分布式Web服务发现机制研究

摘要

随着面向服务计算技术的兴起，服务发现问题就越来越引起重视，随着语义网技术和面向服务计算技术相结合，以及建立分布式环境的需要，Web服务的分布式服务发现问题显得愈加突出。 本文以Web服务中的服务发现问题为出发点，在面向服务体系结构和语义Web服务技术的基础上，对在大规模分布式环境下如何进行语义Web服务的发现和定位展开了深入的研究。 论文对研究过程中取得的主要创新成果进行了详细阐述。这些创新工作简要归纳如下： 1．提出一种基于时态描述逻辑的语义Web服务行为描述和匹配方法研究服务行为描述的需求和特点，提出了基于时态描述逻辑的语义Web服务行为描述和匹配方法。基于时态描述逻辑的服务行为描述模型反应了服务行为中的行为时序约束特征，能够在Web服务发现过程中保证服务行为时序的准确性和服务行为语义描述的正确性。通过时态描述逻辑，对基于时序约束的服务行为进行语义描述，使服务发现过程中可以融入服务行为的特点和因素。 2．提出一种语义信息和结构信息相结合的服务描述和匹配方法针对服务描述的结构性特点，设计了服务描述语义信息和结构信息相结合的服务匹配方法。服务描述数据属于一种有结构的层次数据模型，其中的描述关键字的地位各不相同并且有着相互关系。通过将语义描述信息和服务描述图模型相结合建立了服务匹配算法。 3．提出一种基于语义叠加网的分布式语义Web服务定位模型 研究了支持语义服务分布式发现的语义叠加网。建立了语义信息到有结构对等网的映射方法。设计了基于分布式Trie结构的构建于有结构对等网之上的语义定位方法，设计了基于分布式数据结构Plaxton mesh上的语义叠加网，进行了实验和性能分析。给出了利用语义叠加网进行语义Web服务分布式发现的方法。 4．提出一种基于分布式聚类和分类学习技术的Web服务发现方法研究了基于分布式数据挖掘的服务发现方法。提出了基于分布式数据挖掘技术的大规模网络服务发现方法。设计了基于有结构对等网的分布式Web聚类方法来对分布式服务进行划分，设计了基于有结构对等网的分布式Web分类学习方法来对分布式服务进行发现。

目录

文摘

英文文摘

论文说明：主要缩略语及中英文对照

声明

第一章绪论

1.1研罗背景和意义

1.2主要研究工作

1.3 论文内容和结构

第二章WEB服务发现及相关技术综述

2.1 引言

2.2 Web服务概述

2.2.1 Web服务技术

2.2.2 Web服务的基本技术和标准

2.2.3 Web服务技术与SOA

2.3 语义Web服务技术

2.3.1 语义网技术

2.3.2本体技术

2.3.3 语义Web服务描述技术

2.3.4 Web服务描述和Web服务发现的关系

2.4 Web服务发现概念和分类

2.4.1 按照数据模型的分类

2.4.2 按照拓扑结构的分类

2.4.3 按照人工参与程度分类

2.5 Web服务发现的相关研究

2.5.1 纯文本索引技术

2.5.2 有结构叠加网和分布式哈希表

2.5.3 基于分层多属性描述的定位与路由

2.5.4 基于Schema的P2P语义叠加网

2.5.5 语义服务中的语义匹配

2.6本章小结

2.7 参考文献

第三章语义WEB服务的描述与匹配

3.1引言

3.2 服务发现和匹配

3.2.1 Web服务的服务描述

3.2.2 语义Web服务匹配

3.2.3 基于模板的用户接口

3.3 服务描述结构性匹配

3.3.1 Web服务描述结构分析

3.3.2 Web服务描述结构性相似度测量

3.3.3 Web服务描述结构性匹配的分布式扩展

3.3.4 实验分析

3.4 语义服务行为匹配

3.4.1 服务行为与服务发现

3.4.2 描述逻辑及其时态扩展

3.4.3 服务行为的语义建模

3.4.4 Web服务行为的语义匹配

3.5 语义Web服务的相似度测量

3.5.1 语义相似度测量导论

3.5.2 语义结构的相似度测量

3.5.3 语义Web服务相似度测量

3.6本章小结

3.7 参考文献

第四章基于语义叠加网的分布式服务定位

4.1 引言

4.2 基于Trie结构的语义定位结构

4.2.1 Chord网络结构

4.2.2 语义服务描述映射

4.2.3 语义服务信息的发布和发现

4.2.4 对等节点的系统结构

4.2.5 分析与测试

4.3 基于Plaxton mesh的语义定位结构

4.3.1 Plaxton mesh和相关对等结构

4.3.2 语义叠加网的节点结构

4.3.3 节点之间的语义相似度

4.3.4 支持语义匹配的定位

4.3.5 性能分析

4.4 本章小结

4.5参考文献

第五章基于分布式数据挖掘的服务发现

5.1 引言

5.2 基于P2P叠加网的分布式服务聚类

5.2.1 K-means算法介绍

5.2.2 分布式环境下的分布式服务聚类

5.2.3 网络动态环境下的服务聚类处理

5.2.4 复杂度分析

5.3 分布式服务分类器

5.3.1 K-近邻分类算法

5.3.2 分布式服务分类

5.4 本章小结

5.5 参考文献

第六章结束语

6.1 论文总结

6.2 进一步的研究工作和思考

攻读博士学位期间发表的论文

致谢