基于刻面與本體標識的語義Web服務(wù)發(fā)現(xiàn)方法

杜勝浩,

(鄭州大學(xué) 信息工程學(xué)院,鄭州 450001)

0 概述

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,人們提出Web服務(wù)的概念,通過定義和建立一個Web服務(wù)界面就可以訪問和共享計算資源或信息資源。Web服務(wù)可以使用標準協(xié)議來組合、發(fā)布和定位,以構(gòu)建在一系列平臺上運行的應(yīng)用程序[1]。語義Web 服務(wù)依據(jù)本體概念對Web 服務(wù)進行語義標注,使服務(wù)信息能夠被計算機理解并進行交互,從而實現(xiàn)服務(wù)的自動發(fā)現(xiàn)和處理。隨著語義Web服務(wù)的增加,如何從規(guī)模不斷擴大的服務(wù)注冊庫中發(fā)現(xiàn)所需服務(wù)是一個亟需解決的問題。文獻[1]使用UML建模和術(shù)語擴展檢索Web服務(wù)。文獻[2]通過制定一個新的Web服務(wù)清晰度量表增強服務(wù)發(fā)現(xiàn)過程。文獻[3]提出一種上下文服務(wù)發(fā)現(xiàn)方法,根據(jù)用戶端綁定上下文來找出所需的服務(wù)。文獻[4]基于本體的概念組之間的相關(guān)性度量模型分別評價服務(wù)請求與服務(wù)描述的語義匹配度,從而進行語義Web服務(wù)的發(fā)現(xiàn)。文獻[5]對發(fā)布的空間信息服務(wù)進行聚類,計算服務(wù)請求與各服務(wù)簇中心的相似度,確定最優(yōu)匹配簇為服務(wù)發(fā)現(xiàn)結(jié)果。文獻[6]采用空間向量模型表示語義Web服務(wù),對服務(wù)進行聚類,并基于帶權(quán)二分圖思想對服務(wù)進行匹配。從本質(zhì)上講,Web服務(wù)是一種輕量級的、松耦合的、與平臺和語言無關(guān)的構(gòu)件[7]。因此,對于服務(wù)注冊庫的管理與維護可以利用構(gòu)件庫技術(shù)來實現(xiàn)。大部分構(gòu)件檢索方法都使用刻面分類方法對構(gòu)件進行描述和分類,如文獻[8]采用刻面分類法對Web應(yīng)用構(gòu)件進行描述和檢索。一方面,現(xiàn)在的Web服務(wù)發(fā)現(xiàn)方法大都通過服務(wù)質(zhì)量 (Quality of Service,QoS)和功能來選擇服務(wù)。即使具有相同輸入和輸出參數(shù)的Web服務(wù)的內(nèi)部執(zhí)行過程也會有很大不同,因此導(dǎo)致Web服務(wù)發(fā)現(xiàn)的準確率較低。另一方面,現(xiàn)有服務(wù)發(fā)現(xiàn)方法未將本體語言描述和服務(wù)聚類思想同時引入其設(shè)計思想中。本體語言使語義Web服務(wù)的描述更清晰,而且降低了計算復(fù)雜性、技術(shù)復(fù)雜性和概念復(fù)雜性。通過聚類形成服務(wù)簇,可以減少服務(wù)比較次數(shù),優(yōu)化服務(wù)發(fā)現(xiàn)過程。服務(wù)注冊庫中的很多服務(wù)能夠完成相似的功能,具有比較近似的概念和語義信息,因此,可以對服務(wù)進行聚類。

本文使用Web服務(wù)本體語言(Ontology Web Language for Service,OWL-S)描述的語義Web 服務(wù)信息,基于本體庫將語義Web服務(wù)轉(zhuǎn)化為刻面描述樹,用于實現(xiàn)服務(wù)聚類的預(yù)處理。

1 語義Web服務(wù)的描述和發(fā)現(xiàn)框架

1.1 語義Web服務(wù)描述

OWL-S是構(gòu)建于Web本體語言(Web Ontology Language,OWL)之上用于描述Web服務(wù)的標記語言。OWL-S的Web服務(wù)描述模型可以描述語義Web服務(wù),它對服務(wù)的基本描述包括服務(wù)的基本信息、功能信息和屬性等。Web服務(wù)的管理與維護可以使用構(gòu)件庫技術(shù)實現(xiàn),而對構(gòu)件的描述和分類通常由刻面來完成。每個刻面都由一組基本的術(shù)語構(gòu)成,這組術(shù)語稱為術(shù)語空間[9]。因此,語義Web服務(wù)中也可由一個刻面集合對其進行描述。

