CN102780580B - 一种基于信任的组合服务优化方法 - Google Patents

Abstract

本发明公布了一种基于信任的组合服务优化方法，其综合考虑组件服务间的接口匹配性和具体绑定方案的可信性，从保障服务的可组合性和求解信任值最高的具体绑定方案两方面实现基于信任的组合优化。本发明的方法首先在抽象组合流程的基础上获得每个抽象服务对应的具体服务集；其次解析具体服务的接口描述文档，并依据解析结果将具有相同或相似接口的具体服务聚为一类；然后在聚类的基础上实现基于功能和接口匹配的服务组合模板；再根据用户的需求定义可信性评估影响因素和权重参数；最后依据组合流程的控制结构提出不同的约减规则计算组合服务的信任值，选择信任值最高的方案实现具体绑定，以提高组合服务的组合成功率，提高和保障组合服务的可信性。

Description

一种基于信任的组合服务优化方法

技术领域

本发明涉及Web服务中服务组合优化技术领域，特别是一种基于信任的组合服务优化方法，其主要思想是将信任的相关概念运用在服务组合过程中以优化服务组合方案，提高组合服务的可信性。

背景技术

近年来，面向服务的体系结构(SOA，Service-Oriented Architecture)的出现引起了学术界和工业界的广泛关注，SOA的重要理念是将异构、独立、松散耦合的服务组合成为更大粒度的服务，从而实现软件和服务的重用。Web服务作为SOA的主要实现方式，是一种自包含、自描述、模块化的应用，通过URI标识，采用WSDL、UDDI、SOAP等基于XML的标准和协议解决服务的描述与发现、服务注册、服务绑定等问题。随着Web服务技术的不断发展，单个的Web服务已经无法满足用户日益增长的需求，这时就需要通过服务组合的方式实现服务的增值。服务组合是使用服务组合语言，将若干服务按照一定的应用逻辑，组织成为具有特定功能和外部接口的组合服务的过程和技术。

Web服务的发布、交互、共享和协同全部基于网络，网络环境开放、动态、多变的特点导致Web服务的可信性问题尤为突出。随着需求的不断增加，组合服务规模不断扩大，功能日益复杂，当发生故障和失效时，服务不能以期望的方式实现期望的功能，这样一来就会直接或间接地给用户造成损失。随着互联网技术的快速发展，大量功能等价的服务出现在网络中。服务组合抽象流程中的每一个抽象节点都对应着大量功能相同或相近的服务，在现有技术中，服务请求者或服务集成者往往只能依据服务的非功能属性(QoS)进行服务选择与组合方案优化。一方面，这个选择过程往往需要人工参与，并且QoS计算模型复杂，每个抽象服务对应的若干具体服务都需要代入模型进行优化计算，时间耗费很大；另一方面QoS可以用来度量和评估组合服务的可信性，但组合服务的可信性不仅仅是服务的QoS。

为了提高组合服务的可信性，服务组合方案优化应该考虑组合过程中的可信性问题和组合优化结果的可信性问题，因此，需要一种新型的融入信任概念的组合服务优化方法。

发明内容

本发明的目的是提供一种基于信任的组合服务优化方法，其将信任的相关概念运用在服务组合过程中以优化服务组合方案，提高组合服务的可信性。与现有的方法相比，本发明能够保障服务组合过程的成功率，考虑了可以依据用户需求定义的组合服务可信性影响因素，并且能够减少优化计算时间，降低组合方案优化求解难度，大大节约网络硬件资源。

为实现上述目的，本发明中“组合服务的信任”的定义包括组合过程中的各个具体服务的接口能够匹配，以及组合优化结果的可信性最优两个方面。本发明的方法中首先统计每个抽象服务对应的具体服务，解析具体服务的接口描述文档(WSDL)，并依据解析结果将具有相同或相似接口的具体服务聚为一类，接下来在聚类的基础上实现基于功能和接口匹配的服务组合模板，最后根据可信性影响因素属性值优化组合服务，实现具体绑定。

