CN101662489A - 语义Web服务的发现方法、装置及系统 - Google Patents

Abstract

本发明实施例公开了一种语义Web服务的发现方法、装置及系统，涉及网络通信技术领域，为实现能够在保证不降低语义Web服务发现的准确性的前提下，提高语义Web服务发现的效率而发明。其中所述方法包括：将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；接收提供语义Web服务请求，并获取所述请求中包括的请求服务的服务类型属性，功能属性及非功能属性；根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务进行逐级匹配，查找与所述请求服务相匹配的发布服务。本发明实施例主要用于语义Web服务发现技术中。

Description

语义Web服务的发现方法、装置及系统

技术领域

本发明涉及通信网络技术，尤其涉及一种语义Web服务的发现方法、装置及系统。

背景技术

语义Web服务是指从语义层面对Web服务的能力和属性进行描述，进而提出的对服务的语义描述的需求。它的主要任务是使数据能被计算机自动的处理和理解，其最终目标是让计算机可以在这些海量信息中找到所需要的任何信息，从而将万维网中现存的信息发展成一个巨大的全球信息库、知识库。

随着语义Web服务技术的不断发展，网络上部署的语义Web服务越来越多，语义Web服务注册中心如何尽快的查找到尽可能满足需求的服务，即服务的发现问题非常重要。目前，关于语义Web服务发现的相关技术方案有以下几种：

方案一：对请求语义Web服务的请求服务(简称请求服务)，与发布语义Web服务的发布服务(简称发布服务)的功能属性进行匹配，并根据请求服务与匹配服务的输入、输出的包含关系，将匹配程度由高到低划分为完全匹配、包含匹配、部分匹配和不匹配四个层次，以完成语义Web服务的发现。

方案二：在实现语义Web服务发现的过程中，在考虑方案一中的功能性属性的同时，将发布服务的将QoS(Quality of service，服务质量)作为语义Web服务匹配的一个要素来考虑。只有当发布服务的QoS满足请求服务的要求的时候，才完成了语义Web的发现过程。

方案三：根据语义距离来计算请求服务与发布服务的本体概念之间相似度。通过相似度的大小，确定与所述请求服务相匹配的发布服务，最终完成语义Web服务的发现。该方法还扩展了简单的包含匹配方式并且可以对匹配的结果进行排序，提高了服务匹配的质量。

但是，在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

上述三种方案在实现语义Web发现的过程中，只是考虑了服务发现的准确性，而没有将服务发现的效率考虑在内。也就是说，上述的四种方案，并没有提出高效率的实现语义Web服务发现的相关技术。

发明内容

本发明的实施例提供一种语义Web服务的发现方法、装置及系统，能够在保证不降低语义Web服务发现的准确性的前提下，提高语义Web服务发现的效率。

本发明实施例语义Web服务的发现方法采用以下技术方案：

一种语义Web服务的发现方法，包括如下步骤：

将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；

接收提供语义Web服务请求，并获取所述请求中包括的请求服务的服务类型属性，功能属性及非功能属性；

根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级匹配的输入，查找与所述请求服务相匹配的发布服务。

本发明实施例语义Web服务的发现装置采用以下技术方案：

一种语义Web服务的发现装置包括：

划分单元，用于将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；

信息获取单元，获取请求服务的服务类型属性，功能属性及非功能属性；

匹配单元，根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级的匹配输入，查找与所述请求服务相匹配的发布服务。

本发明实施例语义Web服务的发现系统采用以下技术方案：

一种语义Web服务的发现系统包括：语义Web服务请求方，语义Web服务注册中心，以及语义Web服务提供方；其中，

所述语义Web服务请求方，用于发送提供语义Web服务的请求；

所述语义Web服务注册中心用于将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分，并根据所述提供语义Web服务中所包括的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级的匹配输入，查找与所述请求服务相匹配的发布服务；

所述语义Web服务提供方，用于提供语义Web服务。

本发明实施例提供的语义Web服务的发现方法、装置及系统，通过将语义Web注册中心所发布的服务划分服务类型部分，功能属性部分，及非功能属性部分，然后根据获取的请求服务的服务类型属性，功能属性及非功能属性分别相应地与所述请求服务进行匹配，同时将上一级的匹配结果输出作为下一级的匹配输入。因此，本发明实施例能够在保证语义Web服务发现的准确性的前提下，提高语义Web服务发现的效率。

附图说明

图1为本发明实施例一语义Web服务的发现方法的流程图；

图2为本发明实施例一语义Web服务的发现方法的示意图；

图3为本发明实施例一中本体知识库的树形逻辑结构示意图；

图4和图5分别为本发明实施例二中发布服务的服务类型和参数类型树形结构图；

图6为利用本发明实施例所述的方法以及利用现有技术进行服务发现所耗费时间(近似代替服务发现效率)的比较示意图；

图7为分别选取匹配区间下界t＝0.3、t＝0.5和t＝0.7，利用本发明实施例所述的方法进行语义Web服务发现时的效果图；

图8为利用本发明实施例及现有技术中的方案分别进行语义Web服务发现的效果对比图；

图9为本发明实施例三语义Web服务的发现系统的示意图；

图10为本发明实施例三语义Web服务的发现系统的结构图；

图11为本发明实施例四语义Web服务注册中心的结构图；

图12为本发明实施例四语义Web服务注册中心的示意图；

图13为本发明实施例四语义Web服务注册中心的匹配单元中的服务类型匹配模块的结构图；

图14为本发明实施例四语义Web服务注册中心的匹配单元中的功能属性匹配模块的结构图；

图15为本发明实施例四语义Web服务注册中心的匹配单元中的非功能属性匹配模的结构图。

具体实施方式

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

如图1所示，本发明实施例一语义Web服务的发现方法包括如下步骤：

步骤11、根据语义Web服务注册中心的各发布服务的自身特性，将所述各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；

