网格服务本体匹配是网格用户提出的要求在网格服务本体库中进行匹配, 找出适合的服务本体。由于使用图匹配理论的需要, 笔者把用户对服务的描述转化为网格服务本体的形式为匹配打下基础, 实现真正的本体与本体的匹配, 具体转化过程可参考文献[12]。因此, 网格服务匹配在本文中转化为网格服务描述本体(用户提出)与服务本体(已存储在网格服务本体库中)的一种匹配, 具体表现为一种格式的两个本体的逐项匹配的组合。结合前人的研究成果, 笔者发现网格服务本体匹配包含三个方面的内容:

(1) 用户请求描述本体和网格服务本体在基本概念上的匹配。具体过程中以其属性值所属概念模型的类别为基础, 对两个服务本体在基本概念层面上进行逐项比对。由于这个层面的描述信息非常多, 表现出来的是OWL-S 描述的 Profile 实例可以有很多的属性值, 但是为了提高两者之间服务匹配的高效性, 删除无关的属性, 只保留对两者服务类别的匹配、服务名称的匹配和关于文本描述的匹配三个方面。由于服务类别、服务名称和有关文本描述的信息都是字符串构成的, 所以在此步骤多采用文本相似性的比较, 常用的有关键字匹配算法和向量空间算法。

(2) 描述本体和网格服务本体语义关联度的匹配。该层是对两个本体的功能属性进行匹配, 具体功能是对描述本体的服务功能进行语义分析, 使得能够在此基础上发现对应的网格服务本体, 这个过程是语义匹配实现的基础, 是网格服务本体匹配中最关键的部分。该层主要包括两个服务本体在IOPE这4个方面的匹配。在技术实现层面上, 由于要进行语义的解析比对, 目前多数使用的是基于语义的匹配技术, 经典IOPE算法就是其中的一种方法。

(3) 描述本体和网格服务本体在服务质量上的匹配。这个层面的匹配实际上是为网格服务的应用打下基础。由于网格资源极为丰富和动态性的特点, 通过匹配删除响应时间、服务成本和服务可靠性达不到要求的网格服务本体^{[ 13]}。

网格用户服务请求的描述本体化是把用户提出的服务请求转化成本体的形式, 即转化为采用OWL-S 描述本体结构的网格服务描述本体, 从而为服务匹配提供相同本体结构。通过对网格服务本体结构的分析, 构建网格服务描述本体需要网格信息检索的用户提交以下几类信息的描述, 来实现网格描述本体与网格服务库中的服务本体相对应:

(1) 与GP相对应的信息。这些信息的提交是服务描述本体中用以描述本体的基本信息, 包括所需的服务名称、服务分类和网格描述信息等。

(2) 与GI和GO相对应的信息。要构建这类信息就需要网格用户提交描述服务的IOPE信息, 这些提交信息主要在构建用户服务描述本体中描述所需服务有什么样的功能需求。

(3) 与ST、Qos相对应的信息。要求用户提交网格服务请求的同时, 提交对网格服务状态和网格服务质量的要求等非功能属性信息, 其中如果只想完成匹配而不继续调用服务, 则ST相关的信息可以忽略^{[ 14]}。与Qos相对应的信息, 则需要用户提出网格服务的运行成本、响应时间和服务的稳定性等参数。

这部分功能可由网格检索系统的语义解析模块实现, 网格用户在查询服务时只需填入关键字和选择相关分类或概念即可。在网格用户提交服务检索时, 某些信息如果没有填写, 在构建网格描述本体时就默认这一项或者几项在匹配时始终满足, 不作为约束条件。

笔者依据弹性匹配算法和其他服务分级匹配的思想, 并结合网格服务本体的特征对现有匹配算法做出改进, 算法流程如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 改进后的网格服务本体匹配流程

(1) 匹配本体的预处理

描述本体和网格服务本体库中的服务本体进行匹配之前可以对其进行预处理, 主要针对两个本体中服务分类的比较。如果两个服务归属实例的分类不能匹配, 则说明这两个服务本体不可能具有足够的相似性, 再比较下去也没有意义, 即可以结束本次匹配的过程。如果两者之间的服务分类能够匹配, 再进行服务名称、语义关联度的匹配等后续操作。网格服务描述本体服务分类可以来源于用户的输入和选择, 并存储在网格服务描述本体的ServiceCategory属性中, 网格服务本体库中的服务分类在OWL-S文件中的Profile 实例中, 属性名也为ServiceCategory。如果这两个服务属性的分类采用统一分类法, 只需要判断两个属性的相似度即可。在实现上将其服务属性分类抽象成两个本体, 利用图计算, 以两个本体在层次模型中到达共同祖先的路径长度的倒数作为相似度。计算公式为:

(1)

其中, SCsim(GSR,GSP)为服务分类相似度值, length(a)、length(b)分别代表其服务分类表示而成的两个本体到最近共同父节点的深度。两者的和越大, 说明其在图中的位置相差越远, 相似度越低。如果没有采用统一分类法, 可借助本体自身的映射功能去解决。

(2) 其他基本服务信息的匹配处理

经过预处理后, 在服务基本信息匹配上就剩下服务名称和服务分类描述的匹配。鉴于其本质上是一种字符串的描述, 目前有基于关键字和向量空间相似度两种比较方法。基于关键字的比较方法简单易用, 但是准确率偏低; 向量空间相似度的计算准确率较高, 但计算量较大。网格服务能提供强计算能力, 因此笔者采用向量空间相似度的计算来确定两个本体在这两个方面是否匹配。由于服务名称和服务分类的匹配方法相同, 笔者以服务名称匹配来举例: 对含有n个特征项的服务名称描述而言, 通常会给每个特征项赋予一定的权重表示其重要程度, 即d=d(T1, a1; T2, a2; …, Tn, an), 简记为d=d(a1, a2, …, an), 称为服务名称描述的向量表示。在向量空间模型中, 两个服务名称描述d和q之间的内容相关度Sim(d, q)常用向量之间夹角的余弦值表示, 公式为:

(2)

其中, a_i、b_i分别表示服务名称描述d和q第i个特征项的权值, 余弦的计算方法为向量内积除以各个向量的模的乘积, 余弦计算的好处是其结果正好是一个介于0到1的值, 如果向量一致就是1, 如果正交就是0, 符合相似度百分比的特性。笔者利用类似的方法来计算服务名称描述之间的相关度。例如服务名称描述d的特征项为a, b, c, d, 权值分别为30, 20, 20, 10; 服务名称描述q的特征项为a, c, d, e, 权值分别为40, 30, 20, 10, 则d的向量表示为D1(30, 20, 20, 10, 0), q的向量表示为C1(40, 0, 30, 20, 10), 则根据公式(2)计算出来的服务名称描述D1与服务名称描述C1相关度是0.86。经过服务名称相似度的计算后, 笔者把它们的相似度值定义为SNsim(GSR, GSP), 其中GSR用来表示网格服务描述本体, GSP用来表示网格服务本体库中的待匹配本体。同样用SPsim(GSR, GSP)来表示服务分类描述的相似度。这样一来, 两个服务本体基本信息的相似度可由下面公式来计算:

(3)

(3) 语义关联度匹配处理

为了能对服务本体匹配提供一个量化的标准, 笔者采用语义关联度描述匹配程度。如果用GSR表示网格服务描述本体, GSP表示网格服务本体库中的某个待匹配本体, 那么IOPE匹配转化为5个步骤, 即分别实现4个参数集合的匹配和最后的综合计算。在下面的描述中, 网格服务描述本体的输入参数集合用GSRI表示, 其输出参数的集合用GSRO表示, 其对前提条件参数的要求转化成集合GSRP, 其对结果影响参数的期望转化成集合GSRE。同样, 网格服务本体库中的待匹配本体, 也是网格服务的提供者, 其输入参数集合用GSPI表示, 其输出参数的集合用GSPO表示, 其对前提条件参数的要求转化成集合GSPP, 其对结果影响参数的期望转化成集合GSPE。

由于4个参数比对采用的算法相同, 笔者以输入参数集合的匹配举例。考虑本体概念类之间的各种关系, 不在一个本体的现象由于其服务分类的相似度过低已被预处理所淘汰, 匹配结果为以下4种之一:

①GSRI和GSPI两个集合在语义上等价或者是同一概念, 其相似度值设为1, 这是匹配最完美的情况。说明服务提供本体正好满足请求者所需要的服务, 既能满足又不浪费资源。

