CN106529801A - 服务组合候选集构建方法及系统 - Google Patents
服务组合候选集构建方法及系统 Download PDFInfo
- Publication number
- CN106529801A CN106529801A CN201610983364.5A CN201610983364A CN106529801A CN 106529801 A CN106529801 A CN 106529801A CN 201610983364 A CN201610983364 A CN 201610983364A CN 106529801 A CN106529801 A CN 106529801A
- Authority
- CN
- China
- Prior art keywords
- abstract
- information
- similarity
- service
- discrepancy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种服务组合候选集构建方法及系统,涉及分布式制造系统信息集成技术领域,包括采集具体服务中的聚类指标信息,对聚类指标信息进行相似度计算,得到多个抽象服务,分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络,根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集。本发明可以提高服务组合候选集构建的效率性、适应性、操作性和便捷性。
Description
技术领域
本发明涉及分布式制造系统信息集成技术领域,尤其是涉及服务组合候选集构建方法及系统。
背景技术
云制造,作为一种“制造即服务”的商业范式,自从被提出,就受到了广泛的关注。在云制造环境下,分布式的制造资源被封装成云服务,云平台用户可以就产品设计、制造、测试等生产制造全生命周期的各个阶段对云平台提出任务需要。云制造涉及的关键技术众多,其中服务组合作为服务流通、共享、增值的重要手段,在云制造平台中起着重要的作用。
云制造环境下的服务组合面临众多挑战,其中一方面就是云平台中存在的大量服务会使得现有的服务组合方法效率降低。目前关于云制造服务组合大都集中于假设服务候选集已知的情况下,制造服务之间的匹配优选。而对于服务组合候选集生成方面的研究涉及较少,关于服务组合候选集的产生方法主要集中于传统的web服务组合,但这种方法缺乏动态性且效率低。另一方面,云制造作为开放共享的制造服务平台,存在大量功能一致,但是非功能信息不同的服务,这些服务的存在加剧了服务组合搜索匹配的难度。
发明内容
有鉴于此,本发明的目的在于提供服务组合候选集构建方法及系统,以提高服务组合候选集构建的效率性、适应性、操作性和便捷性。
第一方面,本发明实施例提供了一种服务组合候选集构建方法,包括:
采集具体服务中的聚类指标信息;
对所述聚类指标信息进行相似度计算,得到多个抽象服务;
分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络;
根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述对所述聚类指标信息进行相似度计算,得到多个抽象服务包括:
根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵;
统计所述聚类矩阵中每行中满足第一数值的服务编号;
将每行中满足所述第一数值的服务编号分别构成多个类别,作为所述多个抽象服务。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述聚类指标信息包括基本信息、具体输入信息和具体输出信息,所述根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵包括:
根据相似度计算公式,对所述基本信息进行相似度计算,形成第一基本信息相似度矩阵;
判断所述第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;
如果所述基本信息相似度满足基本信息阈值,则将所述位置元素设定为所述第一数值;
如果所述基本信息相似度不满足基本信息阈值,则将所述位置元素设定为第二数值;
根据所述位置元素的数值,得到第二基本信息相似度矩阵;
对所述具体输入信息和所述具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
基于所述第二基本信息相似度矩阵、所述输入信息相似度矩阵和所述输出信息相似度矩阵,根据比较公式,得到所述聚类矩阵。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述抽象出入信息包括抽象输入信息和抽象输出信息,所述分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络包括:
分别统计各个所述抽象服务中的所述抽象输入信息和所述抽象输出信息,将统计到的所述抽象输入信息和所述抽象输出信息分别构成输入信息组和输出信息组;
对所述输入信息组和所述输出信息组进行相似度计算,得到抽象出入相似度;
判断所述抽象出入相似度是否满足出入阈值;
如果所述抽象出入相似度满足所述出入阈值,则构建所述抽象服务网络。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集包括:
抽取所述任务需求的需求出入信息;
根据所述需求出入信息,选取与所述需求出入信息匹配的所述抽象服务作为起止节点;
基于所述起止节点,根据搜索算法在所述抽象服务网络中进行抽象服务路径的搜索,得到所述服务组合候选集。
第二方面,本发明实施例还提供一种服务组合候选集构建系统,包括:聚类指标信息采集单元、抽象服务获取单元、抽象服务网络构建单元和服务组合候选集获取单元;
所述聚类指标信息采集单元,用于采集具体服务中的聚类指标信息;
所述抽象服务获取单元,用于对所述聚类指标信息进行相似度计算,得到多个抽象服务;
所述抽象服务网络构建单元,用于分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络;
所述服务组合候选集获取单元,用于根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述抽象服务获取单元包括:
相似度计算单元,用于根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵;
统计单元,用于统计所述聚类矩阵中每行中满足第一数值的服务编号;
分类单元,用于将每行中满足所述第一数值的服务编号分别构成多个类别,作为所述多个抽象服务。
结合第二方面的第一种可能的实施方式,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述聚类指标信息包括基本信息、具体输入信息和具体输出信息,所述相似度计算单元还用于:
根据相似度计算公式,对所述基本信息进行相似度计算,形成第一基本信息相似度矩阵;
判断所述第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;
如果所述基本信息相似度满足基本信息阈值,则将所述位置元素设定为所述第一数值;
如果所述基本信息相似度不满足基本信息阈值,则将所述位置元素设定为第二数值;
根据所述位置元素的数值,得到第二基本信息相似度矩阵;
对所述具体输入信息和所述具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
基于所述第二基本信息相似度矩阵、所述输入信息相似度矩阵和所述输出信息相似度矩阵,根据比较公式,得到所述聚类矩阵。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述抽象出入信息包括抽象输入信息和抽象输出信息,所述抽象服务网络构建单元包括:
分别统计各个所述抽象服务中的所述抽象输入信息和所述抽象输出信息,将统计到的所述抽象输入信息和所述抽象输出信息分别构成输入信息组和输出信息组;
对所述输入信息组和所述输出信息组进行相似度计算,得到抽象出入相似度;
判断所述抽象出入相似度是否满足出入阈值;
如果所述抽象出入相似度满足所述出入阈值,则构建所述抽象服务网络。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中,所述服务组合候选集获取单元包括:
抽取所述任务需求的需求出入信息;
根据所述需求出入信息,选取与所述需求出入信息匹配的所述抽象服务作为起止节点;
基于所述起止节点,根据搜索算法在所述抽象服务网络中进行抽象服务路径的搜索,得到所述服务组合候选集。
本发明提供的服务组合候选集构建方法及系统,通过采集具体服务中的聚类指标信息,对聚类指标信息进行相似度计算,得到多个抽象服务,分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络,根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集,从而提高服务组合候选集构建的效率性、适应性、操作性和便捷性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的服务组合候选集构建方法流程图;
图2为本发明实施例一提供的服务组合候选集构建方法中步骤S120的流程图;
图3为本发明实施例一提供的获取聚类矩阵的方法流程图;
图4为本发明实施例一提供的服务组合候选集构建方法中步骤S130的流程图;
图5为本发明实施例一提供的服务组合候选集构建方法中步骤S140的流程图;
图6为本发明实施例二提供的服务组合候选集构建系统的示意图;