定義1用一個三元組WS={WS_Name,WS_Description,WS_Facets}表示語義Web服務(wù),其中,WS_Name是語義Web服務(wù)的標識名,即服務(wù)的名稱,WS_Description是語義Web服務(wù)使用文本描述的基本信息,WS_Facets表示語義Web服務(wù)的刻面集。

定義2語義Web服務(wù)的刻面集由一組刻面術(shù)語的集合組成,每個刻面術(shù)語都用于進行本體標注。該服務(wù)集合中定義了具體的語義Web服務(wù)刻面,包括QoS刻面、功能刻面、參數(shù)刻面、應(yīng)用刻面等。

使用本體標注的各個語義Web服務(wù)刻面包含不同的屬性信息:

1)QoS刻面,即服務(wù)質(zhì)量刻面,是用戶在使用語義Web服務(wù)時涉及的體驗信息,即用戶對語義Web服務(wù)的可靠性、安全性、可用性等非功能性屬性的期望信息。自QoS被引入到Web服務(wù)發(fā)現(xiàn)領(lǐng)域后,為Web服務(wù)發(fā)現(xiàn)研究人員提供了新的研究方向[10-11]。

2)功能刻面,包括語義Web服務(wù)的接口信息和調(diào)用方式等。

3)參數(shù)刻面,包括語義Web服務(wù)的輸入?yún)?shù)集和輸出參數(shù)集,分別由一組參數(shù)組成,每個參數(shù)都用于進行本體標注。

4)應(yīng)用刻面,是在應(yīng)用語義Web服務(wù)時,服務(wù)運行前置條件描述的環(huán)境狀況和服務(wù)運行對相關(guān)資源對象產(chǎn)生的效果等。

提取語義Web服務(wù)的語義信息并進行本體標注,形成的語義Web服務(wù)刻面集包括4個主刻面和若干子刻面,可用圖1所示的刻面樹表示,根節(jié)點用一個虛擬節(jié)點表示。

圖1 語義Web服務(wù)刻面集形成的刻面樹

傳統(tǒng)描述服務(wù)的方式通過一個四元組{Name,Description,Input,Output}來表示,其中,Name是服務(wù)的名稱,Description表示W(wǎng)eb服務(wù)的基本描述,Input和Output分別表示服務(wù)的輸入?yún)?shù)和輸出參數(shù)的集合。但是,這種表示方式對于具有相同輸入和輸出的服務(wù)不能很好地進行區(qū)分。本文采用多刻面和本體對Web服務(wù)進行語義描述,增加了QoS刻面和應(yīng)用刻面的描述,加強了Web服務(wù)的語義約束,從而提高了Web服務(wù)發(fā)現(xiàn)的準確率。

1.2 語義Web服務(wù)發(fā)現(xiàn)框架

本文提出的語義Web服務(wù)發(fā)現(xiàn)框架如圖2所示,其中,本體庫為共享本體庫,本文中所有語義Web服務(wù)刻面描述都是基于此本體庫。在服務(wù)提供者提供的語義Web服務(wù)經(jīng)過服務(wù)分析器處理并注冊到服務(wù)注冊庫后,通過服務(wù)注冊庫中的服務(wù)聚類器對語義Web服務(wù)進行聚類,能夠得到多個服務(wù)聚類簇,減少服務(wù)匹配器在進行服務(wù)匹配時的比較次數(shù),從而提高服務(wù)發(fā)現(xiàn)的效率。

圖2 語義Web服務(wù)發(fā)現(xiàn)框架

該語義Web服務(wù)發(fā)現(xiàn)框架主要包含3個組件:

1)服務(wù)分析器。根據(jù)服務(wù)提供者提供的語義Web服務(wù)的描述,提取語義信息并進行本體標注,進而將語義Web服務(wù)刻面集用一棵刻面樹表示,為語義Web服務(wù)在服務(wù)注冊庫中的聚類提供數(shù)據(jù)。

2)服務(wù)聚類器。語義Web服務(wù)經(jīng)過服務(wù)分析器處理后,基于刻面對語義Web服務(wù)進行本體語義相似度的聚類,屬于同一類別的語義Web服務(wù)聚集到一個服務(wù)簇中,在每一個服務(wù)簇中都選取一個語義Web服務(wù)作為服務(wù)簇中心,這些服務(wù)簇存放在服務(wù)注冊庫中。

