CN101674328B - 基于语义和QoS约束的主体服务描述和匹配方法 - Google Patents

Abstract

本发明公开了基于语义和QoS约束的主体服务描述和匹配方法，综合考虑语义和QoS属性，对主体服务进行描述和匹配。本发明由主体服务描述和主体服务匹配过程组成。其中，主体服务描述能对主体服务进行通用描述、功能描述和服务质量属性描述；主体服务匹配能根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务。本发明能对主体服务进行能力的全面描述，并能综合考虑语义和QoS对主体服务匹配的影响，根据主体服务请求，客观、公平地选择出满足语义条件、且QoS性能最佳的一个或多个主体服务，解决了现有方法中服务质量和语义没有较好结合、匹配效果不准确、匹配过程主观和不公平等问题。

Description

基于语义和QoS约束的主体服务描述和匹配方法

技术领域

基于语义和QoS约束的主体服务描述和匹配方法属于自主计算技术领域，尤其涉及自主单元主体服务描述和匹配技术。

背景技术

自主计算技术就是为了解决软件复杂性危机而提出的一门新兴的研究课题。随着主体(Agent)和多主体(Multi-Agent)系统越来越受到分布式人工智能领域研究者的广泛关注，基于主体的自主计算也逐渐成为研究热点。这些研究以主体充当自主单元，重点关注如何利用主体和多主体系统为用户提供各种有效和高效的服务(即，基于主体的服务)，通过自配置使自主计算实现自我管理能力。当自主计算系统中安装或部署了新的自主单元时，需要通过自配置使新的自主单元在系统中处于合适的位置，并与其它自主单元的连接参数要配置完好。也就是说，当自主单元进入自主计算系统时，根据用户定制的策略或商业目标，它需要提供一定的服务。然而，它可能需要在一定的条件下或需要一定的帮助才能提供(或者更好地提供)这些服务。即，它需要其他自主单元提供的服务才能完成用户定制的策略。在这种情况下，自主计算系统需要实现自主单元的服务匹配，对这些自主单元主体进行能力描述和能力匹配，从而实现高效、快速的自配置。对主体的能力描述称为主体服务描述，对主体的能力匹配称为主体服务匹配。其中，主体服务描述是主体服务匹配的前提和基础。

Wickler研制了主体能力描述语言CDL，它采用动作语言来表示能力，但它的描述是基于语法层的，没有考虑在语义层上的描述；另外，它没有考虑服务的协商机制，也不支持数据类型的定义。Wickler在CDL基础上，采用简单的逻辑合一的匹配机制进行服务匹配，从而匹配方法只能是精确匹配，没有考虑近似匹配以及服务质量与效率的平衡(Wickler G J.Using expressive and flexible action representations to reason about capabilities for intelligent agentcooperation.University of Edinburgh，Edinburgh，U K，1999.)。

Sycara等人采用LARKS来描述主体服务，并且利用了语义距离的机制来实现近似服务匹配，提供了多种匹配策略，考虑了服务质量与服务效率的平衡；但由于语义距离的建立工作量大、主观因素和不确定性因素很多，因而它们的服务匹配方法的实用性和可靠性都有一定的局限性(Sycara K，Widoff S，Klusch M et al.LARKS：dynamic matchmaking amongheterogenous software agents in cyberspace.Autonomous Agents and Multi-Agent Systems，2002，5(2)：173-203.)。

Arisha等人提出了一种主体服务描述语言SDL，该语言非常简单，不支持数据类型的定义，不能有效地描述服务。它主要利用分层机制和同义词词典来刻画服务描述的语义问题，利用语义距离的机制来提供近似服务匹配，而语义距离的建立工作量大，主观因素很重(Arisha K，Kraus S，Ozcan F et al.IMPACT：the interactive Maryland platform for agentscollaborating together.IEEE Intelligent Systems，1999，14(2)：64-72.)。

胡军等人运用本体论来描述主体的服务能力，采用领域概念化语言DCL描述领域概念集合，采用了概念-关系-属性和约束规则的形式表示领域本体论，并在此基础上建立对主体服务的描述。由于DCL语言通过概念-属性和概念约束槽的形式能够表达复杂的概念和概念的约束，进而支持描述复杂的主体服务和服务约束，有效解决了主体服务表示能力不足的问题。该作者提出服务语义相容度的概念，通过计算概念的相容度来定义服务语义的相容度，实现基于语义的服务匹配。该方法直接利用领域本体论中概念的分类体系，根据概念的上下位关系计算出概念的相容度，比手工建立的术语间的语义距离而得出的术语相似度的方法更快捷(胡军，高济，李长云.多主体系统中基于本体论的服务相容匹配机制.计算机辅助设计与图形学学报，2006，18(5)：694-701.)。

