论文部分内容阅读
Web服务倍受科学研究和工业界关注。为了充分实现Web服务的潜能,Web服务发现和组合的研究成了一个重要任务。服务发现和组合中一个核心的机制是匹配。服务匹配是服务消费者(用户或软件)定位和组合所需服务的过程,被认为在有限空间内的搜索或发现问题。它将消费者的请求或服务集作为输入,匹配机制将选取最合适的结果。Web服务匹配过程中,服务的表示以及搜索标准的选取都将决定输出质量。目前比较成熟的服务匹配技术是基于UDDI框架的服务匹配,该技术是通过精确匹配实现的,不能较好地支持基于概率和约束的模糊匹配,也无法处理模糊规则的推理,使得服务执行的整个过程受到影响。此外,UDDI是基于NACII分类,不能对服务进行分类,使得查找过程花费大量时间,不能很好地满足服务消费者的需求。本文在目前典型的基于语义服务匹配基础上,增加了一个对服务模糊属性的处理机制。通过引入模糊集合理论,用模糊谓词、自然语言来构成一个完全模糊化的模糊规则;通过模糊语义距离完成规则的模糊匹配。引入模糊逻辑,用隶属函数能对不精确的数据进行抽象和表示,并使用模糊聚类方法对已有的Web服务进行分类,减少了搜索空间,提高了发现效率。模糊逻辑的引入,用量化的观点得到直接的结果。为解决服务提供者和消费者之间的不同评价标准,引入了相似度聚类方法(Similarity Aggregation Method,SAM)。SAM将专家和消费者之间不同的意见进行聚类,使他们达到统一标准,减少了主观因素的参与成分。最后给出了一种Web服务匹配算法,仿真实验结果表明该算法相对其他几种匹配方法提高了查准率。