專利名稱::一種基于服務質量本體的互聯網服務選擇系統及方法
技術領域:
:本發明涉及互聯網(Web)服務選擇技術,尤其涉及一種基于服務質量(QoS)本體的Web服務選擇系統及方法。
背景技術:
:隨著Internet的飛速發展,網絡的應用已經深入到社會的很多方面,Web上可獲得的服務急劇增多,網上信息呈指數級增長,同時使來自各領域的用戶對信息的查找、訪問、表示以及維護變得越來越困難起來。如何從龐大的服務群中有效地獲得所需功能的Web服務和如何在功能相似的Web服務中找到讓用戶最滿意的服務成為了值得關心的問題,而這些正是Web服務選擇的任務。Web服務選擇技術指根據Web服務的QoS信息,從諸多功能相同的Web服務中選擇出一個在Qos方面最符合服務請求者個性化需求的Web服務的技術。這里,所謂Web服務指一種能夠用編程技術通過Web來調用的、可互操作的分布式應用程序。可見,隨著網絡上服務數量的急劇增長,用戶使用Web服務時有了更多的選擇。由于Web服務的QoS信息是進行Web服務排序和選擇的重要依據。因此,QoS信息在Web服務選擇技術中是尤為重要的考慮因素。并且,現有Web服務選擇技術是在語法描述的基礎上,通過關鍵詞匹配來實現的。比如,用戶在網絡上的搜索引擎中輸入父親,會返回與父親這一關鍵詞相匹配的返回結果。即便父親和爸爸在語義上是相關聯的詞,語義上實際上是一個意思,釆用現有Web服務選擇技術,是不會返回爸爸這一與父親相關聯詞相匹配的返回結果。從而導致用戶的搜索體驗、搜索效率和精確度都大大降低。也就是說,現有的Web服務選擇技術缺乏對Web服務進行帶有語義信息的描述,智能化程度不高,無論在精確度還是在返回率上都無法滿足人們日益增長的需求。要得到更好的返回結果,需要更高效和更完善的Web服務選擇技術。解決手段就是借助QoS本體使得網絡中所有Web服務的QoS信息都具有語義,增加對Web服務帶有語義信息的描述,使計算機能夠理解和處理。以下針對基于語義的Web服務選擇相關的研究現狀進行闡述。主要研究點集中在三個方面一是QoS建模,二是QoS信息的匹配,三是基于QoS的服務選擇。針對QoS建模而言,最初的模型用響應時間、可靠性、可用性和價格等有限的幾個信息來描述服務的QoS。這是沒有語義的,所有的QoS信息都用實數來表達,可擴展性很差。在QoS本體描述語言出現之后,考慮利用QoS本體描述語言來研究QoS本體建模。比如DAML-QoS本體和WSMO-QoS本體。DAML-QoS本體將QoS本體分為三層一QoS配置層、QoS信息定義層和QoS度量方法層。QoS配置層用于進行QoS匹配。QoS屬性定義層描述屬性的定義域和取值范圍。QoS度量方法層規定了度量的標準。DAML-QoS本體關注的是模型整體結構的劃分,著重闡述了QoS信息之間的關系。WSMO-QoS本體關注的是每個QoS信息,具體描述了QoS信息的每一個屬性,對應DAML-QoS本體的QoS信息層。WSMO-QoS本體認為各個QoS信息之間是平等的,之間沒有依賴關系。在QoS度量方面,WSMO-QoS本體認為每一個度量值都是單值,不能支持模糊單值和區間類型的度量方式。針對QoS信息的匹配而言,考慮使用描述邏輯來計算兩個服務QoS的匹配程度,包括兩種解決手段。第一種解決手段是將一個服務的整體QoS作為匹配單位,提出了Subsume、Exact、Plugln、Intersection和Disjoint五級匹配度。而第二種解決手段是以每個QoS信息為匹配單位,先分別計算對應QoS信息的四級匹配度,然后加權相加,計算出整體QoS信息的匹配度。但第二種解決手段與第一種解決手段相比,區別在于第二種解決手段的算法粒度太粗。QoS信息的匹配的特點是數值信息的匹配。對此,第一種解決手段將參數值、語義概念以及<=、=等數學運算符結合在一起,作為描述邏輯的量詞,如<10storage.MBMetric。然而,計算機理解此類信息是有困難的。第二種解決手段用QoS信息的一個屬性來表示數值范圍,把數值信息和語義信息分開來對待,有助于計算機理解處理。但是,這只能在相同概念的QoS信息之間進行計算,不能解決異構QoS信息的匹配問題。這里,所謂異構QoS信息指用不同的格式對QoS信息進行描述,從而影響服務的匹配。針對基于QoS的服務選擇而言,現有的Web服務選擇算法多關注QoS值的計算,通過對QoS值排序來評定服務的優劣,QoS值越大的服務越優秀。有些Web服務選擇技術考慮了些許的服務請求者的需求,允許服務請求者提出一些粗粒度的限制,在滿足限制的前提下,再對QoS值進行計算和取優。事實上,QoS值最大的服務不一定是服務請求者最需要的,與服務請求者需求最接近的服務才是應該被選擇的。另外,現有的Web服務選擇算法沒有考慮服務請求者需求的完備性,沒有對服務執行的最低條件做出判斷,進而無法保證選擇結果的質量。綜上所述,釆用現有的Web服務選擇相關技術,在QoS建模、QoS匹配以及服務選擇方面都存在一定缺陷,對Web服務的語義信息的描述不夠精確,不能很好地滿足依賴QoS信息基于語義的Web服務選擇的需要。無論在精確度還是在返回率上都無法滿足人們日益增長的需求。