图7为本发明实施例三提供的服务组合候选集构建系统结构示意图;
图8为本发明实施例四提供的针对制造车门的服务组合候选集构建方法流程图;
图9为本发明实施例四提供的制造本体系统示意图。
图标:
100-聚类指标信息采集单元;200-抽象服务获取单元;210-相似度计算单元;220-统计单元;230-分类单元;300-抽象服务网络构建单元;400-服务组合候选集获取单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,云平台中不但存在的大量服务,而且存在大量功能一致而非功能信息不同的服务,这些使得服务组合方法效率低且服务组合搜索匹配难度大。为了提高服务组合的效率,基于网络的服务组合方法越来越受到关注。基于网络,服务之间的关系可以独立于任务请求,先于服务之间的组合被挖掘和存储。但是存在的基于服务网络的组合研究主要集中于依赖常规网络模型进行组合或者仅仅侧重于服务网络的构建过程,如何利用构建好的服务网络进行服务组合鲜有涉及。
基于此,本发明实施例提供的服务组合候选集构建方法及系统,通过聚类指标信息得到多个抽象服务,基于多个抽象服务的连接关系构建抽象服务网络,根据任务需求,在抽象服务网络中搜索得到服务组合候选集,从而可以提高服务组合候选集构建的效率性适应性、操作性和便捷性。
为便于对本实施例进行理解,首先对本发明实施例所公开的服务组合候选集构建方法进行详细介绍。
实施例一:
图1为本发明实施例一提供的服务组合候选集构建方法流程图。
参照图1,该方法包括以下步骤:
步骤S110,采集具体服务中的聚类指标信息;
具体的,对注册到云平台的具体服务进行梳理,提取出具体服务的基本信息描述、具体输入信息和具体输出信息,并将基本信息描述、具体输入信息和具体输出信息分别放入三个集合中,作为聚类依据的聚类指标信息。
步骤S120,对聚类指标信息进行相似度计算,得到多个抽象服务;
具体的,对聚类指标信息进行相似度计算,找出基本信息描述、具体输入信息和具体输出信息都属于同一类的具体服务进行聚合,并将同一类的具体服务标记为同种抽象服务;聚合后的具体服务有多类,从而得到多个抽象服务。
步骤S130,分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络;
具体的,抽象出入信息包括抽象输入信息和抽象输出信息,将各个抽象服务中的抽象输入信息和抽象输出信息分别构成输入信息组和输出信息组,对输入信息组和输出信息组进行相似度计算,从而构建抽象服务网络。
步骤S140,根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集。
具体的,根据任务需求,在抽象服务网络中选取与任务需求相匹配的起止节点,并根据搜索算法,在抽象服务网络中进行抽象服务路径的搜索,得到服务组合候选集。
根据本发明实施例,如图2所示,上述实施例服务组合候选集构建方法中,步骤S120可采用如下步骤实现,包括:
步骤S210,根据相似度计算公式,对聚类指标信息进行相似度计算,得到聚类矩阵;
步骤S220,统计聚类矩阵中每行中满足第一数值的服务编号;
步骤S230,将每行中满足第一数值的服务编号分别构成多个类别,作为多个抽象服务。
具体的,参照图3,步骤S210通过下列步骤实现:
步骤S310,根据相似度计算公式,对基本信息进行相似度计算,形成第一基本信息相似度矩阵;
其中,对抽取的所有具体服务的基本信息两两进行相似度计算,形成第一基本信息相似度矩阵,第一基本信息相似度矩阵的行列均为所有具体服务的基本信息,第一基本信息相似度矩阵的每个位置元素为计算得到的基本信息相似度。
步骤S320,判断第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;如果满足,则执行步骤S331;如果不满足,则执行步骤S332;
步骤S331,将位置元素设定为第一数值;
步骤S332,将位置元素设定为第二数值;
步骤S340,根据位置元素的数值,得到第二基本信息相似度矩阵;
其中,第一数值为1,第二数值为0;如果基本信息相似度满足基本信息阈值,则对应的位置元素的数值为1,反之为0,从而得到由数值1和0构成的第二基本信息相似度矩阵。
步骤S350,对具体输入信息和具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
其中,对具体输入信息和具体输出信息分别进行与基本信息以上同样的操作,得到输入信息相似度矩阵和输出信息相似度矩阵。
步骤S360,基于第二基本信息相似度矩阵、输入信息相似度矩阵和输出信息相似度矩阵,根据比较公式,得到聚类矩阵。
其中,第二基本信息相似度矩阵、输入信息相似度矩阵和输出信息相似度矩阵形成了3个相似度矩阵,根据比较公式,比较3个相似度矩阵相同位置的数值,形成一个聚类矩阵;聚类矩阵中每个位置元素的取值与3个相似度矩阵对应位置元素的取值有关,如果3个相似度矩阵相同位置元素的数值同时为1,则聚类矩阵的此位置元素取值为1,反之,如果有一个数值为0,则聚类矩阵的此位置元素取0。
