语义Web信息服务发现模型及算法研究

摘要

大数据时代背景下，Web信息服务的环境已经发生了巨变，信息资源的数量呈指数型增长，同时产生大量的冗余数据和非结构化数据。如何从海量Web信息服务中有效发现用户的需求，如何对Web信息资源进行有效组织来满足用户需求，已经成为国内外研究者研究的热点。
　　Web信息服务发现技术是Web信息服务应用的核心，而传统的Web信息服务发现是基于UDDI技术服务匹配机制，UDDI缺乏对Web信息的语义描述，只能基于服务分类和关键词查询，从而使得查全率和查准率不高。针对以上问题，本文提出了基于本体的语义Web信息服务发现模型，利用OWL-S来对Web信息资源增加语义描述信息，同时引入本体理论，优化了信息服务匹配算法，从而提高了Web信息服务发现的效率。
　　在Web信息服务发现中，服务匹配算法是一个关键环节，它直接影响了Web信息服务发现结果的好坏。本文在研究了多个语义Web信息服务匹配算法的基础上，提出了基于加权语义距离的服务匹配算法，在计算领域本体概念间相似度过程中不使用最短距离来计算，而是对语义距离使用了加权平均的策略，综合考虑概念节点间的最短距离、深度总和、相对深度和最近公共父节点的影响因子，该算法能够使得服务匹配的相似度计算更加精准，从而提高Web信息服务匹配的性能。
　　最后，本文通过一个实例演示了领域本体的构建过程，以及Web信息服务间基于语义关联的逻辑推理过程。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景

1.2 相关研究现状

1.3 研究的内容及意义

1.4 研究方案

1.5 本章小结

第2章 语义Web理论及技术基础

2.1 语义Web的相关概念

2.2 语义Web的体系架构

2.3语义Web的主要核心技术

2.4 本章小结

第3章 语义Web信息服务发现相关研究

3.1 Web信息服务发现的概念

3.2 传统的Web信息服务发现技术

3.3 基于语义的Web信息服务发现

3.4 本章小结

第4章 基于本体的语义Web信息服务发现模型

4.1模型的设计思路和架构

4.2 查询过滤器

4.3 语义服务发现引擎

4.4 OWL-S/UDDI转换器和UDDI注册中心

4.5 语义Web信息服务发现匹配算法

4.6 本章小结

第5章 实例分析

5.1 本体编辑构建工具

5.2 实例

5.3 本章小结

第6章 总结与展望

6.1 论文总结

6.2 未来展望

致谢

参考文献