所述语义Web服务注册中心所发布的各种语义Web服务，也即发布服务可以构成一个匹配空间。在随后的匹配过程中，语义Web服务发现的过程也就是从这个匹配空间中查找与所述请求服务所匹配的发布服务的过程。

所述的服务类型可以包括：基础电信业务，网络智能业务，增值业务等，而所述网络智能业务还可包括：Parlay业务，Parlay X业务，其中Parlay X业务包括Parlay X语音业务及数据业务等。当然，所述服务类型还可包括其他内容。非功能属性部分可以包括该发布服务的QoS，资费的高低等。

步骤12、接收提供语义Web服务请求，并获取所述请求中包括的请求服务的服务类型属性，功能属性及非功能属性；

所述的提供语义Web服务请求可以直接来自语义Web服务请求方，也可是经由其他中间网络设备，如智能业务代理设备转发的提供语义Web服务请求。在所述请求中，包括了语义Web服务请求方的对语义Web服务的请求。例如，在所述的请求中包括了服务请求方想获得的语义Web服务为资费较低的第三方呼叫业务。那么根据所述请求，通过查找发布服务的各参数可知，满足语义Web服务请求方的要求的语义Web服务需具有服务类型为Parlay X下的语音业务，非功能属性为资费较低等内容。

步骤13、根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级匹配时的输入，查找与所述请求服务相匹配的发布服务。

在进行匹配的过程中，可具体按照如下的方式进行：

步骤131、根据所述请求服务的服务类型属性，分别与各发布服务的服务类型部分进行匹配，查找到具有所述服务类型属性的发布服务；

步骤132、以具有所述服务类型属性的发布服务为基础，根据所述请求服务的功能属性，查找到具有所述功能属性的发布服务；

步骤133、在步骤131以及步骤132的基础上，也即在具有所述服务类型属性以及功能属性的发布服务中，根据所述请求服务的非功能属性，查找到具有所述非功能属性的发布服务。

这样，就可查找到与所述请求服务相匹配的发布服务，从而完成了语义Web服务的发现过程。

通过上述过程可以看出，按照上述的方式完成语义Web服务发现过程，在进行下一级匹配时，它的输入为上一级的匹配结果输出。也就是说，进行每级匹配时的所能够选择的发布服务个数不断的减少，并且每个发布服务均是同时能够满足N-1级的匹配要求(其中N为匹配的级数)。因此，利用本发明实施例所述的方法不但能够保证语义Web服务发现的准确性，还能够提高语义Web服务发现的效率。

当然，将各发布服务按照服务类型匹配、功能属性匹配、非功能属性匹配的方式逐级进行匹配只是能够保证语义Web服务发现的最好效率的一种实现方式。在具体应用中，还可按照其他的顺序进行。但是无论采用何种顺序进行匹配，其原理与上述的步骤131-133的过程相同。

如图2所示，为了能够使得语义Web服务请求方能够直观的观测到匹配结果，本发明实施例一还包括：

步骤14、所述语义Web服务注册中心向所述服务请求方发送匹配结果。

下面结合具体实施例分别描述一下是如何实现服务类型匹配，功能属性匹配，以及非功能属性匹配的。

在描述本发明实施例如何发现与所述请求服务相对应的发布服务的过程之前，首先介绍两个概念：语义相似度及启发函数。

(1)语义相似度

语义相似度时用来衡量两个本体概念之间的相似程度的。在具体应用中，由于网络环境的限制，在实现服务发现前，服务请求方与服务提供方是相互隔离的，这就导致对同一个本体概念的描述存在不一致的情况。因此，有必要在统一的领域本体知识库中衡量两个本体概念的相似度。

为了方便计算语义相似度，在本发明的实施例中，如图3所示，根据领域本体知识库的内在逻辑将其抽象为一棵本体树，树中的每一个节点对应本体库中的一个概念。

如果本体概念

，则称本体概念o₁是本体概念o₂的上位概念；否则本体概念o₁是本体概念o₂的下位概念。本体概念o的所有上位概念的集合称为上位概念集，记作OS。因此，任意两个本体概念o_ij和o_st之间的语义相似度sim(o_ij，o_st)∈[0，1]可以表示为：

$\mathrm{sim}(o_{\mathrm{ij}},o_{\mathrm{st}})=\left\{\begin{array}{cc}1& O_{\mathrm{ij}}S\&equiv;O_{\mathrm{st}}S;\\ \frac{\mathrm{sim}(o_{\mathrm{ij}},o_{00})}{\mathrm{sim}(o_{\mathrm{st}},o_{00})}& \mathrm{\&phi;}\&Subset;O_{\mathrm{ij}}S\&cap;O_{\mathrm{st}}S\&Subset;U,\mathrm{sim}(o_{\mathrm{ij}},o_{00})<\mathrm{sim}(o_{\mathrm{st}},o_{00});\\ \frac{\mathrm{sim}(o_{\mathrm{st}},o_{00})}{\mathrm{sim}(o_{\mathrm{ij}},o_{00})}& \mathrm{\&phi;}\&Subset;O_{\mathrm{ij}}S\&cap;O_{\mathrm{st}}S\&Subset;U,\mathrm{sim}(o_{\mathrm{st}},o_{00})<\mathrm{sim}(o_{\mathrm{ij}},o_{00});\\ 0& O_{\mathrm{ij}}S\&cap;O_{\mathrm{st}}S=\mathrm{\&phi;}\end{array}\right.---\left(1\right)$