發明內容有鑒于此,本發明的主要目的在于提供一種基于QoS本體的Web服務選擇系統,能很好地滿足依賴QoS信息基于語義的Web服務選擇的需要,得到更精確的返回結果,提高Web服務選擇技術的使用效率。本發明的另一目的在于提供一種基于QoS本體的Web服務選擇方法,能很好地滿足依賴QoS信息基于語義的Web服務選擇的需要,得到更精確的返回結果,提高Web服務選擇技術的使用效率。為達到上述目的,本發明的技術方案是這樣實現的一種基于QoS本體的Web服務選擇系統,該系統包括服務質量QoS本體擴展單元、QoS請求向量構成單元、QoS廣告向量構成單元和互聯網Web服務選擇實現單元;其中,QoS本體擴展單元,用于擴展QoS本體;QoS請求向量構成單元,用于從所述QoS本體擴展單元提取出QoS信息,構成符合服務請求端需求的QoS請求向量;QoS廣告向量構成單元,用于從所述QoS本體擴展單元提取出QoS信息,構成符合服務提供端所提供服務的QoS廣告向量;Web服務選擇實現單元,用于獲取并計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配所述服務請求端需求和所述服務提供端提供的服務,以實現符合所述服務請求端需求的Web服務選擇。其中,該系統還包括篩選單元,用于采用預設經驗閥值對所述QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中。其中,所述Web服務選擇實現單元包括QoS信息綜合相似度計算單元,用于計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度。其中,所述Web服務選擇實現單元還包括服務匹配度計算單元,用于從所述QoS信息綜合相似度計算單元獲取QoS信息綜合相似度矩陣,將所述QoS信息綜合相似度矩陣中的每一行加權相加,構成服務匹配度向量,獲取所述服務匹配度向量中數值最大的元素所對應的服務,完成Web服務選擇的服務匹配度計算。一種基于QoS本體的Web服務選擇方法,該方法包括以下步驟A、擴展QoS本體;B、從所述擴展的QoS本體提取出QoS信息,來分別構成符合服務請求端需求的QoS請求向量,和符合服務提供端所提供服務的QoS廣告向量;C、獲取并計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配所述服務請求端需求和所述服務提供端提供的服務,以實現符合所述服務請求端需求的Web服務選擇。其中,步驟C之前還包括釆用預設經驗閥值對所述QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中。其中,步驟C中,所述QoS信息綜合相似度的計算公式為<formula>formulaseeoriginaldocumentpage9</formula>其中,0^(&,^)為QoS信息綜合相似度;2^w(&,0為QoS信息的語義相似度;^附"(&,&)為QoS信息的數值相似度;^,&分別為QoS信息。其中,所述QoS信息的語義相似度的計算公式為其中,S/m(&,&)為描述QoS信息的普通語義概念的相似度;C(&,^)為描述QoS信息相容性的函數。其中,所述QoS信息的數值相似度的計算公式為其中,i/、^."分別為第一區間值QoS信息&的上界和下界,《,."分別為第二區間值QoS信息《,的上界和下界;/(^./,^./)或/(^.",^.")以函數/0,0表示,/(",0為QoS信息的度量值"、r之間的數值相似度函數,且當<3、r為increase型QoS參數時,/"0,r)=^"c(a,。;當"、r為decrease型QoS參數時,/0,r)=,c(a,。。其中,所述QoS請求向量為2及,包含服務請求端所關注的n個QoS信息;所述QoS廣告向量為g^,為QoS廣告向量集合,包含所有服務提供端所提供的x個備選Web服務的QoS廣告向量;所述預設經驗閥值為gD,g。為QoS向量;步驟C具體為Cl、對輸入的所述g^進行預處理,并將2^轉化為x行m列的服務選<formula>formulaseeoriginaldocumentpage9</formula>擇矩陣A《,;C2、獲取并根據所述g。對所述^^,篩選,從x個備選Web服務中篩選出y個滿足所述Web服務選擇的執行基本要求的Web服務,篩選后構成y行m列的領域選擇矩陣M^;C3、獲取并根據所述2^從所述M^中提取出服務請求端所關注的QoS信息,從MD每行的QoS信息中選出與^w中QoS信息相容的QoS信息,構成有效選擇矩陣^^;C4、計算所述^^中每行QoS信息,與Qw中相對應的QoS信息之間的QoS信息綜合相似度,構成QoS信息綜合相似度矩陣MC5、將所述似s中的每一行加權相加,構成服務匹配度向量S,獲取所述S中數值最大的元素.所對應的服務,完成Web服務選擇的服務匹配度計算。本發明引入QoS本體來描述QoS信息,并對描述QoS信息的QoS本體進行了擴展;釆用基于語義匹配的QoS綜合相似度來表示QoS信息之間的相近和相關聯程度,充分利用了QoS信息中的語義因素,能夠處理異構QoS信息,加大了Web服務選擇的靈活性和精確度。從而保證Web服務選擇結果的質量,能夠實現Web服務選擇的個性化。進而以服務請求者的需求為中心,以領域專家的建議作為Web服務選擇的基本條件,能夠避免服務請求者需求不完備而導致所選擇的Web服務執行失敗的情況。