3)服務(wù)匹配器。對服務(wù)請求者的服務(wù)請求信息進行分析并依據(jù)本體庫進行本體標注,依次計算請求服務(wù)與服務(wù)注冊庫中每個服務(wù)簇中心的相似度,取相似度最大的服務(wù)簇作為服務(wù)發(fā)現(xiàn)集合,然后計算請求服務(wù)與集合中的語義Web服務(wù)的相似度,將滿足閾值要求的服務(wù)集合輸出給服務(wù)請求者。

1.3 刻面的動態(tài)更新

隨著Web服務(wù)的更新和擴展,語義Web服務(wù)的功能性和非功能性屬性可能發(fā)生改變,對應(yīng)的刻面值也要動態(tài)地更新。在服務(wù)提供者提供Web服務(wù)時,如果發(fā)現(xiàn)Web服務(wù)刻面集中沒有對某一刻面的刻畫,則服務(wù)提供者可以在已有Web服務(wù)刻面集的基礎(chǔ)上定義新的刻面和對應(yīng)的屬性值,并添加到語義Web服務(wù)刻面集中。如果語義Web服務(wù)刻面集中某一刻面的描述錯誤或冗余,服務(wù)提供者可以將其修改或刪除。以上語義Web服務(wù)刻面更新必須滿足刻面的描述規(guī)約,否則更新無效。

以QoS主刻面下子刻面的更新為例,在刻面描述中已有服務(wù)的可靠性、安全性和可用性,服務(wù)提供者發(fā)現(xiàn)沒有對服務(wù)響應(yīng)時間的刻畫,于是服務(wù)提供者可根據(jù)刻面描述規(guī)約添加服務(wù)響應(yīng)時間刻面到QoS主刻面下,擴展語義Web服務(wù)刻面集,同時更新刻面樹,實現(xiàn)刻面的動態(tài)更新。

2 語義Web服務(wù)聚類

2.1 本體概念語義相似度

本體作為Web核心支撐技術(shù)之一[12],它是一個概念框架,用來對領(lǐng)域知識概念進行抽象和描述,形成領(lǐng)域術(shù)語,然后對概念進行標識,通過定義概念以及概念與概念之間的關(guān)系來描述語義信息[13-14]。本體可表示成一棵有向樹,例如Food本體有向樹的部分信息如圖3所示,樹中每個節(jié)點表示一個概念。

圖3 Food本體有向樹部分信息示例

本文使用文獻[15]中的定義來計算本體距離,設(shè)有2個概念C1和C2,則這2個概念的本體距離Dis(C1,C2)為本體有向樹中連接它們的最短路徑的邊數(shù)。例如在圖3中,概念海鮮(Seafood)和概念果汁(Juice)之間的本體距離Dis(Seafood,Juice)=4。于是,2個本體概念的語義相似度可基于這種本體距離來計算,計算公式為:

其中,Sim(C1,C2)表示概念C1和概念C2的語義相似度,Dismax表示本體有向樹中所有概念的本體距離最大值,Dismin表示本體有向樹中所有概念的本體距離最小值,Dis(C1,C2)表示概念C1和概念C2的本體距離。

2.2 服務(wù)聚類

從使用OWL-S描述的語義Web服務(wù)中提取語義信息并進行本體標注,將其表示為一棵語義Web服務(wù)刻面樹,完成語義Web服務(wù)聚類的預(yù)處理。將語義Web服務(wù)按照子刻面的描述聚集到所屬刻面分類下,形成子刻面服務(wù)集合,然后聚類得到服務(wù)簇,同一個子刻面下的語義Web服務(wù)的相似度較大,不同子刻面下的語義Web服務(wù)相似度較小。因此,當服務(wù)請求者在查找所需服務(wù)時,在某種程度上縮小了服務(wù)請求者的查找范圍,提高了服務(wù)發(fā)現(xiàn)的效率。本文采用類似于K近鄰算法的聚類方法,使用本體概念語義相似度作為聚類標準,依據(jù)式(2)計算2個語義Web服務(wù)的語義相似度,相似度較大的服務(wù)聚成一類。式(2)的形式如下:

子刻面具體聚類步驟如下:

步驟1初始化聚類中心。對服務(wù)注冊庫中已表示成服務(wù)刻面樹的語義Web服務(wù)按照刻面描述進行分類,從所要聚類的子刻面下的語義Web服務(wù)中選取k個類作為初始聚類中心,在選擇聚類中心時盡量使得k個作為中心的語義Web服務(wù)的相似度很小,得到初始聚類中心c={c1,c2,…,ck}。