其中， $\mathrm{sim}(o_{\mathrm{ij}},o_{00})=\frac{|O_{\mathrm{ij}}S\&cap;O_{00}S|}{|O_{\mathrm{ij}}S\&cup;O_{00}S|},$ $\mathrm{sim}(o_{\mathrm{st}},o_{00})=\frac{|O_{\mathrm{st}}S\&cap;O_{00}S|}{|O_{\mathrm{st}}S\&cup;O_{00}S|}.$

这里需要说明，在本发明的实施例中，所述的语义相似度的值是一维的，这是因为比较语义相似度的前提条件是对具体领域的知识有共同的认识，确定比较的范围，从而对两个本体概念进行比较。在实际操作中，通过抽象具体领域中的具体概念，并将这些概念以树型结构的形式组织起来。这样，领域中的每个本体概念都有关联，从而为领域中本体概念之间的比较奠定了基础。针对不同的领域，不同的概念，可以构建不同的树形结构。在树形结构确定的情况之下，每个本体概念作为树中的节点，既可以是叶节点也可以是非叶节点。在树形结构中，两个叶节点(本体)之间的比较，结果多是一维的。

但是，实际情况下，本体相似度的比较存在另外一种情况，即参与比较的两个本体分别具有多个属性，那么这样的两个本体就不能直接抽象为树形结构中的两个叶节点，即不能直接比较。而是需要对两个本体的属性之间分别进行比较。由于本体的属性值也依然是本体，因此，就可将两个本体的比较转换为比较若干个属性本体的语义相似度。在具体计算某个属性本体的语义相似度时，计算结果仍可以是一维的。当得到所有属性本体的语义相似度之后，这些属性本体的语义相似度就构成一个多维的向量(或1*n阶的矩阵)，然后通过一定的运算规则，得到最终的语义相似度。该最终的语义相似度仍然是一维的。

由上述可知，两个本体概念相似度的值是相对的，而不是绝对的，它只是用来衡量两个概念的差异。因此，本体相似度可以表示为一维的形式，也是为了比较的方便。

需要说明的是，在本发明的实施例中语义相似度和服务匹配度(在本发明实施例中包括服务类型匹配度，功能属性匹配度，以及非功能属性匹配度)是不同的概念。语义相似度是针对两个本体概念而言的，它是一维的；而服务匹配度则针对于两个语义Web服务，它是多维的，可以用1*n阶的矩阵来表示。由于语义Web服务是由本体及本体之间的关系构成的，因此，服务匹配度的计算最终可以分解为多个语义相似度的计算。从这个意义上来讲，服务匹配度是广义上的语义相似度。

在实际的操作过程中，当具体到某两个本体概念进行比较时，是计算两者的语义相似度；而两个服务进行比较时，是计算两者的服务匹配度，服务匹配度计算的前提条件是得到语义相似度。服务匹配度可以按照如下计算方式进行计算：

${\mathrm{match}}_{\mathrm{FAO}}({\mathrm{FASO}}_i,{\mathrm{FAO}}_{\mathrm{RS}})={\left(\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{sim}}_{\max }({\mathrm{output}}_{\mathrm{iRS}},{\mathrm{output}}_j)\right)}^{\frac{1}{n}}---\left(2\right)$

其中，服务匹配度由Match()表示，语义相似度由Sim()表示。

(2)启发函数

如果任意函数f(x)依赖于与问题有关的启发信息，则该函数称为启发函数。换句话说，启发函数是启发信息的载体。

在本发明实施例中，利用一个分段函数来完成信息启发的功能，所以这个函数可以称为启发函数，并用来选择进行下一级匹配的发布服务。若请求服务和发布服务的服务匹配度match(RS，AS_i)在区间[t，1]上，启发函数的值则为1，表示该发布服务AS_i可以作为进行下一级匹配的发布服务；否则，启发函数的值为0，表示该发布服务AS_i不能作为进行下一级匹配的发布服务。

该分段函数的表达式如下：

$f_{{\mathrm{AS}}_i}\left(t\right)=\left\{\begin{array}{cc}0& \mathrm{match}(\mathrm{RS},{\mathrm{AS}}_i)\&NotElement;[t,1],t\&GreaterEqual;0;\\ 1& \mathrm{match}(\mathrm{RS},{\mathrm{AS}}_i)\&Element;[t,1],t\&GreaterEqual;0;\end{array}\right.,---\left(3\right)$

其中，match(RS，AS_i)为请求服务和发布服务的服务匹配度，区间[t，1]称为匹配区间，t为区间[t，1]的下界，也成为匹配阈值。

需要说明的是，启发函数不限于上述一种情况，比如下述的函数也可用于服务的发现过程。

$f_{{\mathrm{AS}}_i}\left(t\right)=\frac{\mathrm{sgn}[\underset{k=0}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{match}}_{\left(k\right)}(\mathrm{RS},{\mathrm{AS}}_i)-t]+1}{2}---\left(4\right)$

其中，n＝{0，1，2}，依次分别对应由进行匹配的发布服务所构成的空间。

该函数表示，在计算启发函数的值时，不仅需要考虑当前级匹配的服务匹配度的值，还需要考虑前一级服务匹配度的值。因为若前一级服务匹配度的值越小，意味着这个发布服务成为匹配的发布服务的可能性越小。也就是说，此种启发函数将前一级服务匹配度的值对整个匹配过程的影响体现出来并加以考虑，可以大大加快服务匹配的效率。