這里,所謂領域專家指專門從事Web服務,尤其是Web服務QoS、Web服務選擇領域研究的專家。領域專家給出的一些針對Web服務QoS的評價標準,往往是Web服務能夠執行的最低標準。綜上所述,由于現有技術關注的是QoS信息的值,而不是符合服務請求者需求的QoS信息中的語義因素,而QoS本體就是用于解決如何令QoS信息具有語義的技術。因此釆用本發明,能滿足依賴QoS信息基于語義的Web服務選擇的罄更而文。釆用本發明具有以下優點第一點、本發明充分利用了QoS信息的語義因素,能夠處理異構QoS信息的情況。具體來說,現有的Web服務選擇技術集中在QoS值計算和數值表示范圍的匹配之上,沒有或者很少利用到QoS信息中的語義因素,因此不能處理異構QoS信息情況下的Web服務選擇。而本發明釆用QoS本體來描述QoS信息,釆用基于語義匹配的QoS綜合相似度來表示QoS信息之間的相近程度,充分利用了QoS信息中的語義因素,可以進行異構QoS信息情況下的服務選擇,加大了Web服務選擇的靈活性。第二點、本發明以服務請求者的需求為中心,能夠實現個性化的Web服務選擇。具體來說,現有的Web服務選擇技術關注的是QoS值的計算,Web服務選擇的依據是QoS值的大小,沒有考慮備選Web服務與服務請求者的需求是否接近。而本發明能選擇出最接近服務請求者需求的Web服務,釆用QoS綜合相似度作為Web服務選擇的依據,能夠選出與服務請求者的需求最接近的Web服務,增強了Web服務選擇的個性化適應能力。第三點、本發明以領域專家的建議QoS值為服務選擇的基礎,能夠避免服務請求者需求不完備而導致所選擇的Web服務執行失敗現象。具體來說,服務請求者并不是QoS專家,可能會忽略某些重要的QoS信息,因此滿足服務請求者需求所選擇的Web服務可能不滿足Web服務可執行的基本條件。現有的Web服務選擇技術沒有考慮Web服務可執行的最低要求,因此所選的Web服務有可能不可執行。而本發明是以領域專家的建議作Web為服務可執行的最低要求,從而避免選擇劣質Web服務,提高了Web服務選擇的質量。圖1為本發明系統的組成結構示意圖2為擴展的QoS本體具體實現的一實現示意圖3為擴展的QoS本體具體實現的另一實現示意圖4為擴展的QoS本體具體實現的又一實現示意圖;圖5為擴展的QoS本體具體實現的再一實現示意圖;圖6為本發明方法的實現流程示意圖7為increase型QoS信息度量值的QoS數值相似度函數的示意圖;圖8為decrease型QoS信息度量值的QoS數值相似度函數的示意圖;圖9為本發明擴展的QoS本體的類繼承實現一實施的實現示意圖。具體實施例方式本發明的核心思想是引入QoS本體來描述QoS信息,并對描述QoS信息的QoS本體進行了擴展;釆用基于語義匹配的QoS綜合相似度來表示QoS信息之間的相近和相關聯程度,充分利用了QoS信息中的語義因素,能夠處理異構QoS信息,加大了Web服務選擇的靈活性和精確度。為使本發明的目的、技術方案和優點更加清楚明白,以下舉實施例并參照附圖,對本發明進一步詳細說明。如圖1所示,一種基于QoS本體的Web服務選擇系統,該系統包括QoS本體擴展單元1、QoS請求向量構成單元2、QoS廣告向量構成單元3和Web服務選擇實現單元4。其中,QoS本體擴展單元l用于擴展用以描述QoS信息之間語義關系的QoS本體。QoS請求向量構成單元2用于從QoS本體擴展單元l提取出QoS信息,構成符合服務請求端需求的QoS請求向量。QoS廣告向量構成單元3用于從QoS本體擴展單元1提取出QoS信息,構成符合服務提供端所提供服務的QoS廣告向量。Web服務選擇實現單元4用于獲取并計算QoS請求向量中QoS信息與QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配服務請求端需求和服務提供端提供的服務,以實現符合該服務請求端需求的Web服務選擇。這里,該系統還包括篩選單元5,用于釆用預設經驗閥值對QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中,之后將篩選后的QoS廣告向量發送給Web服務選擇實現單元4進行后續處理。這里,Web服務選擇實現單元4中包括QoS信息綜合相似度計算單元,用于計算QoS請求向量中QoS信息與QoS廣告向量中QoS信息之間的QoS信息綜合相似度。Web服務選擇實現單元4還包括服務匹配度計算單元,用于從QoS信息綜合相似度計算單元獲取QoS信息綜合相似度矩陣,將QoS信息綜合相似度矩陣中的每一行加權相加,構成服務匹配度向量,獲取服務匹配度向量中數值最大的元素所對應的服務,完成Web服務選擇的服務匹配度計算。其中,服務匹配度向量中數值最大的元素所對應的服務即為與服務請求端需求相匹配的、由服務提供端所提供的備選Web服務。如圖6所示,一種基于QoS本體的Web服務選擇方法,該方法包括以下步驟步驟IOI、通過QoS本體擴展單元,擴展用以描述QoS信息之間語義關系的QoS本體。這里,針對擴展的QoS本體而言,該擴展的QoS本體是用于描述QoS信息的一系列明確的、形式化的、共享的概念,以及這些概念之間的關系,比如繼承關系。如圖2至圖5所示為該擴展的QoS本體幾個具體實現的實現示意圖。