CN103646061B - 面向服务的需求分析方法 - Google Patents

Abstract

本发明公开了一种面向服务的需求分析方法，首先将用户需求抽象为一个七元组，对已有的web服务做预处理，然后根据七元组与元服务的语义距离判断是否需要需求分析；进行需求分析时，先候选元服务之间的关联，然后寻找能够得到用户需求需要的所有输出参数的路径，并按照用户满意度从高到低排序后反馈给用户。本发明方法利用已有服务，有目的地分解需求，并及早进行粒度控制，使得需求分解过程尽早结束，可提供高效的分解服务，并构建一个有色petri网模型。

Description

面向服务的需求分析方法

技术领域

本发明属于计算机领域，涉及需求工程方法和用户偏好检索方法。

背景技术

web服务是自组合、自描述的，能够在网络上发布，可以被动态的调用。Web服务的价值在于重用，使服务增值。web服务组合通过组合已有的不同功能的小粒度web服务，形成功能更加强大的大粒度服务，从而实现复杂的用户需求。服务组合提高了服务的可重用性和可维护性，节省了大量的时间和资源，在近年来到得到广泛的研究，成为当前面向服务(Service oriented architecture，SOA)领域的研究热点。然而，用户需求通常比较抽象笼统，而已有的服务的描述则非常具体，因此，需求分解至关重要。只有将用户需求分解细化成粒度足够小的子需求，这些子需求的描述才能和已有服务匹配，从而实现服务选择和服务组合。

针对此现状，近年来许多学者展开了针对基于web服务领域的需求分解问题的研究，常见的有利用目标系统行为进行需求分解的方法(如基于UML的活动图和序列图，提取目标系统的行为，据此进行需求分解)；基于知识和经验的方法，已知大量已有的服务组合方案，通过机器学习，建立起一个语义本体库，当有新的用户需求出现时，去本体库里匹配，寻找分解方法；或者直接选择一个相似的服务组合案例，学习它的分解方式；基于有色petri网(CPN)的方法，对需求分析得到具体的流程，映射到petri网，将需求的分解转换成petri网的分解问题；有色petri网(CPN)是一种形式化的描述工具，可以对系统进行模拟分析和验证，能保证服务组合的正确性。各类需求分解方法，大多没有考虑用户对服务组合方式的偏好，而这无疑是保证服务组合的用户满意度的前提与基础，也是成功实现web服务组合的关键问题之一。针对这些问题，本文具体讨论了用有色petri网建模，并考虑用户偏好的Web服务需求分解方法，具体思路如下：首先，已有的web服务按照功能聚类。每类服务提取一个元服务，放入集合ServiceSet中；根据用户需求，从ServiceSet中选出与需求相关的服务，找出所有可能的分解方案，分别用有关系图表示；考虑用户的偏好，选择合适的分解方案，将这些分解方案映射到有色petri网。最终该有色petri网就代表用户需求分解结果。

CP-net(用户偏好模型)的性质在学术界已经得到广泛研究。CP-net是一种图形化建模工具，能够严密准确的表示定性偏好关系。WCP-net是CP-net的扩展，允许用户指定属性之间或者属性值之间的相对重要性，用权重表示。当用户预先给出的偏好和他们最终的选择有冲突时，可以动态调整初始权重。

值得注意的是，本发明所涉的是需求分解和用户偏好以及粒度控制相结合的技术。以往的服务组合领域的研究主要集中服务的选择、组合、优化等，对服务组合领域的需求分解很少单独研究，而是采用已有的常用的需求分解方法。最具代表性的有基于目标的需求工程方法、基于领域的需求工程方法、基于特征的需求工程方法。但是，绝大部分的常用需求分解方法都没有考虑用户对需求分解方案的偏好。也没有考虑服务组合这个特定领域中，大量已有的可服用的服务提供了丰富的信息，比如他们的规模，这可以用来及早控制需求分解的粒度，避免将需求分解的过细，浪费人力物力，在服务选择时也不容易匹配。同时，在面向服务的架构中，需求分析是为了复用已有的服务，而不是为了重新开发系统，需求分析和服务组合的迭代周期很短，需求分析不再是一个独立的阶段，它和服务发现、服务选择过程结合在一起。

发明内容

技术问题：本发明提供了一种可提供早期力度控制并考虑用户对分解方式偏好的面向web服务的需求分析方法。

技术方案：本发明的面向web服务的需求分析方法，包括以下步骤：

1)对用户需求进行建模，将用户需求抽象为一个七元组R＝ID，I^R,O^R,Pre^R,E^R,W,P，其中ID是需求的标识，I^R是输入参数集，I^R＝I₁,I₂,I₃,I₄,......,I_n，n是输入参数的个数，O^R是输出参数集，O^R＝O₁,O₂,O₃,O₄,......,O_m，m是输出参数的个数，Pre^R表示前提条件，E^R表示状态的改变，即服务执行后产生的影响，P是用户偏好集；W是权重集，W＝{WI,WO,WPre,WSoftCons}；

