基于WSMO的QoS约束的高效Web服务发现的研究

论文摘要

随着Web服务的流行,Web服务的数量与日俱增,经常会出现多个Web服务满足同一功能请求,对于如何从中选出最优的服务,现有基于功能性描述的Web服务发现方法无法解决这一问题。所以加入QoS的Web服务发现方法越来越得到人们的关注。当前国内外对Web服务发现加入QoS的研究还处于起步阶段,大多关注于QoS概念和量化的Web服务查询机制,而对QoS的量化缺乏深入的研究;同时,QoS属性信息往往来自服务提供者的提供,容易在服务发布阶段出现欺诈行为。因此设计并实现一个基于第三方的QoS量化Web服务发现系统已成为一个关键问题。本文通过对Web服务发现和语义Web技术的深入研究,在已有研究成果的基础之上,提出了一个基于Web服务发现的QoS管理体系结构模型。在设计时,力求本模型既可以满足根据服务请求中的功能信息提供关键字查询和语义查询来查找符合功能的Web服务,又可以根据服务请求中的非功能信息（QoS）为用户查找出最合适的Web服务。本文对现有WSMO和UDDI规范进行了扩展,使得Web服务模型可支持带有可量化QoS属性的Web服务注册;采用反馈方法来获取注册服务QoS属性,并加入QoS管理体系结构以自适应更新QoS的信息,从一定程度上保证了注册服务QoS属性量化的客观公正性;同时提出一种新的基于QoS的Web服务排序方法,实验表明,较之与相关加入QoS的Web服务发现模型,本文提出的方法更加有效。传统的语义服务发现方法如基于OWL-S/WSMO的方法大都采取在服务发现期间利用本体直接推理方式进行服务发现,这种方法通常因为耗时的本体推理而使得服务发现的效率低下。我们提出了一种基于本体预推理技术的QSQL服务发布与发现方法。QSQL是一种依据图存储理论特殊设计的快速服务查询列表,当服务发布到QSQL时,服务发现时的相关语义计算能被提前到发布阶段进行处理和存储,从而避免服务发现时大规模语义推理计算。实验表明,基于QSQL的服务查询不但能得到快速响应,还能获取传统语义服务发现方法的质量结果。

论文目录

• 摘要
• Abstract
• 致谢
• 插图清单
• 插表清单
• 第1章 绪论
• 1.1 课题研究背景以及意义
• 1.2 国内外研究现状
• 1.2.1 关于服务匹配方法的研究
• 1.2.2 关于服务注册机制的研究
• 1.2.3 关于服务描述内容的研究
• 1.3 研究内容
• 1.4 本文的组织结构
• 第2章 语义Web 服务发现及其相关技术
• 2.1 Web 服务概述
• 2.1.1 Web 服务的体系结构
• 2.1.2 Web 服务的相关协议
• 2.2 语义Web 服务
• 2.2.1 语义Web
• 2.2.2 语义Web 服务
• 2.2.3 语义Web 层次模型
• 2.3 Web 服务发现
• 2.3.1 Web 服务发现定义
• 2.3.2 功能性 Web 服务发现
• 2.3.3 QoS 与非功能性Web 服务发现
• 2.4 语义Web 服务发现相关技术
• 2.4.1 本体（Ontology）
• 2.4.2 服务注册机制（UDDI）
• 2.4.2.1 UDDI 的定义
• 2.4.2.2 UDDI 的调用模型
• 2.4.3 WSMO
• 2.4.4 OWL-S
• 2.4.5 WSMO 和OWL-S 的比较
• 2.5 本章小结
• 第3章 基于QSQL 建立高效的语义Web 服务发现
• 3.1 QSQL 的数据模型描述
• 3.1.1 扩展OWL 本体语义的定义
• 3.1.2 元素数据模型的图存储表示
• 3.1.3 QSQL 建立规则
• 3.2 基于QSQL 的语义发布算法和高效服务发现算法
• 3.2.1 服务发布算法
• 3.2.2 服务匹配度定义
• 3.2.3 服务发现关键算法
• 3.3 仿真实验
• 3.3.1 实验环境
• 3.3.2 实验结果和分析
• 3.3.2.1 在时间的性能方面的实验
• 3.3.2.2 在内存的性能方面的实验
• 3.4 本章小结
• 第4章 基于 WSMO 的 QoS 的语义 Web 服务发现
• 4.1 语义 Web 服务发现中服务质量的作用
• 4.2 Web 服务的 QoS 描述
• 4.2.1 Web 服务 QoS 属性模型
• 4.2.2 随机 QoS 属性度量方法
• 4.2.3 QoS 本体
• 4.3 Web 服务 QoS 管理体系结构
• 4.4 基于 WSMO 的语义 Web 服务发现
• 4.5 实验分析
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 研究生期间撰写的论文