上述这些描述和匹配方法完全从功能上进行服务匹配，没有考虑服务代价、时间、可靠性等非功能属性的影响。因此，如果在功能上有多个主体提供某项服务时，这些匹配方法只能随机的选择一个主体来提供服务，而不考虑这些主体在服务代价、时间、可靠性和服务质量等非功能属性上的差异，从而无法保证服务匹配的结果是用户最满意的。

针对上述问题，Zhang Zili等人提出了跟踪记录(Track Records)的概念，利用跟踪记录来判断多个主体中哪个主体是用户(即服务请求主体)最满意的，即匹配方法能根据完成类似任务的历史记录来选择服务，而不是随机选择。但是，该方法的跟踪记录的值过于主观，因为它的值完全由用户给出，而实际中不能排除用户的主观性和恶意性的存在；另外，他的跟踪记录模型过于简单，即用户得到服务结果后，对该服务结果给出非常满意、满意、…、非常不满意等7中选择中的一种选择作为这次服务的跟踪记录值，而没有不能用来作为准确判断服务好坏的标准(Zhang Z L，Zhang C Q.An improvement to matchmaking algorithms formiddle agents.In：Proceedings of the First International Joint Conference on Autonomous Agentsand Multiagent Systems，New York，USA：ACM Press，2002，1340-1347.)。

蒋运承等人提出一个服务质量(QoS)模型来客观反映主体服务非功能属性的特征，研究了该QoS模型上各质量标准所对应的初始化方法、计算和评价方法以及QoS模型的总体评价方法，并在QoS模型的基础给出了一种新的主体服务匹配方法(蒋运承，史忠植.QoS驱动的主体服务匹配.小型微型计算机系统，2005，26(4)：687-692.)。

现有的主体服务描述和匹配方法存在以下三个问题：

(1)主体服务能力描述的语义问题和服务质量问题是主体服务匹配过程中的两个重要因素。但是，目前大量的研究工作并没有将二者有效的结合起来，大多都是分别针对语义或服务质量进行主体服务匹配；

(2)大多数主体服务匹配方法完全从功能上进行服务匹配，没有考虑服务代价、时间、

可靠性等非功能属性的影响。因此，如果在功能上有多个主体提供某项服务时，这些匹配方法只能随机的选择一个主体来提供服务，而不考虑这些主体在服务代价、时间、可靠性和服务质量等非功能属性上的差异，从而无法保证服务匹配的结果是用户最满意的；

(3)少数研究工作在主体服务匹配过程中考虑了服务质量的影响，但是这些方法考虑的QoS属性(如，代价、时间、可靠性等)通常由主体服务提供者发布，这些准则太过主观，以至于无法反映主体服务的真实质量，因此在匹配过程中存在主观和不公平的问题。

发明内容

本发明的目的在于提供基于语义和QoS约束的主体服务描述和匹配方法，采用本发明的方法可以对主体服务进行通用描述、功能描述和服务质量属性描述。在给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值条件下，采用本发明的方法可以根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务。

实现本发明目的的技术解决方案为：一种基于语义和QoS约束的主体服务描述和匹配方法，该方法包括以下步骤：首先，对主体服务进行能力描述；接着，给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务。

本发明与现有技术相比，其显著优点：(1)综合考虑了语义和服务质量对服务描述和匹配的影响，既能全面的描述主体服务的属性和功能，又能充分体现出服务请求者对主体服务性能的不同需求；(2)在语义相似度匹配中，针对不同的属性分别计算相似度，简单有效，而且能有效区分不同语义概念，提高了匹配效果的准确性；(3)在QoS匹配过程中引入每个QoS属性的可信程度的评价机制(即，真实度因子)来客观、公正的进行匹配，并能在服务质量属性和用户评价之间取得较好的折衷。这种方法也符合当前因特网电子商务、在线购物等业务服务请求的需要，具有较高的实用价值。

附图说明

图1是本发明对主体服务能力描述的内容图。

图2是本发明基于语义和QoS约束的主体服务描述和匹配方法的流程图。

图3是本发明基于语义和QoS约束的主体服务描述和匹配方法的语义相似度匹配过程的流程图。

图4是本发明基于语义和QoS约束的主体服务描述和匹配方法的QoS匹配过程的流程图。

图5是本发明运用实例的旅游服务业主体服务的本体概念树示意图。

图6是本发明的实验模拟结果——QoS性能。

具体实施方式

下面结合附图对本发明作进一步详细描述。

本发明公开了一种基于语义和QoS约束的主体服务描述和匹配方法，该方法包括以下步骤：

步骤1对主体服务进行能力描述；

步骤2给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务。

所述步骤1包括：

步骤1.1对主体服务的最基本属性，包括：主体服务名、服务领域分类和文本信息进行描述，称为主体服务的通用描述；

步骤1.2对主体服务实现的功能所涉及到的属性，包括变量类型集合、输入参数集合和输出参数集合进行描述，称为主体服务的功能描述；

步骤1.3对主体服务的非功能属性，包括主体服务时间、主体服务代价、主体服务可靠性、主体服务可维护性、主体服务声誉和主体服务真实度进行描述，称为主体服务的服务质量属性描述。