本发明具体采取的技术方案为：一种基于信任的组合服务优化方法，包括以下步骤：

1).获取服务组合抽象流程和抽象服务集A＝{A₀,A₁,…A_i…A_n}；

2).获取每个抽象服务对应的具体服务集S_i＝{S_i0,S_i1,…S_ii…S_im}；

3).解析具体服务的WSDL文档，获取服务接口信息并将每一个具体服务对应的接口抽象为OP＝{name,I,O}，其中name表示接口的名称，I＝{I₁,I₂,…I_i…I_k}表示输入参数集，每一个输入参数由参数名和参数类型构成的二元组表示I_i＝{name,type}，O＝{O₁,O₂,…O_i…O_j}表示输出参数集，每一个输出参数由参数名和参数类型构成的二元组表示O_i＝{name,type}；

4).根据接口信息对抽象服务A_i对应的具体服务进行聚类，具有相同或相似接口的具体服务被聚为一类，聚类操作完成后得到聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，且聚类集合满足条件 $\∀S_{\mathrm{ij}}\∈S_i,\∃C_{\mathrm{ik}}\∈C_i\⇒S_{\mathrm{ij}}\∈C_i;$

5).获得组合流程中抽象服务间的数据流关系，对于存在数据流关联的两个抽象服务A_i,A_j，将其对应的聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，C_j＝{C_j0,C_j1,…C_ji…C_jz}进行接口匹配操作，得到能够进行组合的服务聚类集合C_ik，C_jz；

6).获取能够成功进行组合的服务聚类集合对应的具体服务的服务质量信息；

7).获取用户或服务集成者关注的影响其对服务可信性评估的质量指标和偏好情况；

8).综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建具体绑定方案。具体的，可根据拓扑结构和各维可信性属性的特点计算组合方案的可信值，并根据用户偏好，即各维权重的权重信息，对可信性属性进行加权求和从而获得最终的信任值，在所有方案的信任值计算出来后选择信任值最大的服务组合方案进行具体绑定。按照本发明方法构建的具体绑定方案即为最可信的可执行的抽象流程实例。

进一步的，本发明步骤3)中具体服务的WSDL文档的解析方法，包括以下步骤：

3.1)获取WSDL地址；

3.2)运用WSDL4J包解析WSDL文件，进入definition定义；

3.3)进入definition下的types定义，构建schema；

3.4)将schema中的元素由DOM型转换为JDOM型，并构建命名空间等属性信息，输出由解析types生成的schema树形结构；

3.5)解析绑定信息获得portType信息；

3.6)对portType下包含的operation逐个进行解析，获得对应输入输出参数的message信息；

3.7)运用构建的types的schema信息分解message的复杂类型为简单类型；

3.8)输出operation的名称及对应的输入输出参数的名称和对应的简单数据类型；

3.9)WSDL文档解析完成。

更进一步的，本发明步骤4)中根据接口信息对抽象服务对应的具体服务进行聚类的方法，包括以下步骤：

4.1)随机选取1个以上服务作为聚类中心；

4.2)计算候选服务和各个聚类中心点的距离，将具体服务集中的每一个服务按照最小距离原则分配给所有聚类中心中的一个；

本步骤中计算候选服务与各个聚类中心点之间的距离的方法包括以下步骤：

4.2.1)计算候选服务与聚类中心点服务接口之间的相似度：定义候选服务操作与聚类中心点服务操作分别为OP1、OP2，分别有m、n个简单类型的输入参数，j、k个简单类型的输出参数；分别构建m*n,j*k两个矩阵，如果两个参数的类型是完全相同的，则在矩阵对应的位置填入10，如果虽不相同但可以进行转换，则在矩阵相应的位置填入5，如果完全不同则填入0；矩阵所有元素的平均值即为两个操作的相似值；

