论文部分内容阅读
计算机网络的飞速发展使得网络应用从以计算机为中心逐渐转化为以用户为中心,而网络应用技术也从“卖软件”相应地演变为“定制服务”。网络应用的这种发展趋势要求软件开发能够根据不同应用的具体要求,准确发现满足用户需求的可信程序,并在单个程序无法满足需求的情况下能够与其他程序进行组合以提供用户所需的可信服务。语义Web服务的提出使得用户可以将自己的软件以Web服务的形式提供给其他用户、也可以利用Web服务的标准接口来调用其他用户提供的软件,使得按照个性化的用户需求来组合具有不同功能的Web服务变得可行;与此相关,软件度量有助于确保所选服务的可信性,使得通过组合得到的服务不但满足用户的功能性需要、还具备用户要求的性能保障。由此可知,在网络环境中,用户需求驱动、有可信性保证的语义Web服务组合理论与技术已然成为服务计算、可信计算及其相关领域的研究重点之一。但是,已有的语义Web服务组合方法对可信性的支持远远不够,尤其是在服务组合过程中,关于如何度量服务组合的可信性、如何在服务的发现和选择时保证组合结果可信度的研究还很少。此类研究的薄弱影响了语义Web服务的广泛应用,而解决这类问题是一个全新而有意义的研究课题。本文利用领域本体、偏好、模糊描述逻辑、语义相似度、缺陷度量等知识和方法来描述和求解语义Web服务组合的可信性度量问题,主要的工作和成果如下:①解析了服务组合的可信属性针对目前服务组合可信属性架构模糊不清的问题,本文利用层次化的组合服务树(Composition Services Tree,CST)来明晰服务组合中可能涉及的可信属性,为服务组合的可信性度量打下基础。CST将服务组合中服务的基本形态分为原子服务和组合服务:原子服务的可信属性模型相对静态,故参照普通软件的可信属性来设计;而服务组合的可信属性框架较为动态,则采用基于调用的组合过程可信性分析方法(Trustworthiness Analysis of Composition based on Callings,TASCC)来剖析。②构建了服务组合可信需求的偏好本体针对服务组合语义建模困难的问题,本文利用偏好本体来描述服务组合的可信性需求,建立可信属性与可信需求之间的联系,为服务组合的可信度量指标提取和本体语义相似度计算提供支持。该方法首先在领域本体基本框架的基础上,利用概念分层(Concept Layered Model,CLM)和基于复合本体学习模型(Multiple Ontology Learning Model,MOLM)等知识获取手段,构建服务组合的领域本体,以描述服务组合的通用语义框架;然后利用功能偏好模型(Function Preference Model based on Concept,FPMC)和兴趣偏好模型(Interest Preference Model,IPM),在已建领域本体中加入偏好属性,建立服务组合可信需求的偏好本体,以描述服务组合的个性化语义元素。③建立了服务组合的可信度量指标体系针对可信度量指标难以直接提取和指标值难以正面求取的问题,本文提出了二维可信度量指标体系(Two-dimensional Trustworthy Metrics Indexes System,TTMIS),建立了服务组合的可信度量指标系统。TTMIS首先将可信度量指标的提取分为设计和实现两个阶段,以偏好本体中的概念、偏好和关系为数据来源,利用层次化设计指标系统(Hierarchical Design Index System for Services Composition,HDIS)和过程指标框架(Trustworthy Metrics Process Index System by Hybrid Modeling,TMPIS- HM),分别提取设计指标和实现指标;然后加入用户满意度因子来充分考虑服务组合中用户对服务组合可信度的特殊影响,并给出了用户满意度的估算方法;最后采用基于服务缺陷的可信度量元数据提取方法(Defect-based Trustworthy Metrics Element Data Extraction,DTMDE),利用服务缺陷来反面求解各个可信度量元的数据值,为服务组合的可信度计算提供原始数据集。④设计了服务组合的可信度量方法根据服务组合的可信属性框架、语义描述模型和度量指标系统,本文提出了面向偏好本体的服务组合可信性度量模型(Preference Ontology Oriented Trustworthy Metrics Model for Services Composition,POTMM-SC),通过在服务注册中心内部设置一个独立运算的可信度量中心(Trustworthiness Metric Center,TMC)来实现科学客观的可信性度量。POTMM-SC首先设计了原子服务可信度算法来推算原子服务的基本可信度,再根据服务组合的四种基本结构来计算子服务的中间可信度;然后利用本体语义相似度计算来确定服务组合的静态可信度,并设计了本地-全局综合可信度量模型(Local- Global Integrated Trustworthy Metrics Model,LGDTMM)来推算服务组合的动态可信度,从而得到服务组合的综合可信度。