所述步骤1.3包括：

步骤1.3.1对主体服务时间的真实度用0～1之间的数值进行描述；

步骤1.3.2对主体服务代价的真实度用0～1之间的数值进行描述；

步骤1.3.3对主体服务可靠性的真实度用0～1之间的数值进行描述；

步骤1.3.4对主体服务可维护性的真实度用0～1之间的数值进行描述。

结合图1，为了描述主体服务，包括对主体服务的通用描述、功能描述和服务质量属性描述三部分；其中：

(1)通用描述包括主体服务名、服务领域分类和文本信息的描述；

(2)功能描述包括对变量类型集合、输入参数集合和输出参数集合的描述；

(3)服务质量属性描述包括对主体服务时间、主体服务代价、主体服务可靠性、主体服务可维护性、主体服务声誉和主体服务真实度的描述；其中，真实度描述是对主体服务时间、主体服务代价、主体服务可靠性和主体服务可维护性的真实度描述，是指用户对这四个服务质量属性的依赖程度。

上述方法的详细说明如下。

定义1：基于语义和QoS约束的主体服务描述是一个三元组：

AS＝(general_desc，functional_desc，qos_desc)     (1)

其中，general_desc表示主体服务的通用描述(General Description)，是主体服务最基本的属性，包括主体服务名、服务领域分类、文本描述等概要性描述；

functional_desc表示变量类型集合、输入参数集合和输出参数集合的描述；

qos_desc表示对主体服务的服务质量属性的描述，是与主体服务领域特性无关的通用服务质量参数，如时间、代价、可靠性、满意度和真实度等，这些参数可以度量任何一个主体服务的质量。

定义2：主体服务的服务质量(QoS)描述是一个六元组：

qos_desc＝(time，cost，reliability，maintainability，reputation，fidelity)   (2)

其中：

1)主体服务时间(time)是指发出服务请求到收到服务结果所经历的时间，包括服务处理时间和服务延迟时间，即：q_time(as)＝T_process(as)+T_trans(as)；

2)主体服务代价(cost)是指用户要向主体服务提供者所支付的费用；

3)主体服务可靠性(reliability)是指主体服务能正确提供它所注册服务的概率，是其可靠程度的度量。可靠性是专门用于测量有关主体服务的软、硬件配置以及主体服务请求者和提供者之间的网络连接情况的参数；

4)主体服务可维护性(maintainability)是指主体服务发生异常时正确维护的概率；

5)主体服务声誉(reputation)是指主体服务的可信赖程度，表示用户(或请求者)对主体服务的满意程度。声誉主要取决于使用主体服务的终端用户的体验。对于同一个主体服务，不同的终端用户可能会有不同的观点或满意程度。通常，给定终端用户或请求者一个取值范围来评价主体服务；

6)主体服务真实度(fidelity)由不同的真实度属性组成，分别对应前四个服务质量属性的真实度，反映用户对服务属性的依赖程度，即：

fidelity＝<fid_time，fid_cost，fid_reliability，fid_{maintainability}>   (3)

根据上述方法，本发明基于XML给出一个飞机票预订服务(Booking Airplane TicketService)的描述实例，如下所示。

可以看出，该主体服务的通用描述如下：主体服务名为“飞机票预订服务”；领域分类属于旅游类服务；文本描述为“从航空公司预订飞机票”，用来对该主体服务进行自然语言描述，主要给用户查看；

功能描述中定义了三种变量类型：Date类型(如：年，月，日)、Money类型(双精度浮点数)和Ticket类型(字符串)；定义了四个输入参数，分别为：字符串类型的“身份证号码”、Date类型的“预订时间”、字符串类型的“目的地”以及Money类型的“支付款”；定义了2个输出参数，分别为：Money类型的“余额”和Ticket类型的“机票”。

除此之外，“飞机票预订服务”的服务质量描述如下，主体服务提供者声明该服务时间为37.56毫秒、使用该服务的费用为25美元、可靠性为0.875、可维护性为0.568；用户对该服务的满意程度为0.95。另外，前四个服务质量属性的真实度分别为：0.75、0.64、0.89和0.95。