其中，WI是各个输入的权重集，WI＝{WI₁,WI₂,WI₃,WI₄,......,WI_n}，n是输入参数的个数，WO是各个输出的权重集WO＝{WO₁,WO₂,WO₃,WO₄,......,WO_m}，m是输出参数的个数，WPre是各种前提条件的权重集，WSoftCons是每个软约束的权重集；

2)对已有的web服务做预处理：对已有web服务按照功能进行聚类，将同一类的服务提取成一个元服务meta function，然后将所有元服务meta function的信息存储起来；

3)将步骤2)得到的元服务meta function，分别按照功能与步骤1)得到的用户需求七元组R进行匹配，即利用语义相似度匹配算法求出用户需求七元组R与每个元服务的语义距离，然后判断得到的所有语义距离中的最小值是否小于相似度下限阈值或大于相似度上限阈值，如是则进入步骤7)，否则进入步骤4)；

4)将语义距离小于相似度上限阈值且大于相似度下限阈值的元服务metafunction作为候选元服务，根据候选元服务的输入输出参数类型，确定它们之间的关联；然后以候选元服务为节点，以上述关联为边，得到关系图RD；

5)从每一个输入参数已知的候选元服务出发，通过深度遍历关系图RD，来寻找满足如下条件的路径：该路径上的候选元服务组合起来后能够满足用户需求；

如果能够找到一条或者多条满足上述条件的路径，则将这些路径作为合法路径保存后进入步骤6)，否则进入步骤7)；

6)根据用户偏好计算合法路径所代表的需求分解方案的用户满意度，并将合法路径按照用户满意度从高到低排序，反馈给用户后进入步骤7)；

7)结束需求分析流程。

有益效果：本发明与现有技术相比，具有以下优点：

(1)提出支持定性和定量条件偏好的需求分解方法。用户偏好通常被用在服务发现和服务选择模型中，不同的用户在不同的场合对web服务发现有不同的偏好。本发明中，不仅考虑用户对服务发现的偏好，还考虑用户对需求分解的偏好。

(2)针对服务组合这个特定领域，将需求分析和服务发现、服务选择结合，充分利用大量已有服务，获取他们的信息，有针对性地分解需求，同时及早进行粒度控制。通常，需求分析和服务发现分开，需求分解时不考虑已有的服务，当需求细化后，再做服务发现。本发明中，将需求分析和服务发现结合，根据已有服务去分解需求，针对性强，不但可以提高服务发现的效率和正确性，还能及早进行粒度控制，加快需求分解的速度。

(3)保留所有合法的需求分解方案，并按照他们满足用户偏好的程度排序。对一个用户需求，可能有多种分解方案，本发明不仅保留最先发现的分解方案，还将其他的合法的需求分解方案都保存下来，然后计算它们的用户偏好满意度，一起返回给用户。因此，在动态变化的环境中(已有的web服务是大量的，而且随时变化，比如某个web服务由可用变为不可用)，即便一个分解方案变得不可行(涉及到的某个web服务已经不可用时)，用户可以另一个分解方案替换，而不需要重新去做需求分解。

附图说明

图1是本发明方法的流程示意图。

具体实施方式

下面结合附图和实例对本发明进行详细说明。

面向服务的需求分析和服务发现，大部分是采用I/O匹配的方式：如果一个服务的输出包含了某个子需求要求的所有输出，而这个服务的输入是已知的，那么就说这个服务能实现这个子需求的功能。需求分解就是把复杂的用户需求分解细化，使每一个子需求都能被已有的服务实现。

本发明方法的具体步骤为：

1)对用户需求进行建模，将用户需求抽象为一个七元组R＝ID，I^R,O^R,Pre^R,E^R,W,P，其中ID是需求的标识，I^R是输入参数集(I^R＝I₁,I₂,I₃,I₄,......,I_n，该集合中的元素都是输入元素。n是输入参数的个数，O^R是输出参数集(O^R＝O₁,O₂,O₃,O₄,......,O_m)，该集合中的元素都是输出参数。m是输出参数的个数。Pre^R表示前提条件，E^R表示状态的改变，即服务执行后产生的影响，P是用户偏好集；W是权重集；

W＝{WI,WO,WPre,WSoftCons}，

其中，WI是各个输入的权重集，WI＝{WI₁,WI₂,WI₃,WI₄,......,WI_n}n是输入参数的个数，WI中元素和输入参数一一对应，WI中的一个元素WI_k(0<k<＝n)是输入参数I_k的权重。WO是各个输出的权重集WO＝{WO₁,WO₂,WO₃,WO₄,......,WO_m}，m是输出参数的个数，WO中的元素和输出参数一一对应，WO中的一个元素WO_k(0<k<＝m)是输出参数O_k的权重。WPre是各种前提条件的权重集，WSoftCons是每个软约束的权重集；最后，用户需求需要用领域本体标注。

2)对已有的web服务做预处理：对已有web服务按照功能进行聚类，将同一类的服务提取成一个元服务meta function，然后将所有元服务meta function的信息存储起来，具体过程如下：服务聚类采用kmeans算法。根据M个预定义的原型，应用kmeans算法在整个训练集上进行聚类分析。对于每个原型，计算样本数，将最高样本数的原型作为相应的类别。聚类完成之后，当有新的服务发布时，将它分类到最近原型所属的类别；然后从每一类提取元服务。