在本发明的实施例二中，以下将以公式(3)所示的第一种启发函数，也即分段函数为例进行描述。

假设语义Web服务注册中心发布的服务及其相关属性参数如表1及表2所示。

表1

表2

参数(实例)	参数类型(本体)	参数(实例)	参数类型(本体)
				P1_output	result	P2_input_3	charging
P1_input_1	calledParty	P3_output	result
				P1_input_2	calllingParty	P3_input_1	destinationAddress
P1_input_3	charging	P3_input_2	message
				P2_output	result	P3_input_3	sender
P2_input_1	calledParty	P3_input_4	charging

P2_input_2

callingParty

其中，所述result表示结果，calledParty表示被叫方，calllingParty表示主叫方，charging表示计费，destinationAddress表示目的地址，message表示信息，sender表示发送方，用High表示高的Qos，Low表示低的Qos，Expensive表示较高的资费，Low表示较低的资费。

假设，如果服务请求方希望使用一个第三方呼叫的业务，但是不关心业务的QoS，但是需要业务的资费比较低廉。分析所述服务请求方的请求，可获得请求服务的服务类型属性，功能属性，及非功能属性如表3所示，各参数及其参数类型如表4所示。

表3

表4

参数(实例)	参数类型(本体)	参数(实例)	参数类型(本体)
				R_output	Result	R_input_2	calllingParty
R_input_1	calledParty	R_input_3	Charging

由表1到表4可以看出，各个参数的参数类型是本体，输入输出参数是本体类的实例。因此，在本发明实施例中的输入、输出参数不再是普通数据类型，而是本体数据类型。这是语义Web服务和Web服务的不同之一。在实际应用当中，服务提供商(SP)或服务请求方可以根据自身业务的需要自定义输入输出参数，但是输入输出的参数类型须是本体类型。

按照前面所述，为方便计算语义相似度，在本发明的实施例中将发布服务的服务类型和参数类型分别按照图4和图5所示的构成树形结构。

(一)查找具有与所述请求服务的服务类型属性的发布服务。在此过程中，可以具体包括以下步骤：

步骤101、根据所述请求服务的服务类型属性，计算所述请求服务的服务类型与各发布服务的服务类型部分的服务类型语义相似度；

以请求服务的服务类型和发布服务中短信息业务的服务类型之间的语义相似度比较为例，来说明语义本体相似度的计算过程。

请求服务的服务类型是Parlay X下的语音业务，简记为i；短信息业务的服务类型是Parlay X下的数据业务，简记为j，两者的相似度记为sim(i，j)。上位概念集是按照图4所示树图的先序遍历给出的。如：节点i先序遍历所经过的节点为a，b，c，e，f，i；节点j先序遍历所经过的节点为a，b，c，e，f，i，j。

因此，i的上位概念集IS为{a，b，c，e，f，i}，j的上位概念集JS为{a，b，c，e，f，i，j}，根节点a电信业务的上位概念集AS为{a}。因此，上位概念集IS的阶|IS|＝6，上位概念集JS的阶|JS|＝7，上位概念集AS的阶|AS|＝1。所以，按照公式(1)所示，可计算得出：

由于sim(j，a)＜sim(i，a)，

所以

同理，可以得出请求服务和语义Web注册中心所提供的其它发布服务之间语义相似度分别为1、1、0.67。

步骤102、根据得到的服务类型语义相似度生成服务类型匹配度矩阵；

根据步骤101计算得到的请求服务与发布业务的服务类型之间的语义相似度，可得服务类型语义相似度矩阵为[1 1 0.86 0.67]。

步骤103、根据所述服务类型匹配度矩阵，调节匹配阈值，得到具有启发信息的服务类型匹配度矩阵，并将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配的输入。

此步骤的基本原理是：首先，将所述服务类型匹配度矩阵与启发函数相乘，得到中间服务类型匹配度矩阵；然后调节匹配阈值，将所述中间服务类型匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间服务类型匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的服务类型匹配度矩阵；最后将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配的输入。

具体地，实现过程主要是将公式(3)所示的启发函数与服务类型语义相似度矩阵进行相乘，即f(AS_i)·[1 1 0.86 0.67]，并调节启发函数的匹配区间下界，即匹配阈值，使其的取值为t＝0.7，得到具有启发信息的服务类型匹配度矩阵为[1 1 1 0]。

将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配时的输入，即进行下一级匹配的发布服务为第三方呼叫业务A，第三方呼叫业务B，短消息业务。从而IP电话业务被过滤，不再进行后续的匹配，为服务的匹配过程减少了冗余。

(二)查找具有请求服务的功能属性的发布服务。此步骤，就是在第三方呼叫业务A，第三方呼叫业务B，短消息业务中查找与请求业务相匹配的发布服务的过程。

由表1-表4可以看出，所述请求服务的功能属性包括输入属性和输出属性，所述发布服务的功能属性部分也相应地包括输入部分和输出部分。基于查找匹配的发布服务的过程如下：

步骤201、分别计算所述各发布服务的输出部分与所述请求服务的输出属性的输出匹配度；

还是以请求服务和短信息业务的功能属性之间的匹配为例，来说明功能属性的匹配过程。

如图5所示，其中，Parameter(参数)是所有参数类型的父节点，即所有的参数类型都是继承Parameter本体类。由于功能属性包括服务的输出属性和服务的输入属性，因此，需要分别比较请求服务与发布服务的输出参数和输入参数。

在比较请求服务的输出参数R_output和发布服务的输出参数P1_output时，由于请求服务的R_output和发布服务的P1_output只是参数类型的实例，而参数类型是本体，因此，请求服务的R_output和发布服务的P1_output之间的比较等价于本体result和calledParty之间的比较。也就是说，两个参数之间的比较可以归结为比较两个本体之间的语义相似度。

