pay-as-you-go模式的語義web服務發現方法
2023-06-14 14:03:56 2
pay-as-you-go模式的語義web服務發現方法
【專利摘要】本發明公開了pay-as-you-go模式的語義Web服務發現方法，涉及語義信息檢索、Web服務計算領域，尤其涉及pay-as-you-go模式的Web服務語義信息的添加及發現的方法：首先，分析Web服務語義信息，漸進生成語義映射規則；根據查詢需要延遲評價語義映射規則，延遲計算與規則相關的語義標註；將語義標註添加到服務描述模型中；最後，進行語義查詢處理並返回查詢結果。本發明能夠減少前期構建成本，並能根據後續投入的成本量來漸進的增強系統的語義查詢功能，有助於及時描述動態的Web服務的語義信息，提高Web服務語義發現效率。
【專利說明】pay-as-you-go模式的語義web服務發現方法
【技術領域】
[0001]本發明涉及語義信息檢索、Web服務計算領域，具體是pay-as-you-go模式的語義web服務發現方法。
【背景技術】
[0002]語義網技術能夠讓用戶共享不同領域的知識，使得語義信息的集成更容易，使用現有的本體和本體推理機可以更容易找到合適的Web服務。近年來，很多研究者致力於將語義網技術和Web服務技術結合以實現語義Web服務發現。
[0003]目前，Web服務領域的語義添加方法主要有:1)在Web服務描述語言上標註語義，這些標註不是虛擬的(virtual)，不支持語義的延遲計算；2)用本體直接描述Web服務信息及其相關背景知識。這些方法的前期成本較高，用本體準確的標註大量的Web服務需要花費較大的代價，將Web服務與本體集成以及建立和維護本體庫也需要大量的工作。也就是說，面前基於語義的方法需要對數據進行完全的語義整合後，才能提供有效的語義查詢。然而，理解數據並建立完善的語義映射是件漫長的工作，隨著Web服務信息的改變，人們又需要重新描述Web服務及重新建立語義映射。因此，目前的Web服務語義添加方法很難及時應對Web服務的動態變化。此外，目前的語義添加技術難以反映複雜的語義，儘管將本體和查詢處理過程相結合有較高的準確率，但查詢重寫代價較高、查詢的時間複雜性也高。
[0004]綜上所述，現有語義Web服務發現研究存在的主要問題:語義添加方式(無論是語義服務描述，還是在查詢處理時和本體的結合)需要較高的前期構建成本，且查詢處理的時間複雜性較高。這些前人的研究本質上遵循pay-before-you-go的模式，即:在提供有效的Web服務發現功能前，需要耗費較高的前期構建成本，沒有根據投入的成本量來漸進的增強提供給用戶的查詢功能。
[0005]目前涉及pay-as-you-go模式語義添加的研究主要有iTrail技術，iTrail通過匹配(matching)、轉型(transformation)和合併(merging)在源查詢上擴展語義得到新的查詢，從而將輕量級的語義漸進的提供給系統。iTrail技術難以反映複雜的語義，查詢重寫代價較高，而且iTrail技術不是針對語義web服務發現而設計的。
[0006]因此,本發明提供了一種基於pay-as-you-go模式的語義Web服務發現方法,能夠減少前期構建成本，並能根據後續投入的成本量來漸進的增強系統的語義查詢功能。
【發明內容】
[0007]本發明的研發目的是克服現有技術的不足，提供一種pay-as-you-go模式的語義web服務發現方法,使得:I)實現pay-as-you-go模式語義Web服務發現,支持best-effort查詢，即:不需要投入或少投入前期構建成本，系統就可以提供類似關鍵字查詢等簡單的功能，然後隨著Web服務信息的逐漸完善，系統可以漸進的提供更複雜的結構化查詢或語義查詢功能。2)及時描述動態的Web服務的語義信息，提高Web服務語義發現的效率。
[0008]本發明解決上述技術問題的技術方案如下:[0009]pay-as-you-go模式的語義web服務發現方法,操作步驟如下:
[0010]I)通過從Wordnet自動生成、機器學習、用戶反饋、文本內容挖掘等途徑得到Web服務語義信息，漸進生成語義映射規則，如is-a、same-as。
[0011]2)當用戶查詢時，系統根據查詢需要延遲評價語義映射規則，延遲計算與規則相關的語義標註。
[0012]延遲評價方法:當用戶查詢時，根據自然語言分析、關鍵字提取方法分析用戶的查詢要求，在語義映射規則庫中選擇相關性最大的某個或某些語義映射規則。
[0013]延遲計算方法:根據延遲評價得到的語義映射規則，系統調用函數getSemanticAnnotationO計算並返回語義標註的內容。語義標註的形式為節點的屬性-值對或邊。
[0014]函數getSemanticAnnotationO:讀取、解析延遲評價得到的語義映射規則，判斷規則是否與SLSD模型中節點或節點的屬性相關，如果與節點相關，則計算語義標註的內容，以節點的屬性-值對的形式返回；如果與節點的屬性相關，則計算語義標註的內容，以節點間邊的形式返回。
[0015]3)將延遲計算得到的語義標註添加到SLSD模型中，生成含語義信息的SLSD』模型。
[0016]添加方法如下:節點間的語義關聯用邊表示，節點屬性的語義以擴充的方式添加到屬性-值對中。
[0017]4)語義查詢處理並返回查詢結果。由於語義標註的方式沒有改變SLSD的結構，因此查詢模塊不需要特別擴展就可以支持語義查詢，即仍用SLSD的查詢模塊對SLSD』進行查詢。
[0018]該Web服務語義添加的方法使得查詢模塊很方便支持best-effort查詢。例如，查詢模塊通過處理添加了語義標註的SLSD』，可以支持語義關鍵字查詢；基於語義相似度的Web服務發現通過如下步驟實現:查詢模塊延遲計算SLSD』上需要進行比較的服務節點集及其信息，然後通過語義相似度函數計算出和用戶查詢相似度最高的Web服務節點，將結果按相似度降序排列後返回給用戶。
[0019]本發明與現有技術比較的優點有:
[0020]1.與當前pay-before-you-go模式的語義Web服務發現方法不同，本發明從pay-as-you-go模式的角度實現Web服務語義信息的添加及發現；相比而言，本發明更能及時描述動態的Web服務的語義信息，提高Web服務語義發現的效率。
[0021]2.本發明的pay-as-you-go模式語義添加方法不僅可以應用到Web服務發現中，也可以應用到數據空間和數據集成環境中，對於語義查詢研究也有較高的借鑑參考價值。
【專利附圖】
【附圖說明】
[0022]圖1是本發明在語義Web服務發現中的使用流程。
[0023]圖2是本發明pay-as-you-go模式語義Web服務發現方法。
[0024]圖3是本發明使用時可能涉及的WSDL文檔到SLSD模型的轉換過程。
【具體實施方式】[0025]1.本發明在語義Web服務發現中的使用流程:
[0026]本發明在語義Web服務發現中的使用流程如圖1所示。
[0027]首先,服務提供者可以直接使用Web服務描述模型SLSD (Schema Later ServiceDescription)來描述他們的服務。Web服務的描述過程就是SLSD的構建過程。此外，也可以通過(半)自動抽取由服務提供者發布的WSDL文檔、OffL-S文檔、UDDI等數據源中的Web服務信息生成SLSD，這些服務信息包括服務的功能描述、操作、輸入和輸出等。然後，使用pay-as-you-go模式語義Web服務發現方法(本
【發明內容】
),支持在SLSD上的語義關鍵字查詢、基於語義相似度的服務發現等功能。最後，服務請求者可以通過系統提供的語義發現功能來查找需要的Web服務。
[0028]SLSD定義如下:
[0029]Web服務用一個圖G: = (N，E)來描述，其中N是節點的集合(N1，…，Nk}，每一個節點Ni是一序列屬性-值對的集合Ni=KA/, V/)，…(An\ Vn1)}，其中A/，…，An1為屬性序列，V/,…，V1/為對應的值序列，值可以是一組詞彙或一段文本內容，且不同節點的屬性序列可以不同。E是邊(NilNjlL)的集合，其中NilNj e N, i ^ j，L是邊的標籤，且L可為null值。
[0030]用SLSD描述Web服務的基本方法為:把Web服務看作節點(節點的屬性-值對描述Web服務的輸入、輸出等信息),E描述同一個Web服務內部或不同Web服務間的關係。SLSD是極鬆散結構的模型，不要求將數據映射到特定的schema，其鬆散性主要表現在:SLSD中的節點可以有不同的屬性，即使是描述同類實體的節點的屬性序列也可以不同；E可以表不節點間任意的關係，當關係存在但具體是何種關係不確定時，L為null值,當節點間都不存在關係時，F:= 0。
[0031]特別指出:本發明不僅僅適用於SLSD數據模型，也適用於當前其他Web服務描述模型，模型的具體轉換方式見第3節的說明。然而，我們建議使用SLSD或類似該模型的schema-later數據模型來描述Web服務，因為這是一種pay-as-you-go模式的Web服務描述方法，能夠更好的實現pay-as-you-go模式語義Web服務發現。
[0032]2.本發明的具體實施
[0033]本發明pay-as-you-go模式語義Web服務發現方法實施如圖2所示，主要由Web服務語義信息的添加(涉及步驟Sl_4)、Web服務語義發現(涉及步驟S5)兩部分組成。各步驟具體說明如下:
[0034]步驟S1:通過Wordnet自動生成、機器學習、用戶反饋、文本內容挖掘等多種途徑得到Web服務語義信息，分析獲取這些Web服務信息的同義、近義、反義、全局局部等語義，由簡單到複雜漸進生成語義映射規則。語義映射規則形如:A is-a B(反映A為B的成員)；A same-as B (反映A、B的同義關係)等。
[0035]步驟S2:當用戶查詢時，根據自然語言分析、關鍵字提取方法分析用戶的查詢要求，在語義映射規 則庫中選擇相關性大的某個或某些語義映射規則，並根據相關性高低對這些語義映射規則給出評價(評分或排序)。
[0036]步驟S3:根據查詢需要，延遲計算與語義映射規則相關的語義標註。
[0037]延遲計算方法:根據延遲評價得到的語義映射規則，系統調用函數getSemanticAnnotationO計算並返回語義標註的內容。語義標註的形式為節點的屬性-值對或邊。[0038]函數getSemanticAnnotationO:讀取、解析延遲評價得到的語義映射規則，判斷規則是否與SLSD模型中節點或節點的屬性相關，如果與節點相關，則計算語義標註的內容，以節點的屬性-值對的形式返回；如果與節點的屬性相關，則計算語義標註的內容，以節點間邊的形式返回。
[0039]步驟S4:將延遲計算得到的語義標註添加到SLSD模型中，生成含語義信息的SLSD』模型(見圖中粗體顯示的箭頭和屬性-值對(ΑΛν,1))。
[0040]添加方法如下:節點間的語義關聯用邊表示，節點屬性的語義以擴充的方式添加到屬性-值對中。
[0041]步驟S5:語義查詢處理並返回查詢結果。由於語義標註的方式沒有改變SLSD的結構，因此查詢模塊不需要特別擴展就可以支持語義查詢，即仍用SLSD的查詢模塊對SLSD』進行查詢。
[0042]該Web服務語義添加的方法使得查詢模塊很方便支持best-effort查詢。例如，查詢模塊通過處理添加了語義標註的SLSD』，可以支持語義關鍵字查詢；基於語義相似度的Web服務發現通過如下步驟實現:查詢模塊延遲計算SLSD』上需要進行比較的服務節點集及其信息，然後通過語義相似度函數計算出和用戶查詢相似度最高的Web服務節點，將結果按相似度降序排列後返回給用戶。
[0043]3.本發明使用時可能涉及的文檔轉換過程:
[0044]本發明使用時可能涉及的WSDL文檔到SLSD模型的轉換過程如圖3所示。
