pay-as-you-go模式的语义web服务发现方法

摘要

本发明公开了pay-as-you-go模式的语义Web服务发现方法，涉及语义信息检索、Web服务计算领域，尤其涉及pay-as-you-go模式的Web服务语义信息的添加及发现的方法：首先，分析Web服务语义信息，渐进生成语义映射规则；根据查询需要延迟评价语义映射规则，延迟计算与规则相关的语义标注；将语义标注添加到服务描述模型中；最后，进行语义查询处理并返回查询结果。本发明能够减少前期构建成本，并能根据后续投入的成本量来渐进的增强系统的语义查询功能，有助于及时描述动态的Web服务的语义信息，提高Web服务语义发现效率。

说明书

技术领域

本发明涉及语义信息检索、Web服务计算领域，具体是pay-as-you-go模 式的语义web服务发现方法。

背景技术

语义网技术能够让用户共享不同领域的知识，使得语义信息的集成更容 易，使用现有的本体和本体推理机可以更容易找到合适的Web服务。近年来， 很多研究者致力于将语义网技术和Web服务技术结合以实现语义Web服务发 现。

目前，Web服务领域的语义添加方法主要有：1）在Web服务描述语言上 标注语义，这些标注不是虚拟的（virtual），不支持语义的延迟计算；2）用 本体直接描述Web服务信息及其相关背景知识。这些方法的前期成本较高，用 本体准确的标注大量的Web服务需要花费较大的代价，将Web服务与本体集成 以及建立和维护本体库也需要大量的工作。也就是说，面前基于语义的方法需 要对数据进行完全的语义整合后，才能提供有效的语义查询。然而，理解数据 并建立完善的语义映射是件漫长的工作，随着Web服务信息的改变，人们又需 要重新描述Web服务及重新建立语义映射。因此，目前的Web服务语义添加方 法很难及时应对Web服务的动态变化。此外，目前的语义添加技术难以反映复 杂的语义，尽管将本体和查询处理过程相结合有较高的准确率，但查询重写代 价较高、查询的时间复杂性也高。

综上所述，现有语义Web服务发现研究存在的主要问题：语义添加方式（无 论是语义服务描述，还是在查询处理时和本体的结合）需要较高的前期构建成 本，且查询处理的时间复杂性较高。这些前人的研究本质上遵循 pay-before-you-go的模式，即：在提供有效的Web服务发现功能前，需要耗 费较高的前期构建成本，没有根据投入的成本量来渐进的增强提供给用户的查 询功能。

目前涉及pay-as-you-go模式语义添加的研究主要有iTrail技术，iTrail 通过匹配（matching）、转型（transformation）和合并（merging）在源查询 上扩展语义得到新的查询，从而将轻量级的语义渐进的提供给系统。iTrail 技术难以反映复杂的语义，查询重写代价较高，而且iTrail技术不是针对语义 web服务发现而设计的。

因此，本发明提供了一种基于pay-as-you-go模式的语义Web服务发现方 法，能够减少前期构建成本，并能根据后续投入的成本量来渐进的增强系统的 语义查询功能。

发明内容

本发明的研发目的是克服现有技术的不足，提供一种pay-as-you-go模式 的语义web服务发现方法，使得：1）实现pay-as-you-go模式语义Web服务发现， 支持best-effort查询，即：不需要投入或少投入前期构建成本，系统就可以 提供类似关键字查询等简单的功能，然后随着Web服务信息的逐渐完善，系统 可以渐进的提供更复杂的结构化查询或语义查询功能。2）及时描述动态的Web 服务的语义信息，提高Web服务语义发现的效率。

本发明解决上述技术问题的技术方案如下：

pay-as-you-go模式的语义web服务发现方法，操作步骤如下：

1)通过从Wordnet自动生成、机器学习、用户反馈、文本内容挖掘等途径 得到Web服务语义信息，渐进生成语义映射规则，如is-a、same-as。

2)当用户查询时，系统根据查询需要延迟评价语义映射规则，延迟计算 与规则相关的语义标注。

延迟评价方法：当用户查询时，根据自然语言分析、关键字提取方法分析 用户的查询要求，在语义映射规则库中选择相关性最大的某个或某些语义映射 规则。

延迟计算方法：根据延迟评价得到的语义映射规则，系统调用函数 getSemanticAnnotation()计算并返回语义标注的内容。语义标注的形式为 节点的属性-值对或边。