由表3可得，请求服务的输出参数R_output，其参数类型为result(本体类型)，短信息业务的输出参数为P3_output，其参数类型为result。参数R_output和P3_output的语义相似度比较等价于本体result和result的比较，很显然，两者之间的语义相似度为1。因此，请求服务和短信息业务的输出参数的输出匹配度为1。

步骤202、分别计算所述各发布服务的输入部分与所述请求服务的输入属性的输入匹配度；

由表3可得，请求服务的输入参数R_input_1、R_input_2和R_input_3，其参数类型分别为：calledParty、calllingParty和charging。短信息业务的输入参数P3_input_1、P3_input_2、P3_input_3和P3_input_4，其参数类型分别为destinationAddress、message、sender和charging。

首先，根据公式(1)将请求服务的第一个输入参数R_input_1分别与短信息业务的四个输入参数依次比较，得到的请求服务与短信息业务的第一个输入参数的语义相似度分别为：1/2、3/10、3/11和3/8。在这四个语义相似度(1/2、3/10、3/11、3/8)中选取最大的值作为输入参数R_input_1与短信息业务的输入匹配度，即输入匹配度为1/2。

接着，请求服务的第二个输入参数R_input_2也如同参数R_input_1的操作，得到与短消息业务的输入匹配度为2/3。

最后，请求服务的第三个参数R_input_3也进行上述同样的操作，得到与短信息业务的输入匹配度为1。

步骤203、根据请求服务与发布服务的各输出匹配度和输入匹配度，计算各发布服务的功能属性匹配度；

也即，将分别得到的请求服务各输入参数与各发布服务的输入参数的输入匹配度，取其几何平均值。即，将请求服务的三个输入参数与短信息业务之间的输入匹配度1/2、2/3、1，取几何平均值

据此可得出，请求服务与短消息业务的输入匹配度为0.69。

步骤204、根据得到的各输出匹配度和输入匹配度，计算各发布服务的功能属性匹配度；

将请求服务的输出匹配度和输入匹配度值取几何平均值

即得到请求服务与短消息业务的功能属性匹配度为0.83。

同理，可以得到请求服务与第三方呼叫业务A的功能属性匹配度为1；与第三方呼叫业务B的功能属性匹配度为1。

步骤205、根据各发布服务的功能属性匹配度，生成功能属性匹配度矩阵；

因此，请求服务与这三个发布服务之间的功能属性匹配度矩阵为[1 1 0.83]。

步骤206、根据所述功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的功能属性匹配度矩阵，并将所述具有启发信息的功能属性匹配度矩阵中非零元素对应的发布服务作为对发布服务的非功能属性部分进行匹配的输入。

此步骤的基本原理是：首先将所述功能属性匹配度矩阵与启发函数相乘，得到中间功能属性匹配度矩阵；然后调节匹配阈值，将所述中间功能属性匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间功能属性匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的功能属性匹配度矩阵；最后将所述具有启发信息的功能属性匹配度矩阵中非零元素对应的发布服务作为对发布服务的非功能属性部分进行匹配的输入。

具体地，将公式(3)所示的启发函数作用于功能属性匹配度矩阵，取匹配区间下界即其匹配阈值t＝0.85，则具有启发信息的功能属性匹配度矩阵为[1 1 0]。

因此，第三方呼叫业务A和第三方呼叫业务B将作为对下一级进行匹配时的输入，而短信息业务被过滤，不再进行后续的匹配，减少匹配过程的冗余。

(三)查找具有所述非功能属性的发布服务。

在此过程中，首先需要根据所述请求服务的非功能属性，计算所述请求服务的非功能属性与各发布服务的非功能属性部分的非功能属性语义相似度；然后根据得到的非功能属性语义相似度生成非功能属性匹配度矩阵；根据所述非功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的非功能属性匹配度矩阵；其中，在所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务为与所述请求服务相匹配的发布服务。

其中，得到所述具有启发信息的非功能属性匹配度矩阵的过程如下：将所述非功能属性匹配度矩阵与启发函数相乘，得到中间非功能属性匹配度矩阵；然后调节匹配阈值，将所述中间非功能属性匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间非功能属性匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的非功能属性匹配度矩阵。

在具体应用中，按照上述原理，如表3所示，请求服务的非功能属性参数QoS的值为Low，资费的值为Cheap。其中，这里的Low和Cheap是本体类型参数，而不是字符串。在本体Low的定义中，通过属性Restrict可以约束Low的取值范围，即QoS在某个范围之内才称为低的QoS。在实际操作中，QoS可以表现为时延、误码率、接通率等具体指标。同理，资费在某个范围之内才称之为便宜资费。

首先，将请求服务的QoS与第三方呼叫业务A的QoS相匹配。由于第三方呼叫业务A的QoS值为High，因此，通过比较两者的约束范围，得出请求服务的QoS与第三方呼叫业务A的QoS的语义相似度为0。

同样，请求服务的资费与第三方呼叫业务A的资费的语义相似度为0，取两个语义相似度的几何平均值，因此，请求服务和第三方呼叫业务A在非功能属性空间的匹配度为0。

同理可知，请求服务和第三方呼叫业务A在非功能属性空间的匹配度为1。

通过上述过程即可得出，最终和请求服务匹配的业务是第三方呼叫业务B。至此，完成了整个语义Web服务发现的过程。

为了验证本发明实施例的效果，做如下试验。其中试验环境为：操作系统为windows XP，CPU主频3.4GHz，内存容量3GB，并且选取100个部署在语义Web服务中心上的语义Web服务作为实验对象。这100个语义Web服务分为第三方呼叫服务、天气预报服务、图书订购服务、紧急呼叫服务、短信息服务、终端位置服务、网络发起呼叫服务、业务计费服务、用户状态服务等几类。在100个进行试验的发布服务中，每次随机抽取20、40、60、80、100个服务组成服务匹配空间，来验证本发明实施例所述的方法的性能。

