基于属性权重及粗糙集网格服务发现算法.doc

基于属性权重及粗糙集网格服务发现算法文章编号:1001-9081(2012)01-0167-03 doi:10.3724/SP.J.1087.2012.00167 摘 要:针对网格服务发现中发现效率低的问题，基于本体技术及知识表示系统和决策表的理论，提出一种优化的考虑服务属性权重的服务发现算法。通过对服务调用历史记录的规则抽取和属性权重计算，给出了包含信息预处理、粗糙集服务匹配的两个阶段服务发现算法实现，并分别从查准率和查全率两个方面进行了理论分析和实验验证。结果表明，所提算法有较高的查全率和查准率；同时，候选服务的排序结果更符合用户的需求 ?关键词:网格服务；粗糙集理论；属性权重；服务发现算法 ?中图分类号: TP391.1; TP393.028 文献标志码:A ? Abstract: To solve the low efficiency problem of grid service discovery, based on ontology technology, the theory of decision table, and knowledge representation system of rough sets, the paper put forward an optimized service discovery algorithm that considered the weight of the service properties. By rule extraction of the service invocation history and the calculation of the service properties weight, two main phases of the service discovery algorithm: information pre-processing and rough set service matching could be achieved. This article also gave theoretical analysis and experimental verification on both precision rate and recall rate. The results show that the proposed algorithm can provide higher precision and recall rate; besides, the ranking results of the candidate services are more preferable. Key words: grid service; rough set theory; attribute weight; service discovery algorithm ? 0 引言? 传统的基于统一描述、发现和集成(Universal Description, Discovery, and Intergration, UDDI)的服务发现方法采用关键字匹配方式，具有较快的速度，但缺少语义的支持，服务的查准率不高，同时需要大量的用户参与，自动化程度低［1］；语义Web技术的引入，为服务提供了更为丰富的描述方式，使提高服务发现的查准率、查全率和自动化程度成为可能。现在主流的语义服务描述语言是OWL-S［2］，不仅对服务进行了功能性描述，如输入、输出、前提条件、后置条件，同时，通过Service Profile对服务的非功能性属性也有较好的描述。基于语义的服务发现研究主要沿着两个方向：基于本体概念相似度和基于推理。基于本体概念相似度的方法，虽然具有较高的匹配精度，但是匹配过程需要与本体中每个概念进行相似度比较，效率较低；而基于推理的方法能够较快地实现匹配，但是推理规则的制定和实现比较困难［3-5］；同时，两者都需要有确定的属性集合。? 粗糙集理论［6］是一种用来处理模糊和不确定性知识的数学工具，在保持分类能力不变的情况下，通过知识约简，得到问题的决策或分类规则。本文提出一种基于粗糙集的服务发现算法，探讨了影响服务调用的每个属性的重要性；在服务发现过程中，动态计算服务属性权重，并将其运用到服务相似度计算中，提供较高的服务发现准确度。? 现阶段粗糙集理论在服务发现中的应用主要是利用粗糙集理论的属性约简、区分函数和区分矩阵等方法：朱郑州等［7］提出在网格服务发现中利用粗糙集理论，通过对发布服务进行不相关属性约简、依赖属性约简得到一个较小的服务候选集，通过对每个属性相似度进行计算求取平均值