② GSRI包含于GSPI, 即请求服务者是提供服务的子集, 说明此种匹配也符合服务请求者的需求, 所以匹配度同样取值1。

③GSRI与GSPI如果存在插拔现象, 说明服务提供者提供的服务只有部分满足服务请求者的需求, 其定量值为服务请求者参数的个数与服务提供者相应参数交集与并集之比。

④GSRI与GSPI如果存在相交现象, 说明在语义上没有直接的关联, 但请求服务与提供服务二者之间有共同的交集。为了查全率的需要, 这种现象也不能忽略。其计算公式较为复杂。

输入参数集合的匹配的具体计算公式如下:

(4)

同样的方法计算输出参数集合的匹配的相似度Osim(GSR,GSP)、前提条件参数的匹配相似度Psim(GSR,GSP)、输入参数集合的匹配相似度Esim(GSR,GSP), 然后加权计算求出网格服务语义关联度:

(5)

如果用户对权值没有要求, 则可采用默认的平均权值, 即代表这4个方面同等重要。

(4) 网格服务质量匹配处理

网格服务质量简称Qos, 是网格服务本体重要的描述因素, 同时是对语义匹配的补充。Qos描述了一个服务到底能否满足服务请求的需求, 是网格服务匹配后能否应用的关键。Qos 匹配的实质是对 OWL-S Profile文件中的服务响应时间(Time)、服务成本(Cost)和服务可靠性(Reliability)进行匹配。

在进行服务匹配时,可能出现多个网格服务本体都匹配网格服务描述本体的情况, 同时单纯从功能的相似性也无法判断出匹配的服务在非功能方面是否能满足用户的需求, 例如有的服务可能价格过高或者响应时间过长, 有的服务可靠性不好或者提供者蓄意夸大服务的功能, 这就需要给用户提供一种评价服务的手段, 保证匹配到的服务既能满足功能方面的需求, 同时也能满足服务质量方面的需求, 还需考虑服务的质量相似度。笔者参考了文献^{[ 15]}中提出的服务质量的计算方法。

(6)

其中, 三个参数分别表示网格服务请求发出的时间与网格发布服务的响应时间相似度、成本相似度和可靠性相似度, 最后得到的网格服务质量匹配相似度值记为Qsim(GSR,GSP)。

(5) 综合相似度的计算

当以上4个步骤完成后, 可得到网格服务本体基本信息的相似度、IOPE的相似度、Qos的相似度。综合以上匹配得到的相似度, 可以得到服务本体综合相似度:

(7)

其中, , 同时 , 分别是服务本体基本信息的相似度、IOPE的相似度、Qos的相似度的权值。

(6) 具体匹配算法

在具体实现上, 服务本体基本信息的相似度、IOPE的相似度、Qos的相似度依次进行计算匹配, 只有通过上一层匹配的服务才能进入下一层匹配, 使服务集合逐渐缩小, 最终得到满足用户请求的服务集合,改进的网格服务本体的匹配算法如下所示。

输入: 包括用户请求服务本体GSR和服务提供本体GSP (SP)

输出: 满足用户请求的服务集合

匹配过程：

Matchmaking(GSR,GSP)

{

If(SCsim(GSR,GSP) >=Z1&&SNsim(GSR,GSP) >=Z2&&SPsim(GSR, GSR) >=Z3)

Bsim(GSR,GSP)计算;//服务分类, 服务名称和文本描述的匹配

If(Isim(GSR,GSP) >=Z4&&Osim(GSR,GSP) >=Z5&&Psim(GSR,GSP) >=Z6&&Esim(GSR,GSP) >=Z7)//Z1到Z7皆为相应阈值

IOPEsim(GSR,GSP);//IOPE的匹配

Qsim(GSR,GSP); //Qos的匹配

Zsim(GSR,GSP);//综合相似度的计算匹配

if(Zsim(GSR,GSP) >=S1)

{matchset.append(spService);//若匹配的服务满足用户的需求, 则把该服务添加到服务集中。

}

}else{//匹配失败, 则返回fail

return fail;

}

}

//在返回前, 根据用户请求和服务提供的相似度由大到小排列

Matchsetresult=Mathcsort(matchset);//按相似度大小降序排列

return Matchsetresult;

}