步驟2根據(jù)式(1)和式(2),分別計算當前子刻面下其他語義Web服務(wù)與這k個作為類中心的語義Web服務(wù)的相似度,并歸類于與其相似度最大的那個類。

步驟4判斷新得到的聚類中心c′與原聚類中心c是否完全相同,若完全相同則結(jié)束聚類,跳到步驟7;否則判斷count的值,若count的值大于1 000,則跳到步驟7,否則繼續(xù)向下執(zhí)行。

步驟5將所有語義Web服務(wù)與其所在類的聚類中心的相似度累加到一起,記為SumSim。多次實驗結(jié)果表明,相似度總和SumSim越大,對語義Web服務(wù)的聚類效果越好。

步驟6根據(jù)新得到的聚類中心按照步驟2中的聚類方式進行聚類,得到k個新的類。按照步驟5的方式計算相似度總和,得到sumSim′。若sumSim小于sumSim′,則表示新得到的k個類的聚類效果優(yōu)于之前的類,將聚類中心c′賦予c,讓c保存擁有最好聚類效果的聚類中心,然后跳轉(zhuǎn)到步驟3;否則,直接按照步驟3的方式得到新的聚類中心c′={c1′,c2′,…,ck′},并令count=count+1,跳轉(zhuǎn)到步驟4。

步驟7聚類完成,結(jié)束聚類算法。

在服務(wù)注冊庫中對每個子刻面下的語義Web服務(wù)都按照上述聚類算法進行聚類,從而將相似度較高的語義Web服務(wù)聚集到一個類中,形成相應(yīng)的服務(wù)簇。最終聚類的個數(shù),即服務(wù)簇的個數(shù)取決于子刻面的個數(shù)和聚類時選取的k值的大小。本文的服務(wù)發(fā)現(xiàn)方法在對語義Web 服務(wù)進行聚類時,需要提前給出聚類的個數(shù)(即k的值),而且聚類的個數(shù)直接影響聚類結(jié)果,因此,要經(jīng)過多次不同聚類個數(shù)的實驗才能確定較好的聚類個數(shù)。

3 語義Web服務(wù)發(fā)現(xiàn)過程

基于領(lǐng)域本體知識對語義Web服務(wù)進行多刻面表示,多角度描述語義Web服務(wù)。在服務(wù)注冊庫中對語義Web服務(wù)進行基于語義相似度的聚類,使得服務(wù)發(fā)現(xiàn)方法具備一定的模糊匹配功能。另外,服務(wù)請求者對要請求的語義Web服務(wù)的描述信息可能不完整,沒有包含所有語義Web服務(wù)刻面集中的刻面描述信息(即本體概念),服務(wù)匹配器為服務(wù)請求者沒有輸入的信息設(shè)置默認值,保證服務(wù)發(fā)現(xiàn)方法具備一定的張弛能力,使Web服務(wù)發(fā)現(xiàn)結(jié)果具有良好的查準率與查全率。

從服務(wù)注冊庫中的多個服務(wù)簇的簇中心中選取與請求服務(wù)相似度最大的簇中心,記錄該服務(wù)簇中的所有語義Web服務(wù)。根據(jù)刻面劃分原理,一個主刻面下不同子刻面包含的語義Web服務(wù)不同,與服務(wù)請求擁有較高相似度的簇中心所在的服務(wù)簇中的所有語義Web服務(wù)都可作為候選服務(wù)發(fā)現(xiàn)結(jié)果,于是對同一主刻面不同子刻面下被記錄的語義Web服務(wù)集合求并集。由于一個語義Web服務(wù)含有多個刻面描述,同一個語義Web服務(wù)會出現(xiàn)在不同主刻面下,因此再對不同主刻面下滿足條件的所有語義Web服務(wù)求交集,使得到的服務(wù)發(fā)現(xiàn)結(jié)果中的語義Web服務(wù)不重復(fù)。計算所得語義Web服務(wù)集合中的每一個服務(wù)與服務(wù)請求的相似度,滿足要求的語義Web服務(wù)與服務(wù)請求的相似度記為S1(0≤S1≤1)。上述語義Web服務(wù)集合中的服務(wù)在不同主刻面下都有其與所屬服務(wù)簇的簇中心的相似度。為了體現(xiàn)聚類和簇中心在計算服務(wù)請求與服務(wù)發(fā)現(xiàn)結(jié)果中的語義Web服務(wù)的最終相似度所起到的作用,將語義Web服務(wù)在不同主刻面下的相似度求和取平均數(shù),記為S2(0≤S2≤1),于是可以得到服務(wù)請求與上述語義Web服務(wù)集中服務(wù)的最終相似度,記為S(0≤S≤1),令S=(S1+S2)/2。最后,對相似度大于閾值的語義Web服務(wù)按照相似度進行排序,得到最終服務(wù)發(fā)現(xiàn)結(jié)果。