[0045]需要特別說明的是:對於非SLSD的其他Web服務描述模型，均可將該模型轉換為SLSD模型,進而支持該模型上的pay-as-you-go模式語義Web服務發現。以常用的WSDL(Web Services Description Language)模型為例,轉換過程見圖3,圖中左邊為WSDL文檔，右邊為轉換形成的SLSD模型，轉換方法如下:
[0046]1) WSDL的元素轉換為SLSD模型的節點
[0047]例如，WSDL的兀素 「message，，(getTermRequest 和 getTermResponse)、「porttype」 (glossaryTerms)分別轉換為 SLSD 模型的節點 「 1」、「2」 和 「3」 ；
[0048]2)元素的內容轉換為節點的屬性-值對
[0049]如兀素「message」 (getTermRequest)的內容轉換為SLSD模型的節點「I」的屬性-值對{(messagenameZ'getTermRequest"), (partname, "term")…}；兀素「message」 (getTermResponse)的內容轉換為SLSD模型的節點「2」的屬性-值對{(messagename, "getTermResponse"), (partname, "value")...};兀素「porttype，，(glossaryTerms)的內容轉換為SLSD模型的節點「3」的屬性-值對{(portTypename, "glossaryTerms")，(Operationname, 〃getTerm〃>..} ;3)元素間的關係用SLSD模型的有向邊表示。
[0050]其他模型做法類似，此略。
【權利要求】
1.pay-as-you-go模式的語義web服務發現方法,操作步驟如下: 1)通過Wordnet自動生成、機器學習、用戶反饋、文本內容挖掘等途徑得到Web服務語義信息，漸進生成語義映射規則，如is-a、same-as ； 2)當用戶查詢時，系統根據查詢需要延遲評價語義映射規則，延遲計算與規則相關的語義標註； 延遲評價方法:當用戶查詢時，根據自然語言分析、關鍵字提取方法分析用戶的查詢要求，在語義映射規則庫中選擇相關性最大的某個或某些語義映射規則； 延遲計算方法:根據延遲評價得到的語義映射規則，系統調用函數getSemanticAnnotation O計算並返回語義標註的內容，語義標註的形式為節點的屬性-值對或邊； 函數getSemanticAnnotationO:讀取、解析延遲評價得到的語義映射規則,判斷規則是否與SLSD模型中節點或節點的屬性相關，如果與節點相關，則計算語義標註的內容，以節點的屬性-值對的形式返回；如果與節點的屬性相關，則計算語義標註的內容，以節點間邊的形式返回； 3)將延遲計算得到的語義標註添加到SLSD模型中，生成含語義信息的SLSD』模型； 添加方法如下:節點間的語義關聯用邊表示，節點屬性的語義以擴充的方式添加到屬性-值對中； 4)語義查詢處理並返回查詢結果；由於語義標註的方式沒有改變SLSD的結構，因此查詢模塊不需要特別擴展就可以支持語義查詢，即仍用SLSD的查詢模塊對SLSD』進行查詢； 該Web服務語義添加的方法使得查詢模塊很方便支持best-effort查詢；例如，查詢模塊通過處理添加了語義標註的SLSD』，可以支持語義關鍵字查詢；基於語義相似度的Web服務發現通過如下步驟實現:查詢模塊延遲計算SLSD』上需要進行比較的服務節點集及其信息，然後通過語義相似度函數計算出和用戶查詢相似度最高的Web服務節點，將結果按相似度降序排列後返回給用戶。
【文檔編號】G06F17/30GK103530363SQ201310475811
【公開日】2014年1月22日 申請日期:2013年10月12日 優先權日:2013年10月12日
【發明者】潘穎, 元昌安, 陸建波, 蔣雪玲 申請人:廣西師範學院