4.2.2)按照候选服务与聚类中心点的距离与该服务与中心点服务接口之间的相似度成反比，计算候选服务与聚类中心点的距离；

4.3)使用每个聚类中所有服务的均值作为新的聚类中心；

4.4)如果聚类中心有变化，重复步骤4.2)至步骤4.3)至聚类中心不再变化为止；

4.5)得到基于接口的聚类结果。

本发明的有益效果为：提出了一种考虑了信任的组合服务优化方法，将对组合服务的信任定义为组合过程中的各个具体服务的接口能够匹配和组合优化结果的信任值最优两个方面。并通过解析具体服务的WSDL文档，将具有相同或相似接口的服务进行聚类，在聚类的基础上检查聚类集的接口匹配情况，从而在聚类集层面获得抽象组合模板。然后在此基础上，综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建最可信任的具体绑定方案。本发明提出的方法主要有以下一些优点：

(1)将组合过程中的各个具体服务的接口匹配作为衡量组合过程可信性的内容，能够提高组合服务的组合成功率。发布在网络上的服务以黑盒的形式出现，接口描述文档是描述服务基本功能、输入输出参数和调用方法的文档，是服务请求者在调用具体服务之前唯一获得的关于服务内容的文档。大量功能相同或相似的服务在网络上出现，虽然它们的功能等价，但它们的接口不尽相同。传统的组合服务可信优化只侧重于对优化结果进行度量和评估，忽视了服务组合过程中的接口匹配问题，因而最后的组合优化方案很可能是不能够被执行的。我们的方法将接口兼容性作为衡量组合服务可信性的充分条件，只有能够进行组合的组合方案才有进一步被优化的可能，提高了组合成功率，保障了组合过程的可信性；

(2)将抽象服务对应的具体服务进行基于接口的聚类，在聚类集上寻找可组合的方案，减少了优化迭代计算时间。传统的组合优化方案需要将每一个抽象服务对应的每一个具体服务都代入组合流程进而评估整体组合方案的可信性，这类优化求解问题往往是NP难的，在候选服务规模较大时，组合优化的效率低下，优化效果难以体现。本发明的方法首先将具体服务聚类，在聚类集上寻找可组合的方案，排除不能够进行组合的方案，减少了需要进行优化求解的服务数量，减少了优化迭代计算时间，提高了组合优化效率，节约了网络硬件资源；

(3)综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建具体绑定方案，体现了用户的个性化组合优化需求。现有的用于衡量组合服务可信性的服务质量属性是一个包含多维属性的概念，不同的用户或不同的服务集成者，对服务可信性的定义并不相同，为了体现出这种个性化的需求，本发明的方法在计算优化方案时选择用户自定义的可用于衡量组合服务可信性的属性进行优化计算，并将用户对于多维属性的偏好体现在各维属性的计算权重上。

附图说明

图1所示为本发明的服务组织结构示意图；

图2所示为本发明方法的示意框图；

图3所示为本发明方法的具体流程图；

图4所示为本发明的一个具体实施例的抽象组合流程。

具体实施方式

为使本发明的内容更加明显易懂，以下结合附图和具体实施方式作进一步描述。

在进行服务组合计划时为了提高服务组合的动态性和适应性，服务集成者往往只制定一个抽象的业务流程，而不是绑定到一系列具体的服务，在组合执行时由服务组合执行部件（执行引擎）实现抽象服务到具体服务的绑定。为了实现基于信任的组合方案全局优化，需要将每个抽象服务对应的具体服务影响信任属性的值代入全局优化模型估算具体绑定方案的信任值，这个过程通常称为组合优化。

图1给出了本发明所提出的基于信任的组合服务优化方法的服务组织结构示意图。组合服务的信任主要由组合过程中的各个具体服务的接口能够匹配，和组合优化结果的信任值最优两个方面的内容组成。结合图2，本发明在应用时需要首先在抽象组合流程的基础上获得每个抽象服务对应的具体服务集，同时获取用户定义可信性评估影响因素和权重参数，作为本发明的输入信息；然后通过解析具体服务的WSDL文档，将具有相同或相似接口的服务进行聚类，在聚类的基础上检查聚类集的接口匹配情况，从而在聚类集层面获得抽象组合方案。最后综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建最可信任的具体绑定方案。