另外,步骤S220和步骤S230具体为,统计聚类矩阵中每行中满足数值为1的服务编号。将同一行中满足数值为1的服务编号列为同一类别,标记为一个抽象服务;聚类矩阵中的每行分别进行统计,得到多个抽象服务。抽象服务中的基本信息、抽象输入信息和抽象输出信息,分别是所有相应具体服务中的基本信息、具体输入信息和具体输出信息的交集。依据此方法,大量的具体服务就变成较小规模的抽象服务,抽象服务的规模是由设定的聚类阈值决定的。
根据本发明实施例,抽象出入信息包括抽象输入信息和抽象输出信息,参照图4,上述实施例服务组合候选集构建方法中,步骤S130可采用如下步骤实现,包括:
步骤S410,分别统计各个抽象服务中的抽象输入信息和抽象输出信息,将统计到的抽象输入信息和抽象输出信息分别构成输入信息组和输出信息组;
步骤S420,对输入信息组和输出信息组进行相似度计算,得到抽象出入相似度;
步骤S430,判断抽象出入相似度是否满足出入阈值;如果满足,则执行步骤S440;
步骤S440,构建抽象服务网络。
具体的,如果某两个抽象服务的抽象出入相似度满足出入阈值,则证明这两个抽象服务存在前驱后继关系,两者之间就形成一条从前驱服务的输出指向后继服务输入的无权有向连接线。所有抽象服务的输入输出相似度计算完成之后,就形成了一个以抽象服务为节点,抽象服务之间的匹配关系为有向边的有向无权网络,从而成功构建抽象服务网络。抽象服务网络缩小了原服务网络的规模,有利于服务之间的搜索和匹配;同时,抽象服务网络的构建是在离线的方式下进行的,不依赖于具体的任务形式,节约了在线搜索匹配的时间。
根据本发明实施例,参照图5,上述实施例服务组合候选集构建方法中,步骤S140可采用如下步骤实现,包括:
步骤S510,抽取任务需求的需求出入信息;
步骤S520,根据需求出入信息,选取与需求出入信息匹配的抽象服务作为起止节点;
步骤S530,基于起止节点,根据搜索算法在抽象服务网络中进行抽象服务路径的搜索,得到服务组合候选集。
具体的,不同于步骤S110至步骤S130的离线方式,步骤S140的实现方式是在线进行的。需求出入信息包括需求输出信息和需求输入信息,根据需求输出信息和需求输入信息,在抽象服务网络中寻找分别与需求输出信息和需求输入信息相匹配的两个抽象服务,并将相匹配的两个抽象服务分别作为搜索的起始节点和终止节点;基于起止节点,根据搜索算法在抽象服务网络中进行抽象服务路径的搜索,得到抽象服务的组合,为进一步具体服务之间的选择匹配提供了服务组合候选集。
本发明提供的服务组合候选集构建方法,通过采集具体服务中的聚类指标信息,对聚类指标信息进行相似度计算,得到多个抽象服务,分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络,根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集,从而提高服务组合候选集构建的效率性、适应性、操作性和便捷性。
实施例二:
图6为本发明实施例二提供的服务组合候选集构建系统的示意图。
参照图6,服务组合候选集构建系统包括:聚类指标信息采集单元100、抽象服务获取单元200、抽象服务网络构建单元300和服务组合候选集获取单元400;
聚类指标信息采集单元100,用于采集具体服务中的聚类指标信息;
抽象服务获取单元200,用于对聚类指标信息进行相似度计算,得到多个抽象服务;
抽象服务网络构建单元300,用于分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络;
服务组合候选集获取单元400,用于根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集。
根据本发明实施例,抽象服务获取单元200包括:
相似度计算单元210,用于根据相似度计算公式,对聚类指标信息进行相似度计算,得到聚类矩阵;
统计单元220,用于统计聚类矩阵中每行中满足第一数值的服务编号;
分类单元230,用于将每行中满足第一数值的服务编号分别构成多个类别,作为多个抽象服务。
根据本发明实施例,聚类指标信息包括基本信息、具体输入信息和具体输出信息,相似度计算单元210还用于:
根据相似度计算公式,对基本信息进行相似度计算,形成第一基本信息相似度矩阵;
判断第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;
如果基本信息相似度满足基本信息阈值,则将位置元素设定为第一数值;
如果基本信息相似度不满足基本信息阈值,则将位置元素设定为第二数值;
根据位置元素的数值,得到第二基本信息相似度矩阵;
对具体输入信息和具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
