基于本体的语义Web服务匹配算法研究

来源 :济南大学 | 被引量 : 2次 | 上传用户:ip81890
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
语义Web研究的主要目的就是对当前的Web服务进行扩展,借助本体等技术使得Web上所有信息都是具有语义的,使得计算机能够理解和处理的,便于人和计算机之间的交互与合作,通过给Web上的信息添加能够被计算机所理解的语义标注从而使整个Web成为一个通用、方便的信息共享与交换平台。对语义Web上的动态行为即语义Web服务及其相关应用技术的研究一直是近年来学术界研究的热点问题,其中语义Web服务匹配算法作为语义Web服务的主要研究内容之一,是语义Web服务研究的关键问题之一。随着Internet的飞速发展, Web上可应用的服务急剧增多,其应用领域也越来越广泛,用户对Web服务的查找和选择面临较大的挑战,通过为Web服务添加语义标记,如何从众多的语义Web服务中准确、快速的发现与用户需求相匹配的语义Web服务是关系到语义Web服务能否能够得到实际应用的关键问题之一。这个问题的解决依赖于对于语义Web服务,是否存在构建合理的语义标记和服务匹配算法。语义Web服务发现就是要利用某种发现机制来实现计算机在网络上自动找到用户所需的服务,服务匹配是其中的核心问题,服务匹配即是将请求者提供的所需服务的描述与服务提供者已发布的服务描述进行匹配,判断后者是否满足用户需求,当一个发布的服务描述与一个请求的服务描述一模一样时,这是最完美的匹配,然而这种严格的定义使得服务查找的查全率和查准率很低,甚至会导致服务匹配的失败,所以要找出一个好的服务匹配算法来进行相似度计算,以便能为请求者找到尽可能满足要求的服务。本文利用数据仓库和数据挖掘相关技术,以骨架法的中心思想作为参考和指导方针来构建领域本体,然后对构建好的本体模型进行文档化处理,并在此基础上,提出基于树剪枝原理进行基于本体的语义Web的服务匹配算法研究,实现了一种新的语义Web服务匹配方法,以解决在OWL-S/UDDI注册中心大量的语义Web服务中尽快挖掘出满足用户请求的服务,即将数据挖掘和数据仓库中的一些关键技术与语义Web服务中的相关关键技术相结合,在前人工作的基础上,提出一种构建本体的具体方法,以及基于本体进行的语义Web的服务匹配算法,这种语义web服务匹配算法具有以下特点:构建本体的步骤简单明确,具有很好的分类性,能产生良好的预测性而且易于文档化;基于本体分类决策树来进行语义Web服务匹配,使得服务匹配在查准率和查全率方面均得到提高,从而能够更快更好的找到满足用户的需求的语义Web服务,降低无用搜索和匹配的次数,提高匹配的准确度。
其他文献
便捷、准确的无线网络技术得到飞速的发展,特别是具有组网灵活、自适应性强、覆盖范围广的无线Mesh网络,更是如此,并逐渐成为下一代无线网络的主要代表。为了应对当前各式各
面向服务架构(Service-Oriented Architecture, SOA)以其灵活性,可重用性等特点已经逐渐成为系统间取得互用性的有效机制,SOA允许现存的遗产系统将其业务功能以服务的形式应
随着嵌入式系统的发展,嵌入式显示设备也在不断地更新换代,从CRT到LCD,再到近年来出现的电子纸显示技术。电子纸显示图像,具有功耗低、对比度高、可视角度大、强光下可阅读等
多传感器、信息融合技术与传统机器人的结合构成了智能机器人。在以往机器人智能领域的研究中,由于忽视了对多个传感器之间的综合分析,对提高智能系统的性能带来了不利影响。
随着互联网技术的不断发展、电子商务应用的不断普及,越来越多的信息充斥在互联网之上。面对如此多的资源,如何快速找到自己真正所需要的信息,成为众多研究学者、理论专家和
无线传感器网络是由大量随机部署在监测区域的微小传感器节点通过无线通信、自组织方式构成的分布式网络系统,一般用于对人类无法到达的区域或环境进行监测,并将采集的信息传
现有的恐怖预测模型主要是根据组织以往背景与行为之间的联系来预测其未来的表现,并未考虑组织背景属性变化引起行为属性的改变。以文化建模(Culture Modeling,CM)为基础的恐
真实感三维人脸重建技术是计算机图形学领域研究的热点。本文针对基于网格模型的人脸真实感重建方法,分析了面部三维网格简化方法及局部器官特征的定位、人眼模型及运动控制
无线传感器网络(Wireless Sensor Networks,简称WSNs)作为一种全新的信息获取技术,已成为通信领域备受关注的研究热点,是新兴的下一代无线网络,具有广泛的应用前景。但是传统
遥感图像分类是遥感图像处理的重要方面,已广泛应用于海洋、农业、地质、气象、环境、军事等领域。随着卫星传感器技术和数据通讯技术的发展,遥感技术已经进入了一个动态、实时、准确的新时代,提供的遥感图像数据量也越来越大。一方面,数据量的增大导致了遥感图像分类需要花费大量的时间。另一方面,局域网中的很多计算资源处于闲置状态。如何在不影响分类精度的同时,充分利用网络计算资源,快速的对遥感图像进行分类,成为当今