3)将步骤2)得到的元服务meta function，分别按照功能与步骤1)得到的用户需求七元组R进行匹配，即利用语义相似度匹配算法求出用户需求七元组R与每个元服务的语义距离，匹配算法是根据领域本体的知识，在用户需求R和元服务的描述间进行推理匹配的；然后判断得到的所有语义距离中的最小值是否小于相似度下限阈值或大于相似度上限阈值，如是则进入步骤7)，否则进入步骤4)；

4)将语义距离小于相似度上限阈值且大于相似度下限阈值的元服务metafunction作为候选元服务，根据候选元服务的输入输出参数类型，确定它们之间的关联，关联分为泛化、包含、等价三种；然后以候选元服务为节点，以上述关联为边，得到关系图RD，当关联是泛化关系时，两个节点是连通的，加边；当关联是包含关系时，比如节点A包含于B，若此时存在节点C也包含于B，就将A和C看成一个整体，考察其并集和节点B的关联；当关联代表等价关系时，两个节点是连通的，加边；

5)从每一个输入参数已知的候选元服务出发，通过深度遍历关系图RD，来寻找满足如下条件的路径：该路径上的候选元服务组合起来后能够满足用户需求，即该路径上元服务需要的输入参数都已知，输入参数可以是来自用户需求，或者是来自路径上排在该元服务前面的元服务；同时，这些候选元服务能输出七元组R中要求的所有输出元素，并且七元组R中所有的硬约束和影响都得到满足；

如果能够找到一条或者多条满足上述条件的路径，则将这些路径作为合法路径保存后进入步骤6)，否则进入步骤7)；

6)根据用户偏好计算合法路径所代表的需求分解方案的用户满意度，并将合法路径按照用户满意度从高到低排序，反馈给用户后进入步骤7)；

以下是计算用户满意度的例子：三个操作，“到达目的地”、“住宿”、“返回原地”都有用户偏好，用软约束建模。每个软约束都有权重。

用户满意度的计算公式如下：

7)结束需求分析流程。

本发明的面向服务的需求分析方法采用广泛使用的衡量标准：准确性precision，召回率recall和综合评价指标F-measure。假设一个需求被分解成k个子需求，所有这些子需求的输出，去掉重复的，剩下L个。只有h个输出是用户需求真正需要的。O^R是用户需求的输出集。WO时输出的权重集。即WO_j是输出集O^R中某个输出参数j所对应的权重。n是O^R中输出参数的总个数。则，准确性precision，召回率recall和综合评价指标F-measure的计算公式如下：

Claims (1)

1.一种面向服务的需求分析方法，其特征在于，该方法包括以下步骤：

1)对用户需求进行建模，将用户需求抽象为一个七元组R＝ID，I^R,O^R,Pre^R,E^R,W,P，其中ID是需求的标识，I^R是输入参数集，I^R＝I₁,I₂,I₃,I₄,......,I_n，n是输入参数的个数，O^R是输出参数集，O^R＝O₁,O₂,O₃,O₄,......,O_m，m是输出参数的个数，Pre^R表示前提条件，E^R表示状态的改变，即服务执行后产生的影响，P是用户偏好集，W是权重集，W＝{WI,WO,WPre,WSoftCons}；

其中，WI是各个输入的权重集，WI＝{WI₁,WI₂,WI₃,WI₄,......,WI_n}，n是输入参数的个数，WO是各个输出的权重集WO＝{WO₁,WO₂,WO₃,WO₄,......,WO_m}，m是输出参数的个数，WPre是各种前提条件的权重集，WSoftCons是每个软约束的权重集；

2)对已有的web服务做预处理：对已有web服务按照功能进行聚类，将同一类的服务提取成一个元服务meta function，然后将所有元服务meta function的信息存储起来；

3)将所述步骤2)得到的元服务meta function，分别按照功能与所述步骤1)得到的用户需求七元组R进行匹配，即利用语义相似度匹配算法求出用户需求七元组R与每个元服务的语义距离，然后判断得到的所有语义距离中的最小值是否小于相似度下限阈值或大于相似度上限阈值，如是则进入步骤7)，否则进入步骤4)；

4)将语义距离小于相似度上限阈值且大于相似度下限阈值的元服务meta function作为候选元服务，根据所述候选元服务的输入输出参数类型，确定它们之间的关联；然后以候选元服务为节点，以上述关联为边，得到关系图RD；

5)从每一个输入参数已知的候选元服务出发，通过深度遍历关系图RD，来寻找满足如下条件的路径：该路径上的候选元服务组合起来后能够满足用户需求；

如果能够找到一条或者多条满足上述条件的路径，则将这些路径作为合法路径保存后进入步骤6)，否则进入步骤7)；

6)根据用户偏好计算合法路径所代表的需求分解方案的用户满意度，并将合法路径按照用户满意度从高到低排序，反馈给用户后进入步骤7)；

7)结束需求分析流程。