該擴展的QoS本體主要包含QoS輪廓(QoSProfile)、QoS屬性(QoSAttribute)、QoS趨勢(Tendency)、度量(Metric)和值(Value)五個大類,以及大類和子類之間的繼承關系。其中,QoSAttribute又包含三個子類公共QoS屬性(CommonQoSAttribute)、領域QoS屬性(DomainQoSAttribute)、特殊QoS屬性(SpecialQoSAttribute),通過這三個子類可以定義不同層次的QoS信息,服務提供者也可以通過定義其他子類對該本體進行擴展。Tendency類用以表示QoS信息的優劣趨勢,有increase和decrease兩個取值。如果Tendency類為increase型,則該QoS參數對整體QoS信息起的是正面作用,越大越好,如可靠性。如果Tendency類為decrease型,則該QoS參數對整體QoS信息起負面作用,越小越好,比如價格。實際上,當中的QoS信息可能是精確的一個值,也可能是一個范圍,還可能是一個模糊的值,因此有必要為QoS信息的度量方式提供強大的表示能力。因此OWL-QoS本體設計了Metric類來定義QoS信息的度量方式。本發明引入的OWL-QoS本體可以支持單值、模糊單值和區間值三種度量方式。比如QoS信息的值可以是數字型的,比如5元、500亳秒;QoS信息的值可以是語言描述型的,比如很高、很大。這種需求在OWL-QoS本體中通過Value類來實現。通過Value類,QoS信息可以通過數值或者語言來描述。步驟102、QoS請求向量構成單元從QoS本體擴展單元獲取擴展的QoS本體,并提取出QoS信息,來構成符合服務請求端需求的QoS請求向量。步驟103、QoS廣告向量構成單元從QoS本體擴展單元獲取擴展的QoS本體,并提取出QoS信息,來構成符合服務提供端所提供服務的QoS廣告向量。步驟104、Web服務選擇實現單元分別從QoS請求向量構成單元和QoS廣告向量構成單元,獲取QoS請求向量中的QoS信息與QoS廣告向量中的QoS信息,計算QoS請求向量中QoS信息與QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配服務請求端需求和服務提供端提供的服務,以實現符合服務請求端需求的Web服務選擇。這里需要指出的是,在步驟104之前還包括通過篩選單元,釆用預設經驗閥值對QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中,之后將篩選后的QoS廣告向量發送給Web服務選擇實現單元進行后.續處理。這樣,以領域專家建議的經驗閥值作為Web服務選擇的基本條件,能夠避免服務請求端需求不完備而導致所選擇的Web服務執行失敗的情況。這里,步驟104中,QoS信息綜合相似度的計算公式為以下的公式(1)。<formula>formulaseeoriginaldocumentpage14</formula>其中,a^附(《。,o為Qos信息綜合相似度,是用于表征兩個Qos信息之間的相近似程度的;0>(&,0為QoS信息的語義相似度;0"'顯(&,&)為QoS信息的數值相似度;《a,分別為QoS信息。公式(1)中,QoS信息的語義相似度的計算公式為以下的公式(2)。<formula>formulaseeoriginaldocumentpage15</formula>其中,S/m(&,&)為描述QoS信息的普通語義概念的相似度。C(&,&)為描述QoS信息相容性的函數,該函數的取值為布爾值,描述同一方面QoS屬性的QoS信息相容,C(《。,^)取值為l表示相容,反之不相容。公式(1)中,QoS信息的數值相似度的計算公式為以下的公式(3)。其中,i/、^."分別為第一區間值QoS信息&的上界和下界,^./、g,分別為第二區間值QoS信息《,的上界和下界。/(&./,^./)或/(^.",i")以函數/(",0表示,為QoS信息的度量值"、r之間的QoS數值相似度函數;/(",0有不同的表示,當"、r為increase型QoS參數時,=y"c(",r);當a、r為decrease型QoS參數時,/0,r)=/D—力。其中,針對^wc(a,"來說,如圖7所示為increase型QoS信息度量值的QoS數值相似度函數的示意圖。^"c(a,0的性質如下所示。al、《min,^<《maxa2、0《_/7"c(a,r)《100%;a3、《min<"<產時,_/7wc'(a,">0;#wcM(a,r)>0;a4、r<"<《max時,^wc'(a,r)0;^wc',0,r)<0。其中,針對^/D"0,0來說,如圖8所示為decrease型QoS信息度量值的QoS數值相似度函數的示意圖。/D"(fl,0的性質如下所示。b4、<formula>formulaseeoriginaldocumentpage16</formula>。以下用一實例來闡述步驟104的具體處理過程,這里的步驟104主要包括領域專家選擇過程和個性化服務選擇過程。在領域專家選擇過程中,通過篩選單元,以領域專家建議的經驗閥值為參考,該經驗閥值為QoS值,對服務提供端提供的備選Web服務集合進行過濾,保證所選出的備選Web服務能滿足Web服務選擇的執行最低條件要求。這樣,能夠避免服務請求端需求不完備而導致所選擇的Web服務執行失敗的情況。