本发明的基于信任的组合服务优化方法其具体流程图可结合图3所示，包括步骤：

1).获取服务组合抽象流程和抽象服务集A＝{A₀,A₁,…A_i…A_n}；

服务组合是使用服务组合语言，将若干服务按照一定的应用逻辑（包括控制流和数据流），组织成为具有特定功能和外部接口的组合服务的过程和技术。组合方案的流程一般由领域专家或流程设计师设计确定，服务集成者可以获得抽象服务流程并获得各个抽象服务间的控制逻辑和数据关联信息；

2).获取每个抽象服务对应的具体服务集S_i＝{S_i0,S_i1,…S_ii…S_im}；

抽象服务仅仅描述了服务的功能，服务的功能实现由绑定到的具体服务完成。具体服务集的获得可以通过UDDI注册中心进行查找，或通过Web服务网站(XMethods,Web ServiceList)，或使用通用搜索引擎(Google,Yahoo)，或使用专用搜索引擎(Seekda,SD2S,Merobase)；

3).解析具体服务的WSDL文档，获取服务接口信息并将每一个具体服务对应的接口抽象为OP＝{name,I,O}，其中name表示接口的名称，I＝{I₁,I₂,…I_i…I_k}表示输入参数集，每一个输入参数由参数名和参数类型构成的二元组表示Ii＝{name,type}，O＝{O₁,O₂,…O_i…O_j}表示输出参数集，每一个输出参数由参数名和参数类型构成的二元组表示O_i＝{name,type}；

其中具体服务的WSDL文档的解析方法，包括以下步骤：

3.1)获取WSDL地址；

3.2)运用WSDL4J包解析WSDL文件，进入definition定义；

3.3)进入definition下的types定义，构建schema；

3.4)将schema中的元素由DOM型转换为JDOM型，并构建命名空间等属性信息，输出由解析types生成的schema树形结构；

3.5)解析绑定信息获得portType信息；

3.6)对portType下包含的operation逐个进行解析，获得对应输入输出参数的message信息；

3.7)运用构建的types的schema信息分解message的复杂类型为简单类型；

3.8)输出operation的名称及对应的输入输出参数的名称和对应的简单数据类型；

3.9)WSDL文档解析完成。

4).根据接口信息对抽象服务Ai对应的具体服务进行聚类，具有相同或相似接口的具体服务被聚为一类，聚类操作完成后得到聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，且聚类集合满足条件 $\∀S_{\mathrm{ij}}\∈S_i,\∃C_{\mathrm{ik}}\∈C_i\⇒S_{\mathrm{ij}}\∈C_i;$

本步骤中采用K均值算法对抽象服务对应的具体服务进行聚类，包括以下步骤：

4.1)随机选取K(K≥1)个服务作为聚类中心；

4.2)计算候选服务与各聚类中心点的距离，将具体服务集中的每一个服务按照最小距离原则分配给K个聚类中心中的一个；

一个服务与中心点的距离与该服务与中心点服务接口之间的相似度成反比。若一个服务与中心点服务的接口相似度为sim1，则该服务与中心点的距离为(1/sim1)。接口相似度的计算采用的方法为：假设两个操作OP1，OP2，分别有m,n个简单类型的输入参数，j,k个简单类型的输出参数，分别构建m*n,j*k两个矩阵，如果两个参数的类型是完全相同的，则在矩阵对应的位置填入10，如果虽不相同但可以进行转换的(例如long和float)则在矩阵相应的位置填入5，如果完全不同则填入0。矩阵所有元素的平均值即为两个操作的相似值；

4.3)使用每个聚类中所有服务的均值作为新的聚类中心；

4.4)如果聚类中心有变化，重复步骤4.2)至步骤4.3)至聚类中心不再变化为止；

4.5)得到基于接口的聚类结果；

5).获得组合流程中抽象服务间的数据流关系，对于存在数据流关联的两个抽象服务A_i,A_j，将其对应的聚类集合Ci＝{C_i0,C_i1,…C_ii…C_iz}，C_j＝{C_j0,C_j1,…C_ji…C_iz}进行接口匹配操作，得到能够进行组合的服务聚类集合C_ik，C_jz；