结合图2，根据主体服务请求者，为了在主体服务提供者集中匹配到满足语义相似度阈值、且QoS最佳的一个或多个主体服务，包括语义相似度匹配过程和QoS匹配过程，即

步骤2给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务。

该步骤2包括以下步骤：

步骤2.1主体服务的语义相似度匹配过程；

步骤2.2主体服务的QoS匹配过程。

结合图3，所述的步骤2.1主体服务的语义相似度匹配过程的步骤如下：

步骤2.1.1给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，设置备选主体服务提供者集为空；

步骤2.1.2对于主体服务提供者集中的每一个主体服务，重复步骤2.1.3～2.1.9；

步骤2.1.3计算该主体服务通用描述中主体服务名与主体服务请求者的主体服务通用描述中的主体服务名的概念相似度，作为通用描述的语义相似度，用sim_g表示；

步骤2.1.4计算该主体服务功能描述中的变量类型集合与主体服务请求者功能描述中的变量类型集合的语义相似度，作为变量类型集合的语义相似度，用sim_ft表示；

步骤2.1.5计算该主体服务功能描述中的输入参数集合与主体服务请求者功能描述中的输入参数集合的语义相似度，作为输入参数集合的语义相似度，用sim_fi表示；

步骤2.1.6计算该主体服务功能描述中的输出参数集合与主体服务请求者功能描述中的输出参数集合的语义相似度，作为输出参数集合的语义相似度，用sim_fo表示；

步骤2.1.7通过λ₁·sim_ft+λ₂·sim_fi+λ₃·sim_fo计算该主体服务功能描述的语义相似度，用sim_f表示，其中λ₁表示变量类型集合功能描述的权重，λ₂表示输入参数集合功能描述的比重，λ₃表示输出参数集合功能描述的权重，且λ₁，λ₂，λ₃∈(0，1)，λ₁+λ₂+λ₃＝1；

步骤2.1.8通过ξ₁·sim_g+ξ₂·sim_f计算该主体服务的综合语义相似度，其中ξ₁表示通用描述的权重，ξ₂表示功能描述的权重，ξ₁，ξ₂∈(0，1)，ξ₁+ξ₂＝1；

步骤2.1.9如果该主体服务的综合语义相似度大于或等于给定的语义相似度阈值，则将该主体服务加入备选主体服务提供者集，作为QoS匹配过程的初始备选主体服务提供者；否则选择主体服务提供者集中的下一个主体服务，并回到2.1.3。

结合图4，所述的步骤2.2主体服务的QoS匹配过程的步骤如下：

步骤2.2.1通过合并所有备选主体提供者的服务质量，形成备选主体服务提供者的QoS矩阵Q＝(Q_i，j，1≤i≤n，1≤j≤5)，其中，Q的每一行Q_i表示一个主体服务提供者，每一列对应一项QoS属性值；

步骤2.2.2用真实度矩阵F＝(fid_i，j，1≤i≤n，1≤j≤4)表示所有备选主体服务提供者的前四个QoS属性对应的真实度；

步骤2.2.3根据QoS矩阵Q，通过下式，建立所有备选主体提供者的QoS属性规格化矩阵M：

$M_{i,j}=\left\{\begin{array}{cc}\frac{Q_j^{\max }-Q_{i,j}}{Q_j^{\max }-Q_j^{\min }}& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }\&NotEqual;0,\\ 1& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }=0,\end{array}\right.\mathrm{forj}=\mathrm{1,2}$

$M_{i,j}=\left\{\begin{array}{cc}\frac{Q_{i,j}-Q_j^{\min }}{Q_j^{\max }-Q_j^{\min }}& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }\&NotEqual;0,\\ 1& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }=0,\end{array}\right.\mathrm{forj}=\mathrm{3,4,5}$

步骤2.2.4通过计算每一个主体服务提供者的总体服务质量水平，其中，w_j表示第j项QoS属性对应的权重，0≤w_j≤1，

通过修改不同的权重w_j可以表示终端用户不同的偏好。

步骤2.2.5选择总体服务质量水平最大的一个几个主体服务提供者作为最终匹配的结果。

上述方法的详细说明如下。

定义3：给定主体服务提供者PAS＝{pas₁，pas₂，...，pas_n}、主体服务请求者ras以及语义相似度阈值Δ。主体服务匹配问题就是满足语义相似度阈值Δ要求，且服务质量水平最高的一个或多个主体服务提供者。

定义4：主体服务的语义相似度是指在主体服务描述中出现的概念(或术语、词语)的意义(或语义上下文)的相似程度。主体服务之间的语义相似度越高，它们的语义匹配程度越高。

通过图5所示的一个旅游服务业主体服务的本体概念树来说明本发明的语义相似度匹配过程，图5中每个节点表示一个主体服务，如：住宿接待(Accommodation Reception)、餐饮接待(Restaurant Reception)和票务服务(Ticket Service)，该节点的名称表示该主体服务名。从图5的旅游接待主体服务中选择三个主体服务作为主体服务提供者，分别是：Selling SubwayTicket Service(地铁售票服务)、Booking Train Ticket Service(火车票订票服务)和BookingTicket Service(订票服务)，它们的描述如表1所示：

表1三个主体服务提供者的通用描述和功能描述

假设飞机票预订服务(Booking Airplane Ticket Service)是一个主体服务请求者，下面分别计算主体服务请求者和上述三个主体服务者之间的通用描述语义相似度、功能描述语义相似度以及综合语义相似度。