服務(wù)發(fā)現(xiàn)算法流程描述如下:

輸入服務(wù)請求描述dQS,服務(wù)簇sSC,服務(wù)本體庫lSOL,服務(wù)刻面樹T

輸出相似度從大到小的N個構(gòu)件

1.對dQS進行基于lSOL的刻面描述

2.for sSC中的所有簇中心

3.Sim_QW=sim(dQS,wWS);

4.end for;

5.for T的子刻面層的所有節(jié)點

6.maxsim=max(Sim_QW,k);

7.相似度最大的服務(wù)簇中的所有語義Web服務(wù)保存到maxSim_WS中;

8.end for;

9.for T的主刻面層的所有節(jié)點

10.unionQW=Union(maxSim_WS,n);

11.unionQW中的語義Web服務(wù)與服務(wù)簇中心的相似度的值保存到unionQW_Sim;

12.end for;

13.array_mixQW=mix(unionQW,n);

14.array_mixQW_Sim記錄array_mixQW中的語義Web服務(wù)與簇中心的相似度;

15.for array_mixQW中的所有語義Web服務(wù)

16.S1=sim(wWS,dQS);

17.S2= n個主刻面下的相似度的平均值;

18.if((S1+S2)/2≥閾值)

19.result=(array_mixQWi,(S1+S2)/2);

20.end for

21.sort(result);

在服務(wù)發(fā)現(xiàn)算法中,步驟1是將語義Web服務(wù)請求進行基于本體庫的刻面表示;步驟2～步驟4用式(3)計算服務(wù)請求與服務(wù)簇的簇中心的相似度;步驟5～步驟8是選取與服務(wù)請求相似度最大的簇中心,步驟6中的k為聚類個數(shù);步驟9～步驟12是同一主刻面下不同子刻面中選出的服務(wù)簇求并集;步驟13和步驟14是對不同主刻面下得到的服務(wù)簇求交集,同時記錄語義Web服務(wù)與所屬服務(wù)簇中心的相似度;步驟15～步驟20是計算服務(wù)請求與符合要求語義Web服務(wù)的總相似度,大于閾值條件的加入服務(wù)發(fā)現(xiàn)結(jié)果集中;步驟21是對得到的服務(wù)發(fā)現(xiàn)結(jié)果集中的服務(wù)按照相似度排序,并將結(jié)果呈現(xiàn)給用戶。該算法中刻面的個數(shù)相比于語義Web服務(wù)的個數(shù)可以忽略不計,故算法的時間復(fù)雜度為O(n)。

4 實驗結(jié)果及分析

為驗證本文所提出的語義Web服務(wù)發(fā)現(xiàn)方法在查準率、查全率以及執(zhí)行效率方面的性能,使用OWLS-TC4測試集進行實驗。OWLS-TC4測試集提供了來自9個不同領(lǐng)域的總共1 083個語義Web服務(wù),包括教育、醫(yī)療保健、食品、旅游、通信、經(jīng)濟、武器、地理和仿真。本文選取服務(wù)個數(shù)和請求個數(shù)較多的4個領(lǐng)域的語義Web服務(wù)進行實驗,實驗數(shù)據(jù)如表1所示。

表1 語義Web服務(wù)的實驗數(shù)據(jù)

利用Protégé工具處理OWLS-TC4測試集中服務(wù)的本體概念,借助MySQL數(shù)據(jù)庫,使用Java語言在Eclipse中對算法進行編碼和實現(xiàn)。實驗中服務(wù)發(fā)現(xiàn)的效果通過評測查準率、查全率和執(zhí)行時間3個指標來體現(xiàn),查準率和查全率的計算公式分別為:查準率P=nr/Nq,查全率R=nr/Nr。其中,nr是檢索結(jié)果中滿足服務(wù)請求的語義Web服務(wù)個數(shù),Nq是檢索得到的服務(wù)總個數(shù),Nr是服務(wù)注冊庫中滿足服務(wù)請求的服務(wù)個數(shù)。另外,通過在不同相似度閾值下進行的實驗測試,發(fā)現(xiàn)閾值取為0.7,即服務(wù)相似度S≥0.7時,檢索結(jié)果的查準率和查全率較好,故在本文中服務(wù)相似度閾值設(shè)為0.7。