在個性化服務選擇過程中,以服務請求端的個性化需求為中心,致力于選擇出最符合服務請求端需求的Web服務。具體來說,當QoS請求向量為2w,包含服務請求端所關注的n個QoS信息,且2《a,…,《w),其中《n.為第i個QoS信息。QoS廣告向量為2^,2」為QoS廣告向量集合,包含所有服務提供端所提供的x個備選Web服務的QoS廣告向量,且{2^}={2丄,,…,2-},其中2J代表第j個服務的QoS廣告向量,即2J=(《厶,"2,…,《i),每個QoS廣告向量2i包含m個QoS信息,其中《4表示第j個備選服務的廣告向量的第k個QoS信息。需要指出的是,所有QoS廣告向量中的語言型參數值都經過去模糊化的過程而轉化為數值型的參數值。這里,針對去模糊化的過程而言,通常語言型參數指用非數值形式描述的參數,比如對某個QoS參數的評價分為很好、好、一般、不好、差五個等級。相對于用數值描述,這是一種模糊的表述方式。而去模糊化的過程就是類似這樣的過程,比如將以上五個等級映射到[O,l]空間,很好對應1、好對應0.8、一般對應0.6、不好對應0.4、差對應0.2。預設經驗閥值為g。,g。為QoS向量。那么步驟104的具體處理過程為步驟1041、對輸入的2」進行預處理,并將2^轉化為x行m列的服務選擇矩陣il4^。這里,輸入的<formula>formulaseeoriginaldocumentpage17</formula>經預處理后得到的^4^為<formula>formulaseeoriginaldocumentpage17</formula>Mc,的每一行(Wi,,《i)代表某一個備選服務的QoS廣告向量e',每一列(《L,《,…,《)代表不同服務的同一個QoS信息,即M[j,kh《丄。這樣,后續通過對矩陣^《謂的行列運算可以為不同服務的同一類QoS信息之間的QoS信息綜合相似度的計算帶來便利,也使同一服務整體QoS信息的計算清晰明了。步驟1042、獲取并根據g。對^^附篩選,從x個備選Web服務中篩選出y個滿足Web服務選擇的執行基本要求的Web服務,篩選后構成y行m列的領域選擇矩陣^D。步驟1043、獲取并根據2w從M"中提取出服務請求端所關注的QoS信息,從MD每行的QoS信息中選出與g^中QoS信息相容的QoS信息,構成有效選擇矩陣^£。步驟1044、計算M^中每行QoS信息,與^w中相對應的QoS信息之間的QoS信息綜合相似度,構成QoS信息綜合相似度矩陣M5。步驟1045、將^^中的每一行加權相加,構成服務匹配度向量S,獲取S中數值最大的元素所對應的服務,完成Web服務選擇的服務匹配度計算。這里,步驟1045中,S中數值最大的元素所對應的服務即為與服務請求端需求相匹配的、由服務提供端所提供的備選Web服務。這里需要指出的是,通過上述步驟1042來實現領域專家的選擇過程是很重要的。如果不進行領域專家的選擇過程,而只是依賴服務請求端的需求進行選擇,則由于服務請求端的請求者不是QoS專家,可能不理解某些足以影響Web服務選擇執行效果的QoS信息的重要性。對于不理解的QoS信息,請求者很可能將其忽略,而只對其關心的QoS信息提出需求。因此,即使滿足服務請求端所有的需求,也可能因為某些重要的QoS信息被忽略而導致Web服務選擇的執行失敗。然而領域專家可以根據經驗給對每個QoS信息給出建議的經驗閥值即門限值,以保證服務提供端所提供的備選Web服務能滿足Web服務選擇執行的最低條件。本步驟正是基于這方面的考慮,經篩選后的^^能夠避免服務請求端需求不完備而導致所選擇的Web服務執行失敗的情況。M"中元素的意義與^4^相同,僅行數有所減少。這里需要指出的是,通過步驟1043至步驟1045能實現個性化服務選擇過程,以保證在備選Web服務中所選擇的Web服務最接近服務請求端的需求,以實現個性化的服務選擇。針對步驟1043而言,步驟1043也可以理解為有效QoS信息的抽取過程。以下對步驟1043的實現進行具體闡述。由于2w是服務請求端的個性化需求,其中包含服務請求端所關注的n個QoS信息。M"—行表示某個服務提供端所發布的m個QoS信息。然而,m和n的數目可能不完全一樣,M"中的某一行也不一定包含所有的有效QoS信息,描述同一方面QoS屬性所使用的概念也不會完全一致。因此,需要根據2w對^"進行調整,從^"每行的QoS信息中選出與中QoS信息《w相容的有效QoS信息,剔除與所有《w都不相容的無效QoS信息,形成有效的QoS信息向量。如果QR中的某個QoS信息qri與MD中某一行MD[j,*]中的所有QoS信息都不相容,這意味著此行所對應的服務不能為qri所對應的QoS屬性提供保證,不能滿足服務請求端在qri方面的個性化需求,因此這類服務將被剔除,即從MD中剔除有效QoS向量長度小于n的行,從y個服務中選出z個,構成有效選擇矩陣ME。ME中每個元素代表一個有效QoS信息,每行代表一個服務的n個有效QoS信息向量,每一列代表與QR中某個QoS信息qri相容的有效QoS信息向量。與上述步驟1043的實現相對應的具體算法描述為cl、初始化一個yxm的矩陣ME。