假设我们用基于距离的概念相似度匹配方法来计算通用描述的语义相似度，如下式所示：

$\mathrm{sim}(c_1,c_2)=e^{-\mathrm{\&alpha;}\&CenterDot;l}\&CenterDot;\frac{e^{\mathrm{\&beta;}\&CenterDot;h}-e^{-\mathrm{\&beta;}\&CenterDot;h}}{e^{\mathrm{\&beta;}\&CenterDot;h}+e^{-\mathrm{\&beta;}\&CenterDot;h}}---\left(4\right)$

其中，c₁和c₂表示需要进行相似度匹配的两个概念，l是c₁和c₂之间的最短路径长度，h是本体语义树层次中包容深度，即两个本体共同祖先所在的层次(根节点层次为0)；α≥0和β≥0分别是最短路径长度和深度的比例度量值，这里取α＝0.2，β＝0.6。那么，主体服务间的通用描述语义相似度匹配结果如表2所示：

表2主体服务间语义相似度匹配结果

考虑到变量类型、输入和输出等功能描述都属于描述性集合，假设使用不同本体中实体类(entity classes)之间的语义相似度方法来计算每个描述集的相似度，如下式所示：

$\mathrm{sim}(a,b)=\frac{|A\&cap;B|}{|A\&cap;B|+\mathrm{\&delta;}\&CenterDot;|A/B|+(1-\mathrm{\&delta;})\&CenterDot;|B/A|},\mathrm{for}0\&le;\mathrm{\&delta;}\&le;1---\left(5\right)$

a和b是需要匹配的实体类(即：typename，input或output)；A和B是a和b对应的描述集合(即：同义词集、属性集以及语义关系集中的实体类集)。在本文中，A和B表示每个功能描述集中的特定条目。||是集合的势运算；|A∩B|和|A/B|分别是集合的交和差运算；δ是非公共特性的相对重要程度函数，设置为0.45。例如，两个主体服务as₁和as₂，如果as₁的输入列表集为{ID_number，Date，Destination，Money}，as₂的输入参数集为{Destination，Money}，那么输入参数描述的语义相似度是：

${\mathrm{sim}}_{\mathrm{fi}}({\mathrm{as}}_1,{\mathrm{as}}_2)=\frac{\{\mathrm{Destination},\mathrm{Money}\}}{\{\mathrm{Destination},\mathrm{Money}\}+0.45\&times;\{\mathrm{ID}\_\mathrm{number},\mathrm{Date}\}+(1-0.45)\&times;\left\{\right\}}$

$=\frac{2}{2+0.45\&times;2+0.55\&times;0}=\frac{2}{2.9}=0.690$

利用上述方法，主体服务间的功能描述语义相似度匹配结果如表3所示，其中，λ₁＝0.2，λ₂＝0.4，λ₃＝0.4，ξ₁＝0.5，ξ₂＝0.5。

表3主体服务间语义相似度匹配结果

从表3中可以看出，Booking Ticket Service与主体服务请求者的相似度最高(0.815)，SellingSubway Ticket Service与主体服务请求者的语义相似度最低(0.540)，结果正确、合理，也很容易从图1和表1中看到。上述例子表明了本发明提出的语义相似度匹配过程的有效性。

为了更好地说明本发明的主体服务QoS匹配过程，通过下面的仿真实验来选择服务质量最佳的主体服务。

假设通过语义相似度匹配过程返回的备选主体服务提供者集中有10个主体服务，即：PAS＝{pas₁，pas₂，...，pas₁₀}，说明这10个主体服务提供了相同或相近的功能。

这10个主体的QoS值通过下面的仿真方法得到：假设有50个相同的任务(或主体服务请求)，对每个任务随机地分配给PAS中的某个主体pas_i，并随机产生QoS属性值和这些属性值的真实度，分别表示pas_i在本次服务中提供的QoS质量标准的值。在这些质量属性中，时间(time)随机分布在70-100ms之间，费用(cost)分布在[10，100]元之间，可靠度、可维护度和声誉随机在[0，1]之间产生。前四个QoS属性的真实度在区间[0，1]之间。对于50次请求任务，10个主体服务的QoS值如表4所示，其中pn表示pas_i提供的服务次数。

表410个主体服务的QoS值(50次服务请求任务)

对于每个主体服务pas_i来说，QoS矩阵Q中的QoS属性值和真实度矩阵中的值都是该主体服务提供多次服务的平均值。QoS矩阵Q、真实度矩阵F以及规格化矩阵M如下所示：