基于第二基本信息相似度矩阵、输入信息相似度矩阵和输出信息相似度矩阵,根据比较公式,得到聚类矩阵。
根据本发明实施例,抽象出入信息包括抽象输入信息和抽象输出信息,抽象服务网络构建单元300包括:
分别统计各个抽象服务中的抽象输入信息和抽象输出信息,将统计到的抽象输入信息和抽象输出信息分别构成输入信息组和输出信息组;
对输入信息组和输出信息组进行相似度计算,得到抽象出入相似度;
判断抽象出入相似度是否满足出入阈值;
如果抽象出入相似度满足出入阈值,则构建抽象服务网络。
根据本发明实施例,服务组合候选集获取单元400包括:
抽取任务需求的需求出入信息;
根据需求出入信息,选取与需求出入信息匹配的抽象服务作为起止节点;
基于起止节点,根据搜索算法在抽象服务网络中进行抽象服务路径的搜索,得到服务组合候选集。
本发明提供的服务组合候选集构建系统,包括聚类指标信息采集单元、抽象服务获取单元、抽象服务网络构建单元和服务组合候选集获取单元,通过采集具体服务中的聚类指标信息,对聚类指标信息进行相似度计算,得到多个抽象服务,分别统计各个抽象服务中的抽象出入信息,并对抽象出入信息的相似度进行计算,构建抽象服务网络,根据任务需求,在抽象服务网络中进行搜索,得到服务组合候选集,从而提高服务组合候选集构建的效率性、适应性、操作性和便捷性。
实施例三:
图7为本发明实施例三提供的服务组合候选集构建系统结构示意图。
参照图7,一方面,在离线情况下建立抽象服务网络。具体的,提供者服务即为具体服务,在云平台存在大量具体服务,将同一类具体服务进行聚合,得到抽象服务,基于抽象服务的连接关系形成抽象服务网络。另一方面,在在线的情况下构建服务组合候选集。具体的,需求者提供具体的任务需求,根据任务需求,在抽象服务网络中进行抽象服务路径的搜索,得到服务组合候选集。
实施例四:
图8为本发明实施例四提供的针对制造车门的服务组合候选集构建方法流程图。
参照图8,以生产制造车门的过程为例,选取云平台中少量企业,对具体的实施步骤进行描述。
第一步,提取云制造平台中的各类具体服务的基本信息、具体输入信息和具体输出信息,分别计算这三种信息各自的相似度矩阵,相似度矩阵的计算前提必须有制造本体的存在,图9给出了少量本体描述。
基于该本体结合如下相似度计算公式进行相似度的计算,具体由公式(1)可知:
其中N1和N2表示在本体中各自服务的信息离相同父节点的距离,H代表父节点离根节点的距离。其中,父节点是指一个属性如果有上一级,则称这个上一级是它的父节点,例如在图9中,“非功能属性”是“成本”的父节点、“非功能属性”是“可信性”的父节点、“制造服务本体”是“接口属性”的父节点等等;根节点是树的一个组成部分,也叫树根,所有非空的二叉树中,都有且仅有一个根结点,它是同一棵树中除本身外所有结点的祖先,没有父结点,图9中的“制造服务本体”就是根节点。基本信息相似度矩阵、具体输入信息和具体输出信息通过上述公式的计算,就可以得到三个相似度矩阵,基于三个相似度矩阵得到聚类矩阵,具体由公式(2)可知:
该公式表明,若基本信息相似度矩阵、输入信息相似度矩阵和输出信息相似度矩阵相同位置的元素均为1,则该聚类矩阵此位置的元素为1,否则为0。
假设云平台中有六个企业A,B,C,D,E,F。根据制造服务本体以及相似度计算公式,结合聚类条件,得到这六个企业的聚类结果如下所示clu_1={A,C},clu_2={B,E},clu_3={D},clu_4={F}。这四个类的抽象节点基本信息、输入输出信息描述分别如下:AS_clu_1=<冲压服务;金属材料;面板>,AS_clu_2=<焊接服务;面板;焊接件>,AS_clu_3=<喷涂服务;焊接件;喷涂产品>,AS_clu_4=<装配服务,焊接成品;装配产品>,因此平台中的6个具体服务就以4类抽象服务存在于云平台中。
第二步,基于第一步得到的抽象节点,比较不同节点的输入输出关系,计算不同抽象服务节点的输入输出相似度,相似度计算公式同上,若输入信息和输出信息的相似度达到设定的阈值,则两服务可构成前驱后继服务连接关系,所有的服务连接关系构成复杂的网络。就本例来说,经比较发现,可形成两条网络路径,即AS_clu_1->AS_clu_2->AS_clu_3,AS_clu_1->AS_clu_2->AS_clu_4。由此可知,若平台中的服务众多的时候,必然存在大量的抽象服务连接关系构成一个复杂的网络。通过对服务的聚类可以大大减少了网络的规模。以上过程是基于云平台中现有的服务进行的,不依赖具体的任务需求,因此可以以离线的方式,在没有任何具体需求的时候完成这个过程,这样会大大减少在线搜索和匹配的时间。
第三步,假如一客户对云平台提出的需求如下:现有钢材料若干,想基于现有的材料进行汽车车门的加工。基于已经存在的抽象服务网络,首先云平台基于已经建立的抽象服务网络进行起止节点的匹配搜索,通过匹配发现,冲压服务作为起始节点,喷涂服务作为终止节点。然后通过路径搜索算法,得到抽象组合路径为AS_clu_1->AS_clu_2->AS_clu_3,其中AS_clu_1中包含具体企业服务A和企业服务C,AS_clu_2中包含具体企业服务B和企业服务E,AS_clu_3包含企业服务D。据此就得到了服务组合候选集,下一步就根据得到的服务组合候选集,结合客户需求的功能和非功能信息,进行具体服务组合的匹配和优选。