c2、自上向下遍歷MD的每一行MD[j,*];其中j=1...y;在某一行MD[j,*]中,自左向右逐個考慮每個QoS信息MD[j,k],其中]k=1…m;如果能找到QR中某個QoS信息qri與MD[j,k]相容,則令ME[j,i]=MD[j,k];否則令ME[j,i]=nu11,這里,針對qri而言,i=l...n;c3、自上向下檢查ME的每一行,如果某一行ME[j,*]中包含某個值為null的元素ME[j,i],則將ME[j,*]整行刪除。c4、最終得到zxm的ME與上述算法描述相對應的代碼為<formula>formulaseeoriginaldocumentpage19</formula>M、MAremoveMT,*]where[7.,/]==null;針對步驟1044而言,步驟1043也可以理解為QoS信息綜合相似度的計算過程。以下對步驟1044的實現進行具體闡述。由于M^中每行的QoS信息《丄與6w中的QoS信息《w都是一一對應相容的,這為2」中的QoS信息《i.與^w中對應QoS信息《w之間的匹配創造了條件。因此,可以應用公式(1)這一QoS信息綜合相似度計算公式來計算《Z與《之間的QoS信息綜合相似度,進而形成QoS信息綜合相似度矩陣M5。Ms每一個元素為一個百分數值,該值是該備選服務的QoS廣告向量中的有效QoS信息《。〈與其對應服務QoS請求《w之間的QoS信息綜合相似度,每一行為一個服務的QoS信息綜合相似度向量。M^的本質意義在于從QoS屬性的不同方面刻畫了QoS廣告向量與QoS請求向量中QoS信息的相似程度。與上述步驟1044的實現相對應的具體算法描述為dl、初始化一個zxm的矩陣M5。d2、自上向下遍歷肘£的每一行#£[乂,*],其中j:l…z;在某一行M',]中,自左向右逐個計算每個QoS信息M^y',/]與2w中第i個QoS信息《〃'的QoS信息綜合相似度&"'附(M^乂,/],^),且令M^乂,/]=—(M五針對M五[,/]而言,其中i-l...n。d3、最終得到zxm的M5。與上述算法描述相對應的代碼為for(j=1toz){for(i=1ton){針對步驟1045而言,步驟1045也可以理解為服務匹配度計算過程。以下對步驟1045的實現進行具體闡述。^^保存了每個QoS廣告向量^^中的每個有效QoS信息《。《與QoS請求向量Qw中對應的QoS信息《w之間的QoS信息綜合相似度。本質上來講,Ms從Qos的不同方面刻畫了服務提供端的所提供的備選Web服務與服務請求端請求的Web服務之間的相似程度。QoS廣告向量體現的是服務提供端的所提供的備選Web服務,QoS請求向量體現的是服務請求端請求的Web服務,而最終的服務選擇結果需要在各個廣告向量之間進行比較,選出最符合QoS請求向量即服務請求端個性化需求的一個備選Web服務。這就需要將M5的每一行轉化成一個唯一的、可以度量和比較的值,然后對該值進行比較、排序,進而得到結果。這里,該唯一的、可以度量和比較的值為服務匹配度s。并且,由于不同的服務請求端請求者的個性化需求不同,因此對QoS請求向量2w中QoS信息《w的關注程度也不同。可以通過權重w的形式為服務請求端請求者提供表達關注程度差異的能力。因此,定義服務匹配度s為2^中有效QoS信息《丄與2中對應的QoS信息《w之間的QoS信息綜合相似度的加權相加之和,即^^每一行元素加權相加,進而形成服務匹配度向量S。S的每一個元素代表一個服務的匹配度^。因此,S中在數值最大的元素、所對應的服務匹配度最高,那么、所對應的服務即為與服務請求端需求相匹配的、由服務提供端所提供的備選Web服務。與上述步驟1045的實現相對應的具體算法描述為el、初始化一個i維服務匹配度向量S。e2、自上向下遍歷M5的每一行MS[y',],其中j=i…z;在某一行M^,]中,自左向右逐個計算每個Q0S相似度^L/,。與『中第i個權重分量w,的乘積w,x^i/[,W],且令S尸t(W,xMS["/1),針對^S[/,。而言,其中i-l…n。e3、得到i維服務匹配度向量^。e4、從S中選擇出數值最大的元素s-ka(O,則s所對應的服務即為所選服務。與上述算法描述相對應的代碼為for(j=1toz){XM5["]);j=i=她x(^,)綜上所述,本發明的實施需要四部分數據支持,擴展的QoS本體、領域專家建議的經驗閾值、QoS請求向量和QoS廣告向量。其中,擴展的QoS本體是對OWL-QoS本體的擴展,也可以稱為領域QoS本體。領域QoS本體是OWL-QoS本體在某領域內的具體實現,它體現了該領域內各個QoS信息之間的語義關系,領域QoS本體包含一系列QoS信息。這些QoS信息都直接或間接繼承自OWL-QoS本體中QoSAttrribute類,各自之間存在語義關系。領域專家建議的經驗閾值指領域專家根據經驗給出的在保證Web服務選擇可執行的基本條件下各個QoS信息的門限值。對于increase型的QoS信息,領域專家建議的經驗閾值為最小值。對于decrease型的參數,領域專家建議的經驗閾值為最大值。QoS請求向量是一組QoS信息組成的向量,表示服務請求端對QoS信息的個性化需求。QoS廣告向量也是一組QoS信息組成的向量,它描述是服務提供端所提供的備選服務的QoS信息。QoS請求向量和QoS廣告向量中的QoS信息均來自領域QoS本體。方法實施例采用圖9所示的領域QoS本體來實現基于QoS本體的Web服務選擇方法。具體來說,釆用可擴展性(E)、價格(P)、時延(L)、規模可擴展性(SE)和功能可擴展性(FE)這五個描述QoS信息的類組成領域QoS本體。