考慮到聚類個數(shù)對聚類結(jié)果存在直接影響,進而影響實驗結(jié)果的查準率和查全率,于是使用本文提出的服務(wù)發(fā)現(xiàn)方法進行多次不同聚類個數(shù)的實驗,選取教育領(lǐng)域的286個語義Web服務(wù),不同聚類個數(shù)的查準率、查全率和F-measure值如圖4所示。

圖4 不同聚類個數(shù)查準率、查全率和F-measure值趨勢

根據(jù)圖4中聚類個數(shù)對查準率、查全率和F-measure值影響的分析確定合適的聚類個數(shù),然后在不同領(lǐng)域下進行實驗,采用OWLS-TC4測試集中提供的請求,同時與文獻[6]所提出的基于聚類和二分圖匹配的Web服務(wù)發(fā)現(xiàn)方法作對比,最后對每個領(lǐng)域的多次服務(wù)請求所得的查準率和查全率分別計算平均值。不同領(lǐng)域下2種服務(wù)發(fā)現(xiàn)方法的查準率和查全率分別如圖5和圖6所示。通過2種服務(wù)發(fā)現(xiàn)方法的查準率和查全率的對比可以發(fā)現(xiàn),相較于基于聚類與二分圖匹配服務(wù)的發(fā)現(xiàn)方法,本文方法對服務(wù)的查準率和查全率較高。實驗結(jié)果表明,本文方法的平均查準率在85%以上,查全率是90%左右。

圖5 不同領(lǐng)域查準率對比

圖6 不同領(lǐng)域查全率對比

實驗中算法的執(zhí)行效率(即服務(wù)請求的響應(yīng)時間)除了和服務(wù)發(fā)現(xiàn)方法有關(guān),還與進行實驗時使用的仿真平臺及硬件配置有關(guān),本文進行實驗時使用的電腦處理器是AMD Athlon X4。對不同領(lǐng)域中的服務(wù)請求分別進行響應(yīng)時間的測試,選取OWLS-TC4測試集中經(jīng)濟領(lǐng)域的12個服務(wù)請求,2種服務(wù)發(fā)現(xiàn)方法的服務(wù)請求響應(yīng)時間對比如圖7所示。

圖7 服務(wù)請求響應(yīng)時間對比

實驗結(jié)果表明,本文方法的服務(wù)請求響應(yīng)時間比基于聚類和二分圖匹配語義的Web服務(wù)方法要少很多,服務(wù)發(fā)現(xiàn)效率明顯提高。綜合服務(wù)的查準率、查全率和服務(wù)請求響應(yīng)時間,本文提出的服務(wù)發(fā)現(xiàn)方法是有效的,而且擁有較好的服務(wù)發(fā)現(xiàn)效果。

5 結(jié)束語

在軟件開發(fā)過程中對現(xiàn)有軟件進行復(fù)用,可以在很大程度上節(jié)約開發(fā)成本和開發(fā)時間。隨著人們對Web服務(wù)的研究與開發(fā),從服務(wù)注冊庫中快速且有效地找到用戶所需要的服務(wù)對軟件檢索技術(shù)提出了更高的要求。本文提出基于刻面和本體標識的語義Web服務(wù)發(fā)現(xiàn)方法,通過服務(wù)分析器將語義Web服務(wù)轉(zhuǎn)化成基于本體概念的刻面樹,再使用服務(wù)聚類器對服務(wù)注冊庫中的語義Web服務(wù)按照刻面進行聚類,得到多個服務(wù)簇。實驗結(jié)果證明本文的服務(wù)發(fā)現(xiàn)方法具有較好的查準率、查全率和執(zhí)行效率。

語義Web服務(wù)的研究依賴于語義分析技術(shù),對語義Web服務(wù)進行刻面描述時,刻面的選取以及相關(guān)的本體概念都對本文的服務(wù)發(fā)現(xiàn)方法有影響。另外,本文都是在同一個領(lǐng)域中進行服務(wù)發(fā)現(xiàn)實驗,而且數(shù)據(jù)也不夠多。因此,后續(xù)工作將對語義分析技術(shù)、語義Web服務(wù)的刻面分類描述以及聚類方法進行研究,完善服務(wù)發(fā)現(xiàn)方法、增加實驗數(shù)據(jù),進一步提高檢索效果。