6).获取能够成功进行组合的服务聚类集合对应的具体服务的服务质量信息；服务质量信息可以从服务提供商处获得，或者采用权威第三方发布的服务质量属性数据；

7).获取用户或服务集成者关注的影响其对服务可信性评估的质量指标和偏好情况；

组合服务的可信性可能受到服务的可靠性、可用性、安全性等等的影响，服务集成者关注的可信性影响因素各不相同，对各个影响因素也有一定的偏好。在服务组合构造的过程中必须考虑影响组合服务可信性的因素，选择合适的具体组件服务构造最能满足需求的组合服务。影响因素可根据服务集成者的需求进行定制，偏好的确定可通过层次分析法，偏好排序组织法等确定，具体体现在对各维可信性属性的计算权重上；

8).综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建具体绑定方案，以实现组合服务的优化。

本发明在应用时，具体的计算组合方案可信性的方法为：根据拓扑结构和各维可信性属性的特点计算组合方案的可信值，并根据用户偏好的权重信息对各维可信性属性进行加权求和从而获得最终的信任值，在所有方案的信任值计算出来后选择信任值最大的服务组合方案进行具体绑定。表1显示了根据流程拓扑结构进行计算的公式，如下：

表1

为了方便描述，假定有如图4所示抽象服务组合流程的应用实例：

首先进行本发明的步骤1)，图4所示为一个旅游综合服务抽象服务组合流程，用户首先可以查询景点相关信息，同时可以预定机票和酒店，当景点和酒店确定后，距离计算服务计算酒店和景点间的距离，如果距离较远就租赁汽车，如果距离较近就租赁自行车。抽象服务集合为A＝{A₁,A₂,A₃,A₄,A₅,A₆}；

进行步骤2)，假设获得的每个抽象服务A_i对应的具体服务集为S₁＝{S₁₀,S₁₁,S₁₂,S₁₃，S₁₄}，S₂＝{S₂₀,S₂₁,S₂₂,S₂₃,S₂₄}，S₃＝{S₃₀,S₃₁,S₃₂,S₃₃}，S₄＝{S₄₀,S₄₁}，S₅＝{S₅₀,S₅₁}，S₆＝{S₆₀,S₆₁}；

进行步骤3)，解析具体服务的WSDL文档，获取服务接口信息并将每一个具体服务对应的接口抽象为OP＝{name,I,O}，其中name表示接口的名称，I＝{I₁,I₂,…I_i…I_k}表示输入参数集，每一个输入参数由参数名和参数类型构成的二元组表示I_i＝{name,type}，O＝{O₁,O₂,…O_i…O_j}表示输出参数集，每一个输出参数由参数名和参数类型构成的二元组表示。假设各个候选服务的解析结果如下：

OP₁₀＝{flightbooking,{{certificateID,float},{Date,float},{Origin,string},{Destination,string}},{{address,string},{success,bool},{date,float}}

OP₁₁＝{flightbooking,{{certificateID,float},{Date,double},{Departure,string},{Destination,string}},{{address,string},{success,bool},{date,float}}}

OP₁₂＝{airline,{{certificateID,float},{Date,double},{Bddress,char},{Destination,char}},{{airlinecompany,string},{success,bool}}}

OP₁₃＝{ticketbooking,{{ID,long},{Date,double},{number,int},{Departure,string},{Destination,string}},{success,bool}}

OP₁₄＝{ticketbooking,{{ID,double},{Date,double},{number,int},{Departure,string},{Destination,string}},{success,bool}}

OP₂₀＝{hotelbooking,{{Dae,long},{roomkind,int},{mobilephone,int}},{success,bool}}

OP₂₁＝{hotel,{{Date,float},{roomkind,float},{tel,float}},{success,bool}}

OP₂₂＝{miragebooking,{{Dae,float},{roomkind,float},{tel,float}},{{address,string}{success,bool}}}