$Q=\left[\begin{array}{c}\mathrm{81.44,68.27,0.40,0.31,0.36}\\ \mathrm{84.19,60.16,0.56,0.49,0.59}\\ \mathrm{93.58,67.80,0.60,0.54,0.68}\\ \mathrm{76.41,45.65,0.64,0.62,0.58}\\ \mathrm{86.27,49.76,0.47,0.54,0.43}\\ \mathrm{84.70,43.44,0.62,0.50,0.16}\\ \mathrm{89.57,35.88,0.48,0.50,0.46}\\ \mathrm{84.47,59.18,0.46,0.50,0.58}\\ \mathrm{81.34,54.97},\mathrm{0.51,0.40,0.58}\\ \mathrm{79.47,40.63,0.64,0.59,0.56}\end{array}\right],$ $F=\left[\begin{array}{c}\mathrm{0.34.0.15,0.41,0.40}\\ \mathrm{0.68,0.47,0.81,0.36}\\ \mathrm{0.54,0.53,0.41,0.62}\\ \mathrm{0.41,0.76,0.38,0.26}\\ \mathrm{0.51,0.69,0.43,0.65}\\ \mathrm{0.35,0}.\mathrm{30,0.46,0.48}\\ \mathrm{0.60,0.18,0.66,0.67}\\ \mathrm{0.51,0.42,0.37,0.46}\\ \mathrm{0.42,0.65,0.50,0.47}\\ \mathrm{0.51.0.65.0.45.0.47}\end{array}\right],$ $M=\left[\begin{array}{c}\mathrm{0.71,0.00,0.00,0.00,0.37}\\ \mathrm{0.55,0.25,0.65,0.55,0.83}\\ \mathrm{0.00,0.01,0.83,0.72,1.00}\\ \mathrm{1.00,0.70,0.99,1.00,0.81}\\ \mathrm{0.43,0.57,0.31,0.73,0.51}\\ \mathrm{0.52,0.77,0.90,0.60,0.00}\\ \mathrm{0.23,1.00,0.34,0.60,0.56}\\ \mathrm{0.53,0.28,0.26,0.61,0.81}\\ \mathrm{0.71,0.41,0.46,0.29,0.79}\\ \mathrm{0.82,0.85,1.00,0.89,0.77}\end{array}\right]---\left(5\right)$

假设用户定义的QoS属性权重分别为w₁＝0.15，w₂＝0.2，w₃＝0.2，w₄＝0.15和w₅＝0.3，那么依据(5)式中的值，根据计算而得的每个主体服务提供者的总体服务质量水平分别为：

qos_score(pas₁)＝0.147，qos_score(pas₂)＝0.463，qos_score(pas₃)＝0.437，qos_score(pas₄)＝0.525，

qos_score(pas₅)＝0.363，qos_score(pas₆)＝0.200，qos_score(pas₇)＝0.332，qos_score(pas₈)＝0.368，

qos_score(pas₉)＝0.402，qos_score(pas₁₀)＝0.558

显然，主体服务10(pas₁₀)的QoS水平值最大，它将作为QoS性能最优的一个作为最终匹配的结果。

在传统的主体服务匹配方法中，一般选择第一个主体服务作为服务匹配结果，即主体服务1(pas₁)是传统服务匹配算法的结果。Zhang Zili的方法中的跟踪记录的概念相当于本发明方法中的第5个QoS属性(即声誉)。用Zhang Zili的方法获得的相应评价矩阵如下所示：

$R=\begin{array}{c}\begin{array}{cccccccccc}{A}_1& & & & & ...& & & & A_{10}\end{array}\\ \left(\begin{array}{cccccccccc}0& 0& 1& 1& 1& 0& 1& 0& 0& 1\\ 0& 2& 1& 0& 1& 0& 0& 1& 1& 1\\ 2& 2& 0& 2& 1& 0& 1& 3& 1& 1\\ 0& 0& 0& 0& 1& 0& 0& 3& 1& 0\\ 0& 0& 1& 0& 1& 1& 0& 1& 1& 0\\ 1& 1& 0& 0& 3& 0& 2& 0& 0& 0\\ 1& 0& 0& 1& 1& 3& 1& 0& 0& 1\end{array}\right)\end{array}\begin{array}{c}\\ \mathrm{stong\; satisfaction}\\ \mathrm{satisfaction}\\ \mathrm{weak\; satisfaction}\\ \mathrm{neutral}\\ \mathrm{weak\; unsatisfaction}\\ \mathrm{unsatisfaction}\\ \mathrm{stong\; unsatisfaction}\end{array}---\left(6\right)$

其中，每一行表示每个主体服务在不同满意程度上(strong satisfaction、satisfaction等)的数量。按照文献[41]的转换方法，即把区间[0，1]依次分成7个相等的子区间，得到的子区间分别是[0，0.143]、[0.144，0.286]、[0.287，0.429]、[0.430，0.572]、[0.573，0.715]、[0.716，0.858]和[0.859，1]，这些子区间的取值分别对应非常不满意、不满意、弱不满意、中立、弱满意、满意和非常满意等7种选择。根据Zhang Zili的方法，最终每个主体服务的QoS值为：-1，1.33，1.33，0.67，-1.33，-3.33，-1，1.33，0.67，1。因此，pas₂或pas₃或pas₈将作为最终的结果(它们的QoS值均为1.33)。

蒋运承的方法未考虑真实度的影响。利用蒋运承的方法，获得的每个主体服务QoS水平值分别为：0.218，0.594，0.576，0.880，0.503，0.501，0.562，0.521，0.562，0.858，显然pas₄是最优的主体服务(服务质量水平为0.880)。

