论文部分内容阅读
随着工业规范的标准化及服务运行平台的相继涌现,以服务的形式提供软件已成为各种应用系统互连和集成的一种趋势。如何从大规模服务集合中获取满足用户需求的目标服务成为服务发现的主要研究任务。目前,服务发现技术包括服务匹配和服务评价。前者利用匹配技术衡量用户功能请求与服务功能描述的匹配程度,获取可靠的服务发现结果;后者利用评价技术,在满足功能的服务集合中,衡量服务的在线性能,获取可用的服务发现结果。服务匹配和服务评价在整个服务发现过程中即相互促进又相互制约。针对现有服务匹配和服务评价技术所存在的问题,主要研究内容为:(1)针对由单个服务实现用户请求的单一服务匹配过程中存在的本体模型抽取困难,服务本体和用户本体相似度计算缺乏领域特征,以及本体匹配算法的匹配精度不高等问题,提出一种基于本体的单一服务匹配方法。该方法首先对单一服务匹配过程进行本体建模,形式化单一服务匹配命题;其次,在命题约束下,结合单一服务匹配过程中的本体抽取,本体相似度计算及匹配过程的需要,通过单一服务匹配框架实现单一服务匹配方法;最后,具体介绍框架流程中本体抽取模块,具有领域特征的本体相似度计算模块以及求解最优匹配规划的匹配模块的实现算法。(2)针对单一服务匹配因匹配概念狭窄难以有效利用服务库中服务协同实现复杂业务需求以及随着复合服务匹配概念引入后,现有服务匹配算法计算的时间复杂度较高等问题,提出基于协同演化的复合服务匹配方法。该方法首先在单一服务匹配命题基础上,形式化复合服务匹配命题,并根据命题,将复合服务匹配问题转换为智能优化问题;其次,设计匹配解的等价转换过程,将原始匹配解转换成可被智能优化算法处理的演化基形式;最后,采用协同演化思路,结合粒子群和模拟退火的演化优势,介绍能够在有限时间内,快速求解复合匹配问题的协同演化算法。(3)针对基于KNN(K Nearest Neighbor)的主观服务评价方法在目标服务评价预测过程中存在的主观历史反馈的时效量化,评价预测窗口宽度设定以及异常主观反馈控制等的问题,提出基于差异时效的服务评价方法。该方法首先通过系统动力学的分析手段,针对不同的目标服务,建立具有差异结果的复杂时效量化方法;其次,根据时效量化结果,自适应计算当前KNN评价所需的合适窗口宽度;最后,通过用户主观反馈的统计特征,估计正常反馈的相对置信区间,过滤并调整异常反馈,降低异常反馈对评价预测精度的影响。(4)针对基于协同推荐的客观服务评价方法在目标用户评价预测过程中存在的客观历史数据时效量化,用户与资源紧密程度分析以及历史信息不足难以预测等问题,提出基于时效推荐的服务评价方法。该方法首先在现有客观信息的时效量化的基础上,设计适用于客观历史信息的时效量化方法;其次,分析在当前时效量化结果作用下,不同资源和目标用户的紧密程度,并将其作为权重优化协同推荐过程中目标用户相似度计算;最后,在历史信息不足的情况下,通过目标用户的位置邻域用户辅助评价预测过程,提高预测精度。