OP₂₃＝{hotelbooking,{{Date,long},{roomkind,int},{mobilephone,int}},{{success,bool},{hoteladdress,string}}}

OP₂₄＝{miragebooking,{{Date,float},{roomkind,float},{custername,string}},{{address,string}{success,bool}}}

OP₃₀＝{Tourist Attractions,{name,string},{{address,string}{weaher,string}}

OP₃₁＝{Tourist Attractions,{{area,string},{name,string}}{{address,string}{weather,string}}}

OP₃₂＝{Attractionssearching,{name,string},{{address,string},{price,long},{weather,string}}}

OP₃₃＝{Travel Attractions,{name,string},{address,string}}

OP₄₀＝{Distance,{{hoteladd,string},{attractionadd,string}},{dis,float}}

OP₄₁＝{rangecalculation,{{hoteladd,string},{attractionadd,string}},{dis,int}}

OP₅₀＝{carrenting,{{hoteladd,string},{attractionadd,string},{carkind,char}},{{price,float},{success,bool}}

OP₅₁＝{carrenting,{{customer inf o,string},{carkind,char}},{{price,float},{success,bool}}

OP₅₀＝{bikerenting,{{hoteladd,string},{attractionadd,string},{carkind,char}},{{price,float},{success,bool}}

OP₆₁＝{rentbycicle,{customer inf o,string},{{price,float},{success,bool}}

进行步骤4)，根据接口信息对抽象服务Ai对应的具体服务进行聚类，具有相同或相似接口的具体服务被聚为一类，聚类操作完成后得到聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，且聚类集合满足条件根据解析结果，服务的聚类情况如下：C₁₀＝{S₁₀,S₁₁},C₁₁＝{S₁₂},C₁₂＝{S₁₃，S₁₄},C₂₀＝{S₂₀,S₂₁},C₂₁＝{S₂₂,S₂₃},C₂₂＝{S₂₄}，

C₃₀＝{S₃₀,S₃₃},C₃₁＝{C₃₂},C₃₂＝{S₃₁}，C₄₀＝{S₄₀,S₄₁}，C₅₀＝{S₅₀},C₅₁={S₅₁}，C₆₀＝{S₆₀},C₆₁={S₆₁}

进行步骤5)，获得组合流程中抽象服务间的数据流关系，可组合的聚类集为C₁₀，C₂₁，C₃₀，C₄₀，C₅₀，C₆₀。

进行步骤6)，获取能够成功进行组合的服务聚类集合对应的具体服务的服务质量信息。服务质量信息如表2所示：

表2

进行步骤7)，获取用户或服务集成者关注的影响其对服务可信性评估的质量指标和偏好情况。假设用户关注的质量属性包括执行时间，费用，可靠性，可用性，服务声誉，对各维属性的偏好程度相同，则权重向量为ω＝[0.2,0.2,0.2,0.2,0.2]。

进行步骤8)，综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建具体绑定方案。可组合的聚类集为C₁₀，C₂₁，C₃₀，C₄₀，C₅₀，C₆₀，集合C₁₀，C₂₁，C₃₀，C₄₀，C₅₀，C₆₀对应的元素个数分别为2，2，2，2，1，1，所以可行的具体绑定方案共有16种（2*2*2*2*1*1），其具体绑定情况和各维属性值由表3所示。具体的计算组合方案可信性的方法为：根据拓扑结构和各维可信性属性的特点计算组合方案的可信值，并根据用户偏好的权重信息对各维可信性属性进行加权求和从而获得最终的信任值，在所有方案的信任值计算出来后选择信任值最大的服务组合方案进行具体绑定。从计算结果可以得出，组合方案S₁₁/S₂₃/S₃₃/S₄₁S₅₀/S₆₀为最佳组合方案。

表3

通过实施例可以看出，本发明提出的基于信任的组合服务优化方法可以提高组合服务的组合成功率，减少组合优化迭代计算时间，提高和保障组合服务的可信性。

本发明中所述具体实施案例仅为本发明的较佳实施案例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应作为本发明的技术范畴。