分析蒋运承方法和本发明的方法，从式(5)的规格化矩阵M中可以看出，主体服务pas₁₀的QoS性能(0.82，0.85，1.00，0.89，0.77)比pas₄的QoS性能(1.00，0.70，0.99，1.00，0.81)稍微差一点。但是，pas₁₀的真实度性能(0.51，0.65，0.45，0.47)要明显高于主体服务pas₄的真实度性能(0.41，0.76，0.38，0.26)。这说明，一些服务提供者往往声明较高的QoS属性水平(例如，pas₄)，但在选择主体服务的过程中综合考虑真实度或者用户的满意度的话，则该主体服务的QoS水平并不一定是最优的。这一点符合当前Internet，特别是电子商务、在线购物等业务的要求，在这些过程中，人们往往会在质量和用户评价中进行折衷考虑。因此，本发明提出的主体服务QoS匹配过程是有效的、合理的。

本发明提出的主体服务匹配方法的一个最重要特征是引入了服务质量属性的真实度因子。为了评估真实度因子对最终匹配结果的影响程度，并说明该方法的有效性，我们构造如下仿真实验，并与蒋运承的方法、传统方法(即通常选择第一个主体服务)以及随机方法(随机选择一个主体服务)进行比较。

简单起见，假设存在10个满足语义相似度约束的主体服务。在每次实验中，根据如下策略随机生成每个主体服务的QoS属性值和真实度值：时间随机分布在10-100ms之间，费用分布在[70，100]元之间，可靠度、可维护度和声誉随机在[0，1]之间产生，QoS属性的真实度在区间[0，1]之间。对于每一个实验点，我们分别四种方法记录当前所选QoS值最高的一个主体服务的规格化矩阵M的平均值

和真实度矩阵F的平均真实度值即：

$\stackrel{\&OverBar;}{M}\left(i\right)=\frac{\underset{j=1}{\overset{5}{\mathrm{\&Sigma;}}}{M}_{i,j}}{5},$ $\stackrel{\&OverBar;}{F}\left(i\right)=\frac{\underset{j=1}{\overset{4}{\mathrm{\&Sigma;}}}{\mathrm{fid}}_{i,j}}{4}---\left(7\right)$

其中，i表示使用四种算法选择的QoS水平最高的主体服务的序号。为了度量所选择主体服务的QoS性能，用公式(8)中Q_ei(i)的表示当前方法的QoS评价指数。评价指数Q_ei(i)越高，表明综合服务质量性能越好。在公式(8)中，σ₁和σ₂分别表示QoS属性权重和真实度权重。

$Q_{\mathrm{ei}}\left(i\right)={\mathrm{\&sigma;}}_1\&CenterDot;\stackrel{\&OverBar;}{M}\left(i\right)+{\mathrm{\&sigma;}}_2\&CenterDot;\stackrel{\&OverBar;}{F}\left(i\right),{\mathrm{\&sigma;}}_1={\mathrm{\&sigma;}}_2=0.5.---\left(8\right)$

假设每个QoS属性权重相同，即w₁＝w₂＝w₃＝w₄＝w₅＝0.2，对四种方法进行了QoS评价指数的比较，共进行了50次实验，结果如图6所示。可以看出，本发明方法的QoS性能最佳，说明本发明方法在主体服务的服务质量和用户满意度之间做到了很好的折衷。

由此可见，本发明达到了预期目的。

Claims (1)

1.一种基于语义和QoS约束的主体服务描述和匹配方法，其特征在于该方法包括以下步骤：

步骤1对主体服务进行能力描述；

步骤1.1对主体服务的最基本属性，包括：主体服务名、服务领域分类和文本信息进行描述，称为主体服务的通用描述，采用基于距离的概念相似度匹配方法来计算通用描述的语义相似度，即：

$\mathrm{sim}(c_1,c_2)=e^{-\mathrm{\&alpha;}\&CenterDot;l}\&CenterDot;\frac{e^{\mathrm{\&beta;}\&CenterDot;h}-e^{-\mathrm{\&beta;}\&CenterDot;h}}{e^{\mathrm{\&beta;}\&CenterDot;h}+e^{-\mathrm{\&beta;}\&CenterDot;h}}$

其中，c₁和c₂表示需要进行相似度匹配的两个概念，l是c₁和c₂之间的最短路径长度，h是本体语义树层次中包容深度，即两个本体共同祖先所在的层次；α≥0和β≥0分别是最短路径长度和深度的比例度量值；

步骤1.2对主体服务实现的功能涉及到的属性，包括变量类型集合、输入参数集合和输出参数集合进行描述，称为主体服务的功能描述，采用基于不同本体中实体类之间的语义相似度方法来计算每个描述集的相似度，即：