函数getSemanticAnnotation()：读取、解析延迟评价得到的语义映射 规则，判断规则是否与SLSD模型中节点或节点的属性相关，如果与节点相关， 则计算语义标注的内容，以节点的属性-值对的形式返回；如果与节点的属性 相关，则计算语义标注的内容，以节点间边的形式返回。

3)将延迟计算得到的语义标注添加到SLSD模型中，生成含语义信息的 SLSD’模型。

添加方法如下：节点间的语义关联用边表示，节点属性的语义以扩充的方 式添加到属性-值对中。

4)语义查询处理并返回查询结果。由于语义标注的方式没有改变SLSD的 结构，因此查询模块不需要特别扩展就可以支持语义查询，即仍用SLSD的查 询模块对SLSD’进行查询。

该Web服务语义添加的方法使得查询模块很方便支持best-effort查询。 例如，查询模块通过处理添加了语义标注的SLSD’，可以支持语义关键字查询； 基于语义相似度的Web服务发现通过如下步骤实现：查询模块延迟计算SLSD’ 上需要进行比较的服务节点集及其信息，然后通过语义相似度函数计算出和用 户查询相似度最高的Web服务节点，将结果按相似度降序排列后返回给用户。

本发明与现有技术比较的优点有：

1．与当前pay-before-you-go模式的语义Web服务发现方法不同，本发明 从pay-as-you-go模式的角度实现Web服务语义信息的添加及发现；相比而言， 本发明更能及时描述动态的Web服务的语义信息，提高Web服务语义发现的效 率。

2.本发明的pay-as-you-go模式语义添加方法不仅可以应用到Web服务发 现中，也可以应用到数据空间和数据集成环境中，对于语义查询研究也有较高 的借鉴参考价值。

附图说明

图1是本发明在语义Web服务发现中的使用流程。

图2是本发明pay-as-you-go模式语义Web服务发现方法。

图3是本发明使用时可能涉及的WSDL文档到SLSD模型的转换过程。

具体实施方式

1.本发明在语义Web服务发现中的使用流程：

本发明在语义Web服务发现中的使用流程如图1所示。

首先，服务提供者可以直接使用Web服务描述模型SLSD（Schema Later  Service Description）来描述他们的服务。Web服务的描述过程就是SLSD的 构建过程。此外，也可以通过（半）自动抽取由服务提供者发布的WSDL文档、 OWL-S文档、UDDI等数据源中的Web服务信息生成SLSD，这些服务信息包括 服务的功能描述、操作、输入和输出等。然后，使用pay-as-you-go模式语义 Web服务发现方法（本发明内容），支持在SLSD上的语义关键字查询、基于语 义相似度的服务发现等功能。最后，服务请求者可以通过系统提供的语义发现 功能来查找需要的Web服务。

SLSD定义如下：

Web服务用一个图G:=(N,E)来描述，其中N是节点的集合{N₁,…,N_k}，每 一个节点N_i是一序列属性-值对的集合N_i={(A₁ⁱ,V₁ⁱ),…(A_nⁱ,V_nⁱ)}，其中A₁ⁱ,…, A_nⁱ为属性序列，V₁ⁱ,…,V_nⁱ为对应的值序列，值可以是一组词汇或一段文本内 容，且不同节点的属性序列可以不同。E是边(N_i,N_j,L)的集合，其中N_i,N_j∈N， i≠j，L是边的标签，且L可为null值。

用SLSD描述Web服务的基本方法为：把Web服务看作节点（节点的属性 -值对描述Web服务的输入、输出等信息），E描述同一个Web服务内部或不同 Web服务间的关系。SLSD是极松散结构的模型，不要求将数据映射到特定的 schema，其松散性主要表现在：SLSD中的节点可以有不同的属性，即使是描 述同类实体的节点的属性序列也可以不同；E可以表示节点间任意的关系，当 关系存在但具体是何种关系不确定时，L为null值，当节点间都不存在关系 时，。