如图6所示，为在匹配区间下界t＝0和t＝0.5两种情况下，对利用本发明实施例所述的方法以及利用现有技术进行服务发现所耗费时间(近似代替服务发现效率)的比较。图6中横轴表示参与服务发现的发布服务的数量，纵轴表示查询服务所需时间。该时间定义为查询消息被服务匹配引擎处理到服务查询列表返回的时间差。总体来讲，在每个测试点，引入启发信息后的服务发现所耗费的时间要小于未引入启发信息的服务发现。这是因为通过引入启发信息，筛选掉大量不满足要求的服务，减少进入下一个匹配子空间的服务数量，避免了大量的重复计算。同时也验证了通过引入启发信息，可以提高语义Web服务的发现效率。

图7所示是分别选取匹配区间下界t＝0.3、t＝0.5和t＝0.7，来验证服务发现效率与匹配区间下界t有关。从总体上看，在每个测试点，随着匹配区间下界t取值的增大，服务发现所耗费的时间在减小。因为随着匹配区间下界t取值的增大，匹配区间[t，1]不断缩小，服务匹配度match(RS，AS_i)落入区间[t，1]的概率在减小，从而减少了进行下一级匹配的发布服务的数量，提高了语义Web服务的发现效率。

因此，可以得出，随着匹配区间下界取值的增大，服务发现的效率不断提高。但是考虑到若匹配区间下界取值过大，可能会出现服务发现结果为空的现象，所以，需要合理选择匹配区间下界的取值。在具体应用中，可根据多次试验得出对t的经验值，并以此经验值作为匹配区间的下届，也即匹配阈值。

同时，为了验证本发明实施例中方法的查准率，本发明实施例与以下两个个文献中的方法进行比较。上述两个文献分别是：文献一：《基于本体论和词汇语义相似度的Web服务发现》(吴健，吴朝晖，李莹，邓水光，计算机学报，2005，28(4)：595-602)；文献二：《基于语义扩展的Web服务发现方法》(张正，左春，王裕国.通信学报，2007，28(1)：57-63)。其中，在文献一中描述了两种实现语义Web服务发现的方法，在文献二中描述了一种实现语义Web服务发现的方法。为方面描述，将两个文献中的三种方法分别称为方法一，方法二，以及方法三。

本发明实施例中的实验样本为100个。在图8中，分别用1，2，3，4，5表示方法一，方法二，方法三，以及本发明实施例匹配区间下界在t＝0.7及t＝0.5时的查询率情况。由图8可以看出，现有技术的方法一，方法二，以及方法三的查准率分别为81％，83％以及79％。而本发明匹配区间下界t＝0.7和t＝0.5条件下，查准率分别为83.3％和80.7％。由此可见，本发明实施例的方法能够提高对语义Web服务发现的效率。

此外，本发明实施例还提供了一种语义Web服务的发现系统。

如图9所示，本发明实施例三所述的语义Web服务的发现系统包括语义Web服务请求方31，语义Web服务注册中心32，以及语义Web服务提供方33。其中，所述语义Web服务请求方31，用于发送提供语义Web服务的请求；所述语义Web服务注册中心32用于将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分，并根据所述提供语义Web服务中所包括的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级的匹配输入，查找与所述请求服务相匹配的发布服务；所述语义Web服务提供方33，用于提供语义Web服务。

同时，如图10所示，为了进一步的提高语义Web服务发现的效率，本发明实施例所述的系统还包括：智能业务代理设备34，用于根据所述语义Web服务请求方的要求，生成与所述请求相对应的本体文件，并将所述请求以及本体文件发送给所述语义Web服务注册中心。此时，所述智能业务代理设备34还可用于将所述语义Web服务注册中心的匹配结果转发给所述语义Web服务请求。

如图11所示，本发明实施例四所述的语义Web服务注册中心32包括如下组成部分：划分单元41，信息获取单元42，以及匹配单元43。其中，

划分单元41，用于根据语义Web服务注册中心的各发布服务的自身特性，将所述各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；

信息获取单元42，获取请求服务的服务类型属性，功能属性及非功能属性；

匹配单元43，根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为下一级的匹配输入，查找与所述请求服务相匹配的发布服务。

为了方便服务请求方获得匹配结果，本发明实施例四所述语义Web服务注册中心还可包括：发送单元44，用于发送匹配结果。

其中，如图12所示，所述匹配单元43还可包括：

服务类型匹配模块431，用于根据所述请求服务的服务类型属性，分别与各发布服务的服务类型部分进行匹配，查找到具有所述服务类型属性的发布服务；

功能属性匹配模块432，用于根据所述请求服务的功能属性，在所述具有所述服务类型属性的发布服务中，查找到具有所述功能属性的发布服务；

非功能属性模块433，用于根据所述请求服务的非功能属性，在所述具有功能属性的发布服务中，查找到具有所述非功能属性的发布服务。

而如图13所示，所述服务类型匹配模块431包括：

第一计算子模块4311，用于根据所述请求服务的服务类型属性，计算所述请求服务的服务类型与各发布服务的服务类型部分的服务类型语义相似度；

第一矩阵生成子模块4312，用于根据得到的服务类型语义相似度生成服务类型匹配度矩阵；

第一匹配子模块4313，用于根据所述服务类型匹配度矩阵，调节匹配阈值，得到具有启发信息的服务类型匹配度矩阵，并将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配的输入。

