- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于用户偏好的启发式半自动服务组合算法1
宋驰,双锴,陈才
北京邮电大学网络与交换技术国家重点实验室,北京 (100876)
E-mail :songchi.xc@
摘 要:提出一种基于用户偏好的启发式半自动服务组合算法。该算法适用于用户需求比较
模糊,在服务组合过程中需要同用户交互的场景中。该算法利用已有模板库,首先找出最接
近用户请求的组合服务;如果已有组合服务模板不能满足用户请求,则根据用户的偏好信息,
半自动生成满足用户请求的组合服务。仿真实验验证了本文算法在提高服务组合成功率,减
少用户交互次数从而快速收敛两方面都具有良好效果。
关键词:语义Web 服务;启发式;半自动;服务组合;服务模板
1. 引言
随着互联网的发展,Web 服务作为一种新技术受到越来越多人的关注,其高度的互操
作性,跨平台性和松耦合的特点使其受到广泛应用。但是,单个的Web服务提供的功能非常
有限,需要将单个的Web服务进行组合,才能满足用户丰富的需求,最大化地提高服务利用
率。因此,服务组合技术迅速成为研究的热点。
当前的服务组合技术主要分为全自动Web服务组合技术和半自动Web服务组合技术。
Seog-Chan Oh等人[1]提出的基于泛洪式算法的全自动Web服务组合技术在理想状态下能够
完全自动的查找到满足用户需求的组合服务,但是该算法没有考虑如何有效的利用服务组合
的结果,对于同样的用户
请求,往往需要同等的计算量,这样对系统的效率将产生不利影响。而Evren Sirin 等人[2]
以及Jing Dong 等人[3]则是利用基于模板的半自动服务组合技术,该技术可以利用模板库里
丰富的模板,快速的找出满足用户请求的服务。虽然该方式寄希望于领域专家能够完善模板
库,但是仍然存在某些用户请求无法得到满足的情况。这两种服务组合方式都存在同一个问
题:用户最初的请求往往是不明确的,这样就很难得到用户所希望的组合服务。因此,我们
可以将服务组合技术目前所遇到的问题归纳为以下两点:
( 问题一)如何提高服务组合的效率?
( 问题二)如何明确用户的请求,为用户找到最理想的组合服务?
为了解决以上问题,本文提出基于用户偏好的启发式半自动服务组合算法(UPI 算法,
User Preferred Information) 。本算法利用了模板库技术,将常用的服务组合抽象为模板,提
高服务组合的效率;其次,本算法根据用户偏好,快速明确用户的请求;最后,本算法根据
用户请求对模板进行修改、完善,为用户找到最理想的组合服务。
本文第2 节定义基本概念,第3 节详细介绍算法思想和实现,第4 节通过实验对服务组
合的成功率和平均每次请求的用户交互次数进行了验证,第5 节介绍国内外相关研究,最后
是总结和下一步工作。
2. 基本概念
Web 服务组合的过程实际是将一系列单独的Web 服务,按照一定的顺序排列起来,组
1本课题得到国家基础理论研究(973)计划(2003CB314806),国家高技术研究发展(863)计划 (2006AA01Z
164),国家自然科学基金资助项目基于人工免疫学原理的下一代网络业务冲突研究 以及长江学者
和创新团队发展计划的资助。
- 1 -
合出新的Web 服务。这样的方式使得Web 服务能够随需应变。本文正是以此为目标,并从
用户的角度出发,提出基于用户偏好的启发式半自动服务组合算法。本文将用到的基本概念
定义如下:
定义1 本文采用标准的OWL[4]作为本体描述语言,并且系统中的本体概念都具有用户
偏好度属性,表示用户接受系统推荐该本体概念的次数占本概念推荐总次数的百分比,即用
户接受该本体概念的可能性,本体概念的用户偏好度计算公式如下:
用户接受推荐次数
本体概念用户偏
文档评论(0)