$\mathrm{sim}(a,b)=\frac{|A\&cap;B|}{|A\&cap;B|+\mathrm{\&delta;}\&CenterDot;|A/B|+(1-\mathrm{\&delta;})\&CenterDot;|B/A|},\mathrm{for}0\&le;\mathrm{\&delta;}\&le;1$

a和b是需要匹配的实体类；A和B是a和b对应的描述集合；A和B表示每个功能描述集中的特定条目；||是集合的势运算；|A∩B|和|A/B|分别是集合的交和差运算；δ是非公共特性的相对重要程度函数；

步骤1.3对主体服务的非功能属性，包括主体服务时间、主体服务代价、主体服务可靠性、主体服务可维护性、主体服务声誉和主体服务真实度进行描述，称为主体服务的服务质量属性描述；

步骤1.3.1对主体服务时间的真实度用0～1之间的数值进行描述；

步骤1.3.2对主体服务代价的真实度用0～1之间的数值进行描述；

步骤1.3.3对主体服务可靠性的真实度用0～1之间的数值进行描述；

步骤1.3.4对主体服务可维护性的真实度用0～1之间的数值度进行描述；

步骤2给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，根据主体服务请求者，在主体服务提供者集中寻找满足语义相似度阈值、且QoS最佳的一个或多个主体服务；

步骤2.1主体服务的语义相似度匹配过程；

步骤2.1.1给定一个主体服务提供者集、一个主体服务请求者和语义相似度阈值，设置备选主体服务提供者集为空；

步骤2.1.2对于主体服务提供者集中的每一个主体服务，重复步骤2.1.3～2.1.9；

步骤2.1.3计算该主体服务通用描述中主体服务名与主体服务请求者的主体服务通用描述中的主体服务名的概念相似度，作为通用描述的语义相似度，用sim_g表示；

步骤2.1.4计算该主体服务功能描述中的变量类型集合与主体服务请求者功能描述中的变量类型集合的语义相似度，作为变量类型集合的语义相似度，用sim_ft表示；

步骤2.1.5计算该主体服务功能描述中的输入参数集合与主体服务请求者功能描述中的输入参数集合的语义相似度，作为输入参数集合的语义相似度，用sim_fi表示；

步骤2.1.6计算该主体服务功能描述中的输出参数集合与主体服务请求者功能描述中的输出参数集合的语义相似度，作为输出参数集合的语义相似度，用sim_fo表示；

步骤2.1.7通过λ₁·sim_ft+λ₂·sim_fi+λ₃·sim_fo计算该主体服务功能描述的语义相似度，用sim_f表示，其中λ₁表示变量类型集合功能描述的权重，λ₂表示输入参数集合功能描述的比重，λ₃表示输出参数集合功能描述的权重，且λ₁，λ₂，λ₃∈(0，1)，λ₁+λ₂+λ₃＝1；

步骤2.1.8通过ξ₁·sim_g+ξ₂·sim_f计算该主体服务的综合语义相似度，其中ξ₁表示通用描述的权重，ξ₂表示功能描述的权重，ξ₁，ξ₂∈(0，1)，ξ₁+ξ₂＝1；

步骤2.1.9如果该主体服务的综合语义相似度大于或等于给定的语义相似度阈值，则将该主体服务加入备选主体服务提供者集，作为QoS匹配过程的初始备选主体服务提供者；否则选择主体服务提供者集中的下一个主体服务，并回到2.1.3；

步骤2.2主体服务的QoS匹配过程；

步骤2.2.1通过合并所有备选主体服务提供者的服务质量，形成备选主体服务提供者的QoS矩阵Q＝(Q_i，j，1≤i≤n，1≤j≤5)，其中，Q的每一行Q_i表示一个主体服务提供者，每一列对应一项QoS属性值；

步骤2.2.2用真实度矩阵F＝(fid_i，j，1≤i≤n，1≤j≤4)表示所有备选主体服务提供者的前四个QoS属性对应的真实度；

步骤2.2.3根据QoS矩阵Q，通过下式，建立所有备选主体服务提供者的QoS属性规格化矩阵M：

$M_{i,j}=\left\{\begin{array}{cc}\frac{Q_j^{\max }-Q_{i,j}}{Q_j^{\max }-Q_j^{\min }}& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }\&NotEqual;0,\\ 1& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }=0,\end{array}\right.,\mathrm{forj}=\mathrm{1,2}$

$M_{i,j}=\left\{\begin{array}{cc}\frac{Q_{i,j}-Q_j^{\min }}{Q_j^{\max }-Q_j^{\min }}& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }\&NotEqual;0,\\ 1& \mathrm{if}{Q}_j^{\max }-Q_j^{\min }=0,\end{array}\right.,\mathrm{forj}=\mathrm{3,4,5}$

步骤2.2.4通过

计算每一个主体服务提供者的总体服务质量水平，其中，w_j表示第j项QoS属性对应的权重，0≤w_j≤1，

通过修改不同的权重w_j可以表示终端用户不同的偏好；

步骤2.2.5选择总体服务质量水平最大的一个或几个主体服务提供者作为最终匹配的结果。

Images