Claims (2)

1.一种基于信任的组合服务优化方法，其特征在于，包括以下步骤：

1).获取服务组合抽象流程和抽象服务集A＝{A₀,A₁,…A_i…A_n}；

2).获取每个抽象服务对应的具体服务集S_i＝{S_i0,S_i1,…S_ii…S_im}；

3).解析具体服务的WSDL文档，获取服务接口信息并将每一个具体服务对应的接口抽象为OP＝{name,I,O}，其中name表示接口的名称，I＝{I₁,I₂,…I_i…I_k}表示输入参数集，每一个输入参数由参数名和参数类型构成的二元组表示I_i＝{name,type}，O＝{O₁,O₂,…O_i…O_j}表示输出参数集，每一个输出参数由参数名和参数类型构成的二元组表示O_i＝{name,type}；

4).根据接口信息对抽象服务Ai对应的具体服务进行聚类，具有相同或相似接口的具体服务被聚为一类，聚类操作完成后得到聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，且聚类集合满足条件 $\∀S_{\mathrm{ij}}\∈S_i,\∃C_{\mathrm{ik}}\∈C_i\⇒S_{\mathrm{ij}}\∈C_i;$

根据接口信息对抽象服务对应的具体服务进行聚类的方法，包括以下步骤：

4.1)随机选取1个以上服务作为聚类中心；

4.2)计算候选服务与各个聚类中心点的距离，将具体服务集中的每一个服务按照最小距离原则分配给所有聚类中心中的一个；

4.3)使用每个聚类中所有服务的均值作为新的聚类中心；

4.4)如果聚类中心有变化，重复步骤4.2)至步骤4.3)至聚类中心不再变化为止；

4.5)得到基于接口的聚类结果；

上述步骤4.2)中计算候选服务与各个聚类中心点之间的距离的方法包括以下步骤：

4.2.1)计算候选服务与聚类中心点服务接口之间的相似度：定义候选服务操作与聚类中心点服务操作分别为OP1、OP2，分别有m、n个简单类型的输入参数，j、k个简单类型的输出参数；分别构建m*n,j*k两个矩阵，如果两个参数的类型是完全相同的，则分别在两个矩阵对应的位置填入10，如果虽不相同但可以进行转换，则在两个矩阵相应的位置填入5，如果完全不同则填入0；各矩阵所有元素的平均值即为两个操作的相似值；

4.2.2)按照候选服务与聚类中心点的距离与该服务与中心点服务接口之间的相似度成反比，计算候选服务与聚类中心点的距离；

5).获得组合流程中抽象服务间的数据流关系，对于存在数据流关联的两个抽象服务A_i,A_j，将其对应的聚类集合C_i＝{C_i0,C_i1,…C_ii…C_iz}，C_j＝{C_j0,C_j1,…C_ji…C_jz}进行接口匹配操作，得到能够进行组合的服务聚类集合C_ik，C_jz；

6).获取能够成功进行组合的服务聚类集合对应的具体服务的服务质量信息；

7).获取用户或服务集成者关注的影响其对服务可信性评估的质量指标和偏好情况；

8).综合服务质量信息、用户可信性指标和偏好进行组合方案优化，构建具体绑定方案。

2.根据权利要求1所述的基于信任的组合服务优化方法，其特征在于，步骤3)中具体服务的WSDL文档的解析方法，包括以下步骤：

3.1)获取WSDL地址；

3.2)运用WSDL4J包解析WSDL文件，进入definition定义；

3.3)进入definition下的types定义，构建schema；

3.4)将schema中的元素由DOM型转换为JDOM型，并构建命名空间属性信息，输出由解析types生成的schema树形结构；

3.5)解析绑定信息获得portType信息；

3.6)对portType下包含的operation逐个进行解析，获得对应输入输出参数的message信息；

3.7)运用构建的types的schema信息分解message的复杂类型为简单类型；

3.8)输出operation的名称及对应的输入输出参数的名称和对应的简单数据类型；

3.9)WSDL文档解析完成。