特别指出：本发明不仅仅适用于SLSD数据模型，也适用于当前其他Web 服务描述模型，模型的具体转换方式见第3节的说明。然而，我们建议使用 SLSD或类似该模型的schema-later数据模型来描述Web服务，因为这是一种 pay-as-you-go模式的Web服务描述方法，能够更好的实现pay-as-you-go模 式语义Web服务发现。

2.本发明的具体实施

本发明pay-as-you-go模式语义Web服务发现方法实施如图2所示，主要 由Web服务语义信息的添加（涉及步骤S1-4）、Web服务语义发现（涉及步骤 S5）两部分组成。各步骤具体说明如下：

步骤S1：通过Wordnet自动生成、机器学习、用户反馈、文本内容挖掘等 多种途径得到Web服务语义信息，分析获取这些Web服务信息的同义、近义、 反义、全局局部等语义，由简单到复杂渐进生成语义映射规则。语义映射规则 形如：A is-a B（反映A为B的成员）；A same-as B（反映A、B的同义关系） 等。

步骤S2：当用户查询时，根据自然语言分析、关键字提取方法分析用户的 查询要求，在语义映射规则库中选择相关性大的某个或某些语义映射规则，并 根据相关性高低对这些语义映射规则给出评价（评分或排序）。

步骤S3：根据查询需要，延迟计算与语义映射规则相关的语义标注。

延迟计算方法：根据延迟评价得到的语义映射规则，系统调用函数 getSemanticAnnotation()计算并返回语义标注的内容。语义标注的形式为 节点的属性-值对或边。

函数getSemanticAnnotation()：读取、解析延迟评价得到的语义映射 规则，判断规则是否与SLSD模型中节点或节点的属性相关，如果与节点相关， 则计算语义标注的内容，以节点的属性-值对的形式返回；如果与节点的属性 相关，则计算语义标注的内容，以节点间边的形式返回。

步骤S4：将延迟计算得到的语义标注添加到SLSD模型中，生成含语义信 息的SLSD’模型（见图中粗体显示的箭头和属性-值对(A_k¹,V_k¹)）。

添加方法如下：节点间的语义关联用边表示，节点属性的语义以扩充的方 式添加到属性-值对中。

步骤S5：语义查询处理并返回查询结果。由于语义标注的方式没有改变 SLSD的结构，因此查询模块不需要特别扩展就可以支持语义查询，即仍用SLSD 的查询模块对SLSD’进行查询。

该Web服务语义添加的方法使得查询模块很方便支持best-effort查询。 例如，查询模块通过处理添加了语义标注的SLSD’，可以支持语义关键字查询； 基于语义相似度的Web服务发现通过如下步骤实现：查询模块延迟计算SLSD’ 上需要进行比较的服务节点集及其信息，然后通过语义相似度函数计算出和用 户查询相似度最高的Web服务节点，将结果按相似度降序排列后返回给用户。

3.本发明使用时可能涉及的文档转换过程：

本发明使用时可能涉及的WSDL文档到SLSD模型的转换过程如图3所示。

需要特别说明的是：对于非SLSD的其他Web服务描述模型，均可将该模型 转换为SLSD模型，进而支持该模型上的pay-as-you-go模式语义Web服务发现。 以常用的WSDL（Web Services Description Language）模型为例，转换过程 见图3，图中左边为WSDL文档，右边为转换形成的SLSD模型，转换方法如下：

1）WSDL的元素转换为SLSD模型的节点

例如，WSDL的元素“message”(getTermRequest和getTermResponse)、 “porttype”(glossaryTerms)分别转换为SLSD模型的节点“1”、“2”和“3”；

2）元素的内容转换为节点的属性-值对

如元素“message”(getTermRequest)的内容转换为SLSD模型的节点“1” 的属性-值对{(messagename,"getTermRequest"),(partname,"term")…}；元 素“message”(getTermResponse)的内容转换为SLSD模型的节点“2”的属性- 值对{(messagename,"getTermResponse"),(partname,"value")…}；元素 “porttype”(glossaryTerms)的内容转换为SLSD模型的节点“3”的属性-值 对{(portTypename,"glossaryTerms"),(operationname,"getTerm")…}； 3）元素间的关系用SLSD模型的有向边表示。

其他模型做法类似，此略。