其中E、SE、FE為increase型。P、L為decrease型。各類之間的語義繼承關系如圖9所示。E、P、L直接繼承自QoSAttrribute類。SE、FE為E的子類。這意味著該領域本體可描述三方面的QoS信息,分別對應于E、P、L三個QoS信息。而E、SE、FE描述的是擴展性方面的QoS信息,因此E、SE、FE之間是互相相容的。E、P、L之間是互相不相容的。如表1所示為領域專家建議的經驗閥值,針對E、P、L、SE和FE五個QoS信息,領域專家根據經驗給建議給出如表l所示的經驗閾值。其中E、SE、FE為increase參數,表l給出的是最小閾值,低于此值的Web服務無法滿足Web服務選擇執行的基本條件。P、L為decrease型參數,表l給出的是最大閾值,高于此值的Web服務無法滿足Web服務選擇執行的基本條件。<table>tableseeoriginaldocumentpage23</column></row><table>如表2所示為服務請求端所請求的QoS請求向量,假設服務請求端只對FE、P、L這三個QoS信息感興趣,分別提出自己的個性化需求。利用OWL-QoS本體強大的表述能力,服務請求端的請求者可以提出模糊單值、單值和區間值等三種度量方式的QoS信息。并且,服務請求端的請求者對這三個參數的關注程度相同,即所分配的權重相同都是1/3,如表2所示。<table>tableseeoriginaldocumentpage23</column></row><table>如表3所示為服務提供端所提供備選服務的QoS廣告向量,假設有五個服務提供端的提供者可以提供功能相同但QoS不同的服務。對某些同方面的QoS信息,不同服務提供者所用的概念也可能不同。如表3所示,對于E方面的QoS信息,Servicel、Service4釆用的是E概念。Service2釆用的是E的子概念SE。而Service3、Service5采用的是E的子概念FE。<table>tableseeoriginaldocumentpage23</column></row><table><table>tableseeoriginaldocumentpage24</column></row><table>表有了以上的領域QoS本體,領域專家建議的經驗閥值,QoS請求向量和QoS廣告向量,就能實施基于QoS本體的Web服務選擇方法。首先,執行領域專家選擇過程。該領域專家選擇過程具體為根據表l所列的領域專家經驗閾值對表3中所列的備選Web服務進行選擇。對于P參數,領域專家的建議值為10。且P為decrease型的QoS信息,備選Web服務的P參數最大值必須低于10。因此,P值為10.32的Service3將落選。這表示Service3不滿足Web服務選擇可執行的最低條件,必定會執行時報。而Servicel、Servke2、Service4、Service5能滿足Web服務選擇執行的最低條件,通過領域專家的選擇,進入下一步的個性化選擇過程。然后,執行個性化選擇過程。經過上一步篩選,Servicel、Service2、Service4、Service5進入這一輪基于服務請求端需求的個性化服務選擇。首先,將根據服務請求端的請求,即表2中QoS請求向量FE在0.93左右;P在[9.88,9.90];L在8.99,由FE、P和L構成QoS請求向量。計算Servicel、Service2、Service4、Service5四個備選Web服務每個QoS信息的QoS信息綜合相似度。該個性化選擇過程具體為將統籌考慮語義和數值雙方面的因素。語義方面,對于E參數,有的Web服務直接用E概念進行描述,有的Web服務則用其子概念SE、FE來描述。計算而知,FE與E、SE的語義相似度分別為0.85,0.92。數值方面,可根據QoS數值相似度定義得到備選Web服務的數值相似度。最后,計算出各個備選Web服務與服務請求端個性化需求之間的QoS信息綜合相似度,如表4所示為QoS信息綜合相似度。<table>tableseeoriginaldocumentpage24</column></row><table><table>tableseeoriginaldocumentpage25</column></row><table>表4最后,根據QoS信息綜合相似度和服務請求端為每個所關注的QoS信息所分配的權重計算出備選Web服務Servicel、Service2、Service4、Service5的服務匹配度。匹配度最高的即是最滿足服務請求端需求的服務,是最終選擇的結果。根據表5所示,Service5的服務匹配度最高,因此Service5即為所選服務。<table>tableseeoriginaldocumentpage25</column></row><table>表5以上所述,僅為本發明的較佳實施例而已,并非用于限定本發明的保護范圍。