本发明实施例提供的针对制造车门的服务组合候选集构建方法,基于服务聚类形成抽象服务,基于抽象服务的连接关系形成抽象服务网络,根据具体的任务需求由抽象服务网络生成具体服务组合候选集,可以提高在线搜索的效率,以及提高服务组合候选集构建的适应性、操作性和便捷性。
本发明实施例所提供的服务组合候选集构建方法及系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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 (10)
1.一种服务组合候选集构建方法,其特征在于,包括:
采集具体服务中的聚类指标信息;
对所述聚类指标信息进行相似度计算,得到多个抽象服务;
分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络;
根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集。
2.根据权利要求1所述的服务组合候选集构建方法,其特征在于,所述对所述聚类指标信息进行相似度计算,得到多个抽象服务包括:
根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵;
统计所述聚类矩阵每行中满足第一数值的服务编号;
将每行中满足所述第一数值的服务编号分别构成多个类别,作为所述多个抽象服务。
3.根据权利要求2所述的服务组合候选集构建方法,其特征在于,所述聚类指标信息包括基本信息、具体输入信息和具体输出信息,所述根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵包括:
根据相似度计算公式,对所述基本信息进行相似度计算,形成第一基本信息相似度矩阵;
判断所述第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;
如果所述基本信息相似度满足基本信息阈值,则将所述位置元素设定为所述第一数值;
如果所述基本信息相似度不满足基本信息阈值,则将所述位置元素设定为第二数值;
根据所述位置元素的数值,得到第二基本信息相似度矩阵;
对所述具体输入信息和所述具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
基于所述第二基本信息相似度矩阵、所述输入信息相似度矩阵和所述输出信息相似度矩阵,根据比较公式,得到所述聚类矩阵。
4.根据权利要求1所述的服务组合候选集构建方法,其特征在于,所述抽象出入信息包括抽象输入信息和抽象输出信息,所述分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络包括:
分别统计各个所述抽象服务中的所述抽象输入信息和所述抽象输出信息,将统计到的所述抽象输入信息和所述抽象输出信息分别构成输入信息组和输出信息组;
对所述输入信息组和所述输出信息组进行相似度计算,得到抽象出入相似度;
判断所述抽象出入相似度是否满足出入阈值;
如果所述抽象出入相似度满足所述出入阈值,则构建所述抽象服务网络。
5.根据权利要求1所述的服务组合候选集构建方法,其特征在于,所述根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集包括:
抽取所述任务需求的需求出入信息;
根据所述需求出入信息,选取与所述需求出入信息匹配的所述抽象服务作为起止节点;
基于所述起止节点,根据搜索算法在所述抽象服务网络中进行抽象服务路径的搜索,得到所述服务组合候选集。
6.一种服务组合候选集构建系统,其特征在于,包括:聚类指标信息采集单元、抽象服务获取单元、抽象服务网络构建单元和服务组合候选集获取单元;
所述聚类指标信息采集单元,用于采集具体服务中的聚类指标信息;
所述抽象服务获取单元,用于对所述聚类指标信息进行相似度计算,得到多个抽象服务;
所述抽象服务网络构建单元,用于分别统计各个所述抽象服务中的抽象出入信息,并对所述抽象出入信息的相似度进行计算,构建抽象服务网络;
所述服务组合候选集获取单元,用于根据任务需求,在所述抽象服务网络中进行搜索,得到服务组合候选集。
7.根据权利要求6所述的服务组合候选集构建系统,其特征在于,所述抽象服务获取单元包括:
相似度计算单元,用于根据相似度计算公式,对所述聚类指标信息进行相似度计算,得到聚类矩阵;
统计单元,用于统计所述聚类矩阵每行中满足第一数值的服务编号;
分类单元,用于将每行中满足所述第一数值的服务编号分别构成多个类别,作为所述多个抽象服务。