如图14所示，所述功能属性匹配模块432包括：

第二计算模块4321，用于分别计算所述各发布服务的输入部分与所述请求服务的输入属性的输入匹配度；

第三计算模块4322，用于分别计算所述各发布服务的输出部分与所述请求服务的输出属性的输出匹配度；

第四计算模块4323，用于根据得到的各输入匹配度和输出匹配度，计算各发布服务的功能属性匹配度；

第二矩阵生成子模块4324，用于根据各发布服务的功能属性匹配度，生成功能属性匹配度矩阵；

第二匹配子模块4325，用于根据所述功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的功能属性匹配度矩阵，并将所述具有启发信息的功能属性匹配度矩阵中非零元素对应的发布服务作为对发布服务的非功能属性部分进行匹配的输入。

如图15所示，所述非功能属性匹配模块433包括：

第五计算子模块4331，用于根据所述请求服务的非功能属性，计算所述请求服务的非功能属性与各发布服务的非功能属性部分的非功能属性语义相似度；

第三矩阵生成子模块4332，用于根据得到的非功能属性语义相似度生成非功能属性匹配度矩阵；

第三匹配子模块4333，用于根据所述非功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的非功能属性匹配度矩阵；其中，在所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务为与所述请求服务相匹配的发布服务。

本发明实施例提供的语义Web服务的发现方法、装置及系统，通过将语义Web注册中心所发布的服务划分服务类型部分，功能属性部分，及非功能属性部分，然后根据获取的请求服务的服务类型属性，功能属性及非功能属性分别相应地与所述请求服务进行匹配，同时将上一级的匹配结果输出作为下一级的匹配输入。因此，本发明实施例能够在保证语义Web服务发现的准确性的前提下，提高语义Web服务发现的效率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (19)

1、一种语义Web服务的发现方法，其特征在于，所述方法包括如下步骤：

根据语义Web服务注册中心的各发布服务的自身特性，将所述各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；

接收提供语义Web服务请求，并获取所述请求中包括的请求服务的服务类型属性，功能属性及非功能属性；

根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级匹配的输入，查找与所述请求服务相匹配的发布服务。

2、根据权利要求1所述的语义Web服务的发现方法，其特征在于包括：

根据所述请求服务的服务类型属性，分别与各发布服务的服务类型部分进行匹配，查找到具有所述服务类型属性的发布服务；

根据所述请求服务的功能属性，在所述具有所述服务类型属性的发布服务中，查找到具有所述功能属性的发布服务；

根据所述请求服务的非功能属性，在所述具有功能属性的发布服务中，查找到具有所述非功能属性的发布服务。

3、根据权利要求2所述的语义Web服务的发现方法，其特征在于包括：

根据所述请求服务的服务类型属性，计算所述请求服务的服务类型与各发布服务的服务类型部分的服务类型语义相似度；

根据得到的服务类型语义相似度生成服务类型匹配度矩阵；

根据所述服务类型匹配度矩阵，调节匹配阈值，得到具有启发信息的服务类型匹配度矩阵，并将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配时的输入。

4、根据权利要求3所述的语义Web服务的发现方法，其特征在于包括：根据所述服务类型匹配度矩阵，调节匹配阈值，得到具有启发信息的服务类型匹配度矩阵的步骤具体为：

将所述服务类型匹配度矩阵与启发函数相乘，得到中间服务类型匹配度矩阵；

调节匹配阈值，将所述中间服务类型匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间服务类型匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的服务类型匹配度矩阵。

5、根据权利要求2所述的语义Web服务的发现方法，其特征在于包括：

分别计算所述各发布服务的输出部分与所述请求服务的输出属性的输出匹配度；

分别计算所述各发布服务的输入部分与所述请求服务的输入属性的输入匹配度；

根据得到的各输出匹配度和输入匹配度，计算各发布服务的功能属性匹配度；

根据各发布服务的功能属性匹配度，生成功能属性匹配度矩阵；

根据所述功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的功能属性匹配度矩阵，并将所述具有启发信息的功能属性匹配度矩阵中非零元素对应的发布服务作为对发布服务的非功能属性部分进行匹配时的输入。

6、根据权利要求5所述的语义Web服务的发现方法，其特征在于，根据所述功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的功能属性匹配度矩阵的步骤具体为：

将所述功能属性匹配度矩阵与启发函数相乘，得到中间功能属性匹配度矩阵；

调节匹配阈值，将所述中间功能属性匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间功能属性匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的功能属性匹配度矩阵。

7、根据权利要求5或6所述的语义Web服务的发现方法，其特征在于，分别计算所述各发布服务的输出部分与所述请求服务的输出属性的输出匹配度的步骤包括：

依次计算所述请求服务的每个输出属性，与所述发布服务的所有输出部分的输出语义相似度，选择其中最大的输出语义相似度作为该输出属性与发布服务的输出属性之间的输出匹配度；

对计算得出的所有输出匹配度取几何平均值的结果，作为所述请求服务的输出属性和发布服务的输出部分之间的输出匹配度；

所述分别计算所述各发布服务的输入部分与所述请求服务的输入属性的输入匹配度的步骤包括：

依次计算所述请求服务的每个输入属性，与所述发布服务的所有输入部分的输入语义相似度，选择其中最大的输入语义相似度作为该输入属性与发布服务的输入属性之间的输入匹配度；

对计算得出的所有输入匹配度取几何平均值的结果，作为所述请求服务的输入属性和发布服务的输入部分之间的输入匹配度。

8、根据权利要求2所述的语义Web服务的发现方法，其特征在于，所述根据所述请求服务的非功能属性，在所述具有功能属性的发布服务中，查找到具有所述非功能属性的发布服务的步骤包括：

