Range,Serclust ers);其中：Version表示服务簇动态库的版本信息；P为服务粒度；Rule为服务簇动态库 内服务簇集的排序规则；Range为服务空间坐标轴的边界；Serclusters为服务簇动态库内 服务簇集合； S104、逻辑Petri网对服务簇的组织结构描述 (1) 、服务簇动态库联动更新机制的逻辑Petri网描述 设逻辑Petri网Σ丨=(P;TD,T1,Tq ;F,I，0,Mtl),其中P= {p!，p2,p3,p4,p5,p6,p7,p8,p9， P10I PiVp2)-,t2^Tv,fi(t2)=(p3vp4);h^Tr,fi(t3)=(Psvp6Vp7);U^Tv,fi{h)={p^p9)·, 若库所中有拖肯，则P1R表服务端口集有更新；p2代表质量原子集有更新；P3R表服务 空间有更新；P4代表Web服务描述有更新；P5代表服务原子集有更新；p6代表服务粒度有更 新；p7代表服务动态库的Range属性有更新；p8代表服务动态库的Rule属性有变化，SP月艮 务动态库内的服务簇集合排序规则有变化；P9代表服务簇有更新；Pltl代表服务簇动态库有 更新A1表示对服务空间进行更新；t2表示对服务原子集进行更新；t3表示对服务簇进行更 新，t4表示对服务簇动态库进行更新； (2) 、服务簇产生的逻辑Petri网描述 设服务端口集存在η个元素，质量原子集存在m个元素，Web服务k个，服务原子L个， 服务簇w个，其中n+m+1 =q，q+k+Ι=V，v+L+3 =z; 设逻辑Petri网Σ2 = (ΡΑ,?^,υ,Ι,Ο,Μ。)，其中P= {Pl，p2，…，pb+x+1};v...v/?n)A(/?n+1vpn+2v...v/?n+mv.T.));t2,t3, · · ·，tk+5eTd ; Pi至Pn代表n个服务端口；pn+1至pn+m代表m个质量原子；pq至pq+k代表k个Web服 务；Pv至P#代表L个服务原子；ρ#+1代表服务粒度；prt+2代表有界服务空间的坐标集；pz 至Pz+W代表w个服务簇；h表示映射Web服务动作；t2至t2+k表示分别对k个Web服务进行 服务空间的坐标映射动作；t3+k表示构建服务簇动作；t4+k表示构建服务簇动态库动作； (3)、服务簇的逻辑Petri网描述 服务簇是一个服务原子集，服务原子与Web服务的功能端口关联，功能端口与输入、输 出关联，服务簇的逻辑Petri网模型称为服务簇网元； 定义服务簇网元为一个逻辑Petri网Σ3= (P;TD，TdTq5F, 1，0,Mci)，其中： P-iPI) )Pn + m + k>Pz> )PZ +w ; he7}&Γ〇；fl{t2)=(pivp2V...V/7n)；f〇(t2)=(p"+lVp"+2V...Vpn+m)； t\EΓ/&Γ〇;//(?1)=(/?,1+ιν/)"+2ν...V/?"+",);/〇(ii)=(prV/?r+iV...V/7r+,r)；?3 ^T1SiT0:fiih)=(p"+ivp"+2V...VPn+m)'Joi.k')-{Pn+m+\'^Pn+m+2'^· ·-^Pn+m+k)' Pi至Pn代表n个输入；pn+1至pn+m代表m个服务端口；pn+m+1至pn+m+k代表k个输出；pz至Pz+W代表w个Web服务；t2表示输入与服务端口的触发动作；h表示服务端口与Web服务的 映射动作；t3表示服务端口与输出的触发动作。
2.根据权利要求1所述的一种基于语义Web的服务簇构建方法，其特征在于，所述步骤SlOl中，基于语义的概念融合的赋值方法为： 对于服务端口概念集和质量概念集，运用基于本体语义的概念相似度计算方法； 根据概念在本体树中的空间位置，得出概念的量化值，并对概念的Value属性进行标 注； 略去概念集中量化值相同的概念，得到结果集； 对于质量原子集中的任一元素，进一步收集本体树中修饰此元素的概念集； 根据概念在本体树中的空间位置，得出概念的量化值； 形成量化集后对质量原子的Values属性进行赋值。
3. 根据权利要求1所述的一种基于语义Web的服务簇构建方法，其特征在于，所述步骤 S103中，需要对Web服务的相似性进行判定，其判定方法为： 定义服务原子的相似度，设在服务空间Space内，存在两个服务原子A(Id1)和B(Id2)，两个服务原子的相似度为服务原子距离H(A(Id1)，B(Id2));H= 0,表示两个服务原子绝对 相似； 定义服务原子的相似性判定规则：设存在服务空间Space，给定服务粒度为P，如果服 务原子的相似度小于等于服务粒度，则服务原子是相似的。
4. 根据权利要求3所述的一种基于语义Web的服务簇构建方法，其特征在于， 定义Web服务的最优相似度： 设存在两个Web服务，Wservice1 = (Descriptions,Id,Endpoints,QoSs,Inputs,Outputs,R)和Wservice2 = (Descriptions,Id,Endpoints,QoSs,Inputs,Outputs,R)； Wservice1 在服务空间的服务原子集为：P= (A1(Id1),A2(Id2), "'AkCtdkM,Wservice2在服 务空间的服务原子集为：Q= (B1 (Id1),B2(Id2),…，Bj(IdjM; 则Web服务的最优相似度X计算公式为： X=?η(Μ?η(!?(A4kL·)，B,(!d))) (4) m=\ /=1 定义Web服务的最优相似性判定规则： 设在服务空间Space内，给定服务粒度为P，存在两个Web服务，Wservice1及Wservice2 ;如果Web服务的最优相似度小于等于服务粒度，则Web服务是最优相似的。
5. 根据权利要求3所述的一种基于语义Web的服务簇构建方法，其特征在于， 定义Web服务的平均相似度： 设存在两个Web服务，Wservice1及Wservice2Iservice1在服务空间的服务原子 集为：P= (A1 (Id1)，A2 (Id2)，…，Ak (Idk) }，Wservice2在服务空间的服务原子集为：Q= (B1(Id1)1B2(Id2), - ,Bj(Idj)I； 则Web服务的最优相似度X计算公式为： (Σ(Σ(//(Am(Id,),B,(id,))))I(k* /) (5) m=li=\ 定义Web服务的平均相似性判定规则： 设在服务空间Space内，给定服务粒度为P，存在两个Web服务，Wservice1及Wservice2 ;如果Web服务的平均相似度小于等于服务粒度，则Web服务是平均相似的。
【文档编号】G06F17/30GK104317853SQ201410543279
【公开日】2015年1月28日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】杜玉越, 宁玉辉, 姚喜, 洪永发, 张鹏, 刘伟 申请人:山东科技大学