8.根据权利要求7所述的服务组合候选集构建系统,其特征在于,所述聚类指标信息包括基本信息、具体输入信息和具体输出信息,所述相似度计算单元还用于:
根据相似度计算公式,对所述基本信息进行相似度计算,形成第一基本信息相似度矩阵;
判断所述第一基本信息相似度矩阵中每个位置元素的基本信息相似度是否满足基本信息阈值;
如果所述基本信息相似度满足基本信息阈值,则将所述位置元素设定为所述第一数值;
如果所述基本信息相似度不满足基本信息阈值,则将所述位置元素设定为第二数值;
根据所述位置元素的数值,得到第二基本信息相似度矩阵;
对所述具体输入信息和所述具体输出信息分别进行相似度计算,得到输入信息相似度矩阵和输出信息相似度矩阵;
基于所述第二基本信息相似度矩阵、所述输入信息相似度矩阵和所述输出信息相似度矩阵,根据比较公式,得到所述聚类矩阵。
9.根据权利要求6所述的服务组合候选集构建系统,其特征在于,所述抽象出入信息包括抽象输入信息和抽象输出信息,所述抽象服务网络构建单元包括:
分别统计各个所述抽象服务中的所述抽象输入信息和所述抽象输出信息,将统计到的所述抽象输入信息和所述抽象输出信息分别构成输入信息组和输出信息组;
对所述输入信息组和所述输出信息组进行相似度计算,得到抽象出入相似度;
判断所述抽象出入相似度是否满足出入阈值;
如果所述抽象出入相似度满足所述出入阈值,则构建所述抽象服务网络。
10.根据权利要求6所述的服务组合候选集构建系统,其特征在于,所述服务组合候选集获取单元包括:
抽取所述任务需求的需求出入信息;
根据所述需求出入信息,选取与所述需求出入信息匹配的所述抽象服务作为起止节点;
基于所述起止节点,根据搜索算法在所述抽象服务网络中进行抽象服务路径的搜索,得到所述服务组合候选集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610983364.5A CN106529801B (zh) | 2016-11-09 | 2016-11-09 | 服务组合候选集构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610983364.5A CN106529801B (zh) | 2016-11-09 | 2016-11-09 | 服务组合候选集构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529801A true CN106529801A (zh) | 2017-03-22 |
CN106529801B CN106529801B (zh) | 2019-11-01 |
Family
ID=58350109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610983364.5A Active CN106529801B (zh) | 2016-11-09 | 2016-11-09 | 服务组合候选集构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529801B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959195A (zh) * | 2018-06-29 | 2018-12-07 | 天津大学 | 一种面向服务网络的社团发现方法 |
CN114239900A (zh) * | 2021-10-13 | 2022-03-25 | 三明学院 | 一种最优路径的选择方法、装置、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102255929A (zh) * | 2010-05-18 | 2011-11-23 | 武汉大学 | 一种顾及上下文的空间信息服务组合语义匹配方法 |
CN102651755A (zh) * | 2011-02-28 | 2012-08-29 | 北京航空航天大学 | 基于多特征匹配的服务发现方法及系统 |
US20130013444A1 (en) * | 2009-12-23 | 2013-01-10 | Telefonaktiebolaget L M Ericsson (Publ) | Service Selection for Reduced Composition Cost |
CN103838857A (zh) * | 2014-03-17 | 2014-06-04 | 中国科学院软件研究所 | 一种基于语义的自动服务组合系统及方法 |
CN105119961A (zh) * | 2015-07-14 | 2015-12-02 | 中国传媒大学 | 基于本体的语义Web服务自动组合方法 |
-
2016