根据所述请求服务的非功能属性，计算所述请求服务的非功能属性与各发布服务的非功能属性部分的非功能属性语义相似度；

根据得到的非功能属性语义相似度生成非功能属性匹配度矩阵；

根据所述非功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的非功能属性匹配度矩阵；其中，在所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务为与所述请求服务相匹配的发布服务。

9、根据权利要求8所述的语义Web服务的发现方法，其特征在于，根据所述非功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的非功能属性匹配度矩阵的步骤具体为：

将所述非功能属性匹配度矩阵与启发函数相乘，得到中间非功能属性匹配度矩阵；

调节匹配阈值，将所述中间非功能属性匹配度矩阵的各元素中大于所述匹配阈值的元素定义为1，将所述中间非功能属性匹配度矩阵的各元素中小于所述匹配阈值的元素定义为0，得到具有启发信息的非功能属性匹配度矩阵。

10、根据权利要求1-6，8，9任一权利要求所述的语义Web服务的发现方法，其特征在于，所述方法还包括：

发送匹配结果。

11、一种语义Web服务的发现装置，其特征在于，所述装置包括：

划分单元，用于根据语义Web服务注册中心的各发布服务的自身特性，将所述各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分；信息获取单元，获取请求服务的服务类型属性，功能属性及非功能属性；

匹配单元，根据获得的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级的匹配输入，查找与所述请求服务相匹配的发布服务。

12、根据权利要求11所述的语义Web服务的发现装置，其特征在于，所述匹配单元包括：

服务类型匹配模块，用于根据所述请求服务的服务类型属性，分别与各发布服务的服务类型部分进行匹配，查找到具有所述服务类型属性的发布服务；

功能属性匹配模块，用于根据所述请求服务的功能属性，在所述具有所述服务类型属性的发布服务中，查找到具有所述功能属性的发布服务；

非功能属性模块，用于根据所述请求服务的非功能属性，在所述具有功能属性的发布服务中，查找到具有所述非功能属性的发布服务。

13、根据权利要求11所述的语义Web服务的发现装置，其特征在于，所述服务类型匹配模块包括：

第一计算子模块，用于根据所述请求服务的服务类型属性，计算所述请求服务的服务类型与各发布服务的服务类型部分的服务类型语义相似度；

第一矩阵生成子模块，用于根据得到的服务类型语义相似度生成服务类型匹配度矩阵；

第一匹配子模块，用于根据所述服务类型匹配度矩阵，调节匹配阈值，得到具有启发信息的服务类型匹配度矩阵，并将所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务作为对发布服务的功能属性部分进行匹配的输入。

14、根据权利要求11所述的语义Web服务的发现装置，其特征在于，所述功能属性匹配模块包括：

第二计算模块，用于分别计算所述各发布服务的输入部分与所述请求服务的输入属性的输入匹配度；

第三计算模块，用于分别计算所述各发布服务的输出部分与所述请求服务的输出属性的输出匹配度；

第四计算模块，用于根据得到的各输入匹配度和输出匹配度，计算各发布服务的功能属性匹配度；

第二矩阵生成子模块，用于根据各发布服务的功能属性匹配度，生成功能属性匹配度矩阵；

第二匹配子模块，用于根据所述功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的功能属性匹配度矩阵，并将所述具有启发信息的功能属性匹配度矩阵中非零元素对应的发布服务作为对发布服务的非功能属性部分进行匹配的输入。

15、根据权利要求11所述的语义Web服务的发现装置，其特征在于，所述非功能属性匹配模块包括：

第五计算子模块，用于根据所述请求服务的非功能属性，计算所述请求服务的非功能属性与各发布服务的非功能属性部分的非功能属性语义相似度；

第三矩阵生成子模块，用于根据得到的非功能属性语义相似度生成非功能属性匹配度矩阵；

第三匹配子模块，用于根据所述非功能属性匹配度矩阵，调节匹配阈值，得到具有启发信息的非功能属性匹配度矩阵；其中，在所述具有启发信息的服务类型匹配度矩阵中非零元素对应的发布服务为与所述请求服务相匹配的发布服务。

16、根据权利要求11-15任一权利要求所述的语义Web服务的发现装置，其特征在于，所述装置还包括：

发送单元，用于发送匹配结果。

17、一种语义Web服务的发现系统，其特征在于，所述系统包括：语义Web服务请求方，语义Web服务注册中心，以及语义Web服务提供方；其中，

所述语义Web服务请求方，用于发送提供语义Web服务的请求；

所述语义Web服务注册中心用于将语义Web服务注册中心的各发布服务至少划分成服务类型部分，功能属性部分，及非功能属性部分，并根据所述提供语义Web服务中所包括的请求服务的服务类型属性，功能属性及非功能属性，按照预定的匹配策略，将所述请求服务分别与所述发布服务的服务类型部分，功能属性部分，及非功能属性部分进行逐级匹配，并将上一级的匹配结果输出作为进行下一级的匹配输入，查找与所述请求服务相匹配的发布服务；

所述语义Web服务提供方，用于提供语义Web服务。

18、根据权利要求17所述的语义Web服务的发现系统，其特征在于，所述系统还包括：

智能业务代理设备，用于根据所述语义Web服务请求方的要求，生成与所述请求相对应的本体文件，并将所述请求以及本体文件发送给所述语义Web服务注册中心。

19、根据权利要求17所述的语义Web服务的发现系统，其特征在于，所述语义Web服务注册中心还用于向所述语义Web服务请求方发送匹配结果；

所述智能业务代理设备用于将所述语义Web服务注册中心的匹配结果转发给所述语义Web服务请求。

Images