權利要求1、一種基于QoS本體的Web服務選擇系統,其特征在于,該系統包括:服務質量QoS本體擴展單元、QoS請求向量構成單元、QoS廣告向量構成單元和互聯網Web服務選擇實現單元;其中,QoS本體擴展單元,用于擴展QoS本體;QoS請求向量構成單元,用于從所述QoS本體擴展單元提取出QoS信息,構成符合服務請求端需求的QoS請求向量;QoS廣告向量構成單元,用于從所述QoS本體擴展單元提取出QoS信息,構成符合服務提供端所提供服務的QoS廣告向量;Web服務選擇實現單元,用于獲取并計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配所述服務請求端需求和所述服務提供端提供的服務,以實現符合所述服務請求端需求的Web服務選擇。2、根據權利要求l所述的系統,其特征在于,該系統還包括篩選單元,用于釆用預設經驗閥值對所述QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中。3、根據權利要求1或2所述的系統,其特征在于,所述Web服務選擇實現單元包括QoS信息綜合相似度計算單元,用于計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度。4、根據權利要求3所述的系統,其特征在于,所述Web服務選擇實現單元還包括服務匹配度計算單元,用于從所述QoS信息綜合相似度計算單元獲取QoS信息綜合相似度矩陣,將所述QoS信息綜合相似度矩陣中的每一行加權相加,構成服務匹配度向量,獲取所述服務匹配度向量中數值最大的元素所對應的服務,完成Web服務選擇的服務匹配度計算。5、一種基于QoS本體的Web服務選擇方法,其特征在于,該方法包括以下步驟A、擴展QoS本體;B、從所述擴展的QoS本體提取出QoS信息,來分別構成符合服務請求端需求的QoS請求向量,和符合服務提供端所提供服務的QoS廣告向量;C、獲取并計算所述QoS請求向量中QoS信息與所述QoS廣告向量中QoS信息之間的QoS信息綜合相似度,來匹配所述服務請求端需求和所述服務提供端提供的服務,以實現符合所述服務請求端需求的Web服務選擇。6、根據權利要求5所述的方法,其特征在于,步驟C之前還包括釆用預設經驗閥值對所述QoS廣告向量中的QoS信息進行篩選,篩選后保留相容的QoS信息在QoS廣告向量中。7、根據權利要求5或6所述的方法,其特征在于,步驟C中,所述QoS信息綜合相似度的計算公式為<formula>formulaseeoriginaldocumentpage3</formula>其中,e^^。,^)為QoS信息綜合相似度;0"'柳(^,O為QoS信息的語義相似度;^m"(&,^)為QoS信息的數值相似度;&,&分別為QoS信息。8、根據權利要求7所述的方法,其特征在于,所述QoS信息的語義相似度的計算公式為其中,S/m(&,&)為描述QoS信息的普通語義概念的相似度;C(&,&)為描述QoS信息相容性的函數。9、根據權利要求8所述的方法,其特征在于,所述QoS信息的數值相似度的計算公式為其中,^"分別為第一區間值QoS信息&的上界和下界,^./、[."分別為第二區間值QoS信息《,的上界和下界;/(&./,^./)或/(^.",^.")以函數/0,0表示,為QoS信息的度量值a、r之間的數值相似度函數,且當a、r為increase型QoS參數時,/(",r)=#^:0,";當a、r為decrease型QoS參數時,/(",r)=/D—,0。10、根據權利要求9所述的方法,其特征在于,所述QoS請求向量為2w,包含服務請求端所關注的n個QoS信息;所述QoS廣告向量為g^,2」為QoS廣告向量集合,包含所有服務提供端所提供的x個備選Web服務的QoS廣告向量;所述預設經驗閥值為g。,g"為QoS向量;步驟C具體為Cl、對輸入的所述g」進行預處理,并將2力轉化為x行m列的服務選擇矩陣7l《,;C2、獲取并根據所述gD對所述^^,篩選,從x個備選Web服務中篩選出y個滿足所述Web服務選擇的執行基本要求的Web服務,篩選后構成y行m列的領域選擇矩陣M^;C3、獲取并根據所述2w從所述M"中提取出服務請求端所關注的QoS信息,從^"每行的QoS信息中選出與2w中QoS信息相容的QoS信息,構成有效選擇矩陣^£;C4、計算所述M^中每行QoS信息,與0w中相對應的QoS信息之間的QoS信息綜合相似度,構成QoS信息綜合相似度矩陣^^;C5、將所述^^中的每一行加權相加,構成服務匹配度向量S,獲取所述S中數值最大的元素所對應的服務,完成Web服務選擇的服務匹配度計算。全文摘要本發明公開了一種基于服務質量(QoS)本體的互聯網(Web)服務選擇系統,該系統包括QoS本體擴展單元、QoS請求向量構成單元、QoS廣告向量構成單元和Web服務選擇實現單元;Web服務選擇實現單元,用于獲取并計算QoS請求向量中QoS信息與QoS廣告向量中QoS信息之間的QoS信息綜合相似度,匹配服務請求端需求和服務提供端提供的服務。本發明還公開了一種基于QoS本體的Web服務選擇方法,該方法包括獲取并計算QoS請求向量中QoS信息與QoS廣告向量中QoS信息之間的QoS信息綜合相似度,匹配服務請求端需求和服務提供端提供的服務。采用本發明的系統及方法,能滿足基于語義的Web服務選擇的需要。文檔編號G06F17/30GK101383850SQ200810224118公開日2009年3月11日申請日期2008年10月16日優先權日2008年10月16日發明者于曉燕,斌劉,鍇雙,月宋,蕾張,楊放春,森蘇申請人:北京郵電大學