- 2016-11-09 CN CN201610983364.5A patent/CN106529801B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130013444A1 (en) * | 2009-12-23 | 2013-01-10 | Telefonaktiebolaget L M Ericsson (Publ) | Service Selection for Reduced Composition Cost |
CN102255929A (zh) * | 2010-05-18 | 2011-11-23 | 武汉大学 | 一种顾及上下文的空间信息服务组合语义匹配方法 |
CN102651755A (zh) * | 2011-02-28 | 2012-08-29 | 北京航空航天大学 | 基于多特征匹配的服务发现方法及系统 |
CN103838857A (zh) * | 2014-03-17 | 2014-06-04 | 中国科学院软件研究所 | 一种基于语义的自动服务组合系统及方法 |
CN105119961A (zh) * | 2015-07-14 | 2015-12-02 | 中国传媒大学 | 基于本体的语义Web服务自动组合方法 |
Non-Patent Citations (1)
Title |
---|
储泽南等: "基于聚类和Skyline计算的云计算服务选择", 《计算机测量与控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959195A (zh) * | 2018-06-29 | 2018-12-07 | 天津大学 | 一种面向服务网络的社团发现方法 |
CN108959195B (zh) * | 2018-06-29 | 2022-05-24 | 天津大学 | 一种面向服务网络的社团发现方法 |
CN114239900A (zh) * | 2021-10-13 | 2022-03-25 | 三明学院 | 一种最优路径的选择方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106529801B (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114721833B (zh) | 一种基于平台业务类型的智能云端协调方法和装置 | |
CN102682302B (zh) | 一种基于关键帧的多特征融合的人体姿态识别方法 | |
CN102629275B (zh) | 面向跨媒体新闻检索的人脸-人名对齐方法及系统 | |
CN106599230A (zh) | 一种分布式数据挖掘模型评估的方法与系统 | |
CN106407349A (zh) | 一种产品推荐方法及装置 | |
CN103593371A (zh) | 推荐搜索关键词的方法和装置 | |
CN106776869A (zh) | 基于神经网络的搜索优化方法、装置以及搜索引擎 | |
CN104462318A (zh) | 一种多网络中相同人名的身份识别方法及装置 | |
CN104077723A (zh) | 一种社交网络推荐系统及方法 | |
CN103886030A (zh) | 基于代价敏感决策树的信息物理融合系统数据分类方法 | |
CN110472057A (zh) | 话题标签的生成方法及装置 | |
CN109949174A (zh) | 一种异构社交网络用户实体锚链接识别方法 | |
CN116862454B (zh) | 一种室内建筑设计管理方法及系统 | |
CN106296315A (zh) | 基于用户用电数据的情境感知系统 | |
CN108509545B (zh) | 一种文章的评论处理方法及系统 | |
CN110443290A (zh) | 一种基于大数据的产品竞争关系量化生成方法及装置 | |
CN115375127A (zh) | 一种工程施工智能精细化管控系统 | |
CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
CN102289491A (zh) | 基于模糊规则推理的并行应用性能脆弱点分析方法及系统 | |
CN106529801A (zh) | 服务组合候选集构建方法及系统 | |
CN106294873A (zh) | 一种机器数据的分析装置及分析方法 | |
CN104376116A (zh) | 一种人物信息的搜索方法及装置 | |
CN106503271A (zh) | 移动互联网和云计算环境下子空间Skyline查询的智能商店选址系统 | |
CN106778505A (zh) | 一种自动图像识别分发系统及方法 | |
CN106599188A (zh) | 移动互联网和云计算环境下子空间Skyline查询的智能商店选址方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |