本发明专利技术涉及软件工程技术领域，尤其涉及一种根据用户非功能性需求搜索Web服务的方法。本发明专利技术处理用户的需求文本，抽取出其中的关键词；使用本体对所获得的关键词进行语义歧义消解；识别其中代表用户非功能性需求的关键词，将其映射到对应的Web服务质量属性上；逐个收集候选Web服务中上述待分析质量属性的数据，使用云变换方法得到对应的原子概念集合；将所获得的原子概念集合逐一转化为对应的合适粒度的候选概念集合；从中分别选出一个与相应的代表用户非功能性需求的关键词最匹配的概念，根据对应的云模型生成查询的组合约束条件。本发明专利技术利用云模型的定性定量转换，减少专家主观差异性和环境条件差异性对查询的影响，返回更贴近用户期望的结果。
【技术实现步骤摘要】
本专利技术涉及软件工程
，尤其涉及。
技术介绍
20世纪90年代后期，在电子商务应用的直接推动下，Web服务技术出现并迅速发展为基于互联网构造跨域分布应用的主流技术。通过将不同层次的应用和数据资源抽象成统一的表述形式并提供标准的使用方法，Web服务技术能有效支持服务提供者将自己的应用和数据资源以服务的方式提供给用户，而无需考虑具体的实现细节，如编程语言、开发环境、运行平台等；同时，在面向服务的体系结构(Service-oriented Architecture, S0A)支撑下，用户可以在互联网环境中根据自己的需要选择所需的Web服务。由于具有良好的互操作性和松散耦合性，互联网上的Web服务资源日益丰富。比如，截止到2010年底，著名的kekda网站拥有的注册Web服务超过2. 8万个，其中天气预报、汇率转换、邮件地址确认是最常使用的三类Web服务。面对互联网上不断增长的Web服务资源，对于用户而言，可供选择的Web服务数量繁多而不是稀缺将会是一种新的烦恼，因此按需服务搜索就成为一个亟待解决的关键技术问题[1]。针对用户的功能性需求，根据抽取出的重要词汇进行基于关键字的搜索，是目前 Web服务选择的基本方法，但是结果的准确性有待提高。针对上述问题，研究人员通过构造本体(ontology)，将语义信息引入到Web服务的表征[2’ 和发现[4’5]上，利用明确的概念命名空间和概念间等价、相似等关联关系消除歧义，从语义的角度提升搜索结果的准确性。在此基础上，随着社会化标注(social annotation)技术[6]的兴起，利用大众用户的个性化标签(tag)构造分众分类法(f0lkS0n0my)[7]，来替代领域专家构建的本体进行大众化的精细分类，是近年来一种新的研究趋势。虽然更加人性化，但考虑到一些用户在标注时的随意性，该方法在语义精确性方面较前述方法还有所欠缺[8]。如何把专业化的领域本体和大众化的分众分类法结合起来进一步提高搜索结果的准确性和合理性，将是今后研究关注的重点ο另一方面，用户对于Web服务的非功能性需求通常是模糊和不确定的，很难像功能性需求那样，可以通过结构化和量化的词汇来描述清楚，导致搜索结果往往不太符合用户的实际要求。针对上述问题，一种比较常见的解决方案是，将用户的非功能性需求人工或半自动地转化为Web服务的非功能性属性约束条件[9’1(1]，从而过滤掉多余的候选Web服务。 在具体实现时，研究人员一般采用服务质量(Quality of Service,QoS)中对应的非功能性属性的量化数据作为约束条件的限定值[11]。互联网环境瞬息万变，Web服务的QoS值也会随之发生变化，为适应这种动态变化，情境感知(context-aware)[12]的和QoS感知[13]的服务选择方法及其优化方法[14’15]被相继提出，以期满足真实互联网环境中用户的实时要求。 但是，上述方法侧重于动态情境下Web服务QoS的量化和评价，而缺乏将这种随机的定量数据与用户的非功能性需求中的模糊定性概念进行转换和匹配的研究。为解决该问题，研究人员尝试引入模糊数学相关方法，如模糊逻辑(fuzzy logic) [16]、模糊集合(fuzzy set)[17]、粗糙集合(rough set)[18]等，对Web服务的QoS进行描述和评价，辅助用户进行决策。这些方法均采用精确的隶属函数来表示模糊概念，但事实上不同的人对相同的词汇的理解是不同的，具有明显的随机性和不确定性。因此，在定性概念与定量数据进行匹配时，需要进一步考虑隶属度的不确定性，而非依靠传统的专家先验知识或针对训练集的统计分析结果，因为这些方法往往存在主观差异性、环境条件差异性等问题。云模型(Cloud model)[19]利用计算机程序实现的正向云发生器所生成的离散云滴(clouddrop)构成的整体模型来表达定性概念，基于概率测度空间自动形成隶属度，是一种问题求解的非解析方法，适合用于解决上述问题。在形式化表达上，云模型用期望、熵 (entropy)和超熵(hyper entropy)三个数字特征表达定性概念，其中，期望是云滴在论域空间分布的中心，即最能够代表定性概念的点；熵是定性概念的不确定性度量，既反映了能够代表这个定性概念的云滴的离散程度，又反映了论域空间中可被概念接受的云滴的取值范围；超熵是熵的不确定性度量，即熵的熵，由熵的随机性和模糊性共同决定。现实世界中正态分布的普遍性与钟形隶属函数的普遍性，共同奠定了正态云模型普适性的理论基础 _，使得云模型方法在知识表示、数据挖掘和知识推理等领域获得了成功应用。文中涉及的参考文献如下[1]Liu Y, Ngu A H and Zeng L. QoS Computation and Policing in Dynamic Web ServiceSelection[A]. In Proceedings of the 13th International Conference on World Wide Web(WWW2004) [C]，New York, USA, May 17-20，2004，pp. 66-73.[2]满君丰，邱银安，陈青，等.语义Web服务框架模型研究[J].计算机集成制造系统，2005，11 (10) :1372-1379.[3]牟帅，黄映辉，李冠宇.语义Web服务的OWL-S描述及其应用[J].计算机技术与发展，2009，19(1) :13-16.[4]吴健，吴朝晖，李莹，等.基于本体论和词汇语义相似度的Web服务发现[J]. 计算机学报，2005，沘(04) :595-602.[5]华进，钱雪忠.基于语义的Web服务发现模型研究[J].计算机工程与设计， 2008,29(9) :2394-2396.[6]Wu X,Zhang L and Yu Y. Exploring Social Annotations for the Semantic Web[A]. InProceedings of the 15th International Conference on World Wide Web(WWW 2006)[C]，Edinburgh，Scotland, May 23—26，2006，pp.417-426.[7]Spiteri L F.Structure and form of folksonomy tags :The road to the public library catalogue[J]. ffebology,2007,4(2) Article 41.[8]刘丹·近年来国外Folksonomy的改进研究进展[J]·图书情报工作，2010， 54(8) :55-59.[9]刘晓光，金烨.网络服务自动化中基于非功能性条件约束的服务选择研究 [J].计算机集成制造系统，2006，12 O) :297-301.[10] Stephan R-M, Yu H and Marcel Τ. Service Selection Based on Non-functional Properties[A]. In Proceedings of the Workshops 本文档来自技高网...
【技术保护点】
１．一种根据用户非功能性需求搜索Ｗｅｂ服务的方法，其特征在于，包括以下步骤：（１） 对用户的需求文本以句子为单位进行分词处理，抽取出其中的关键词；（２） 根据用户的语境，使用预先定义的本体对所获得的关键词进行语义歧义消解；（３） 从上述消除了歧义的关键词中识别出代表用户非功能性需求的关键词，将它们分别映射到对应的Ｗｅｂ服务质量属性上；（４） 逐个收集候选Ｗｅｂ服务中上述待分析质量属性的量化数据，使用云变换方法得到对应的以期望、熵和超熵三个数字特征表述的原子概念集合；（５） 通过概念的合并和综合，将所获得的原子概念集合逐一转化为对应的合适粒度的候选概念集合；（６） 从上述每个候选概念集合中分别选出一个与相应的代表用户非功能性需求的关键词最匹配的概念，根据它们各自对应的云模型生成查询的组合约束条件。
【技术特征摘要】
1.一种根据用户非功能性需求搜索Web服务的方法，其特征在于，包括以下步骤(1)对用户的需求文本以句子为单位进行分词处理，抽取出其中的关键词；(2)根据用户的语境，使用预先定义的本体对所获得的关键词进行语义歧义消解；(3)从上述消除了歧义的关键词中识别出代表用户非功能性需求的关键词，将它们分别映射到对应的Web服务质量属性上；(4)逐个收集候选Web服务中上述待分析质量属性的量化数据，使用云变换方法得到对应的以期望、熵和超熵三个数字特征表述的原子概念集合；(5)通过概念的合并和综合，将所获得的原子概念集合逐一转化为对应的合适粒度的候选概念集合；(6)从上述每个候选概念集合中分别选出一个与相应的代表用户非功能性需求的关键词最匹配的概念，根据它们各自对应的云模型生成查询的组合约束条件。2.根据权利要求1所述的根据用户非功能性需求搜索Web服务的方法，其特征在于 所述的步骤(4)进一步包括以下子步骤(4. 1)根据收集的某一具体Web服务质量属性的数据生成其频率分布函数； (4. 2)将频率分布中的局部极大值点对应的属性值作为原子概念的期望，计算用于拟合频率分布并以此为期望的云模型的熵和超熵；(4.3)在原频率分布中减去该原子概念对应的数值部分，继续寻找局部极大值点；(4.4)重复(4.2)和3)，直到剩余的数据出现频率小于云变换允许的误差阈值。3.根据权利要求1或2所述的根据用户非功能性需求搜索Web服务的方法，其特征在于所述的步骤( 进一步包括以下子步骤(5. 1)选择指定原子概念集合内当前概念层次中相距最近的两个概念；(5. 2)如果这两个...
【专利技术属性】
技术研发人员：李德毅，马于涛，张海粟，刘玉超，尹峻松，陈桂生，
申请(专利权)人：武汉大学，
类型：发明
国别省市：83
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。