基于约束提取与结构分析的语义Web服务发现算法研究

J4 ›› 2013, Vol. 35 ›› Issue (8): 144-148.

基于约束提取与结构分析的语义Web服务发现算法研究

李坤1，蒋莉莉2

（1.中国石油大学（华东）计算机与通信工程学院，山东青岛 266580;2.东营职业学院，山东东营 257091）

收稿日期:2012-04-24 修回日期:2012-08-27 出版日期:2013-08-25 发布日期:2013-08-25

Research of semantic web service discovery algorithm
based on constraint extraction and structure analysis

LI Kun1,JIANG Lili2

（1.College of Computer and Communication Engineering，China University of Petroleum（East China），Qingdao 266580;
2.Dongying Vocational College,Dongying 257091,China）

Received:2012-04-24 Revised:2012-08-27 Online:2013-08-25 Published:2013-08-25

摘要/Abstract

摘要：

随着互联网上Web服务数量的增多，如何快速准确地发现满足用户需求的Web服务已经成为一个亟待解决的问题。现在很多基于语义的Web服务发现方法都是基于IO匹配，当语义匹配失败时再采取其他措施来弥补。然而只是单纯的基于IO匹配语义Web服务发现的准确率并不高，提出了基于约束提取与结构分析的语义Web服务发现算法。算法分为两部分，首先进行基于约束提取的概念语义匹配，当匹配失败时再采取基于结构分析的算法。使用OWLSTC 2.0作为测试集合对该方法进行测试。结果表明，所提出的方法有效地提高了服务发现准确率。

关键词: 语义Web, Web服务发现, 准确率, 约束提取, 结构分析

Abstract:

With the increase of the number of Web services on the Internet, how to find a web service that can meet users’ requirements quickly and accurately has become a problem to be solved. Currently, many semantic web service methods are based on IO matching .They use other ways if semantic matching is failed. However, the accuracy of semantic web service discovery based on IO matching purely is not high enough. Semantic web service discovery algorithm is proposed, which is based on constraint extraction and structure analysis. It consists of two parts. Firstly, the conceptual semantic matching based on constraint extraction is carried out. Secondly, it uses the algorithm based on structure analysis while matching is failed. owlstc2.0 is used as test set to validate this method . Experimental results show that this method can improve the accuracy of service discovery effectively.

Key words: semantic web;semantic web discovery;accuracy;constraint extraction;structure analysis

李坤1，蒋莉莉2. 基于约束提取与结构分析的语义Web服务发现算法研究[J]. J4, 2013, 35(8): 144-148.

LI Kun1,JIANG Lili2. Research of semantic web service discovery algorithm
based on constraint extraction and structure analysis [J]. J4, 2013, 35(8): 144-148.

[1]	文武, 万玉辉, 文志云, . 基于正余弦算法的文本特征选择[J]. 计算机工程与科学, 2022, 44(08): 1467-1473.
[2]	霍爱清, 李易. 地面箭头标识线检测的改进M2Det算法[J]. 计算机工程与科学, 2022, 44(06): 1090-1096.
[3]	张开放, 苏华友, 窦勇. 一种基于混淆矩阵的多分类任务准确率评估新方法[J]. 计算机工程与科学, 2021, 43(11): 1910-1919.
[4]	赵俊生, 王鑫宇, 尹玉洁, 张林. 基于蒙古语新闻领域本体的分布式检索方法[J]. 计算机工程与科学, 2021, 43(03): 560-570.
[5]	丁峻宏, 苗新强, 李根国. 面向异构超算的结构分析高效并行计算方法[J]. 计算机工程与科学, 2020, 42(12): 2133-2140.
[6]	霍爱清, 张文乐, 李浩平. 基于深度残差网络和GRU的SqueezeNet模型的交通路标识别[J]. 计算机工程与科学, 2020, 42(11): 2030-2036.
[7]	周忠眉1,2,李家辉1,2. 基于各类支持度阈值独立挖掘的关联改进算法[J]. 计算机工程与科学, 2019, 41(11): 2088-2094.
[8]	王菁1,2，王若飞1,2. 基于日志挖掘的电商查询建议方法[J]. 计算机工程与科学, 2018, 40(02): 231-237.
[9]	全秀祥,周忠眉，黄再祥. 一种改进的关联分类算法[J]. 计算机工程与科学, 2017, 39(10): 1966-1970.
[10]	李文轩1，李伟2，李梦凡1，刘成用1. 基于独立成分分析的优选N200和P300特征通道算法[J]. 计算机工程与科学, 2017, 39(09): 1682-1690.
[11]	高雷阜,王飞. 基于混沌更新策略的蜂群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2017, 39(01): 199-205.
[12]	刘亚，胡慧君，刘茂福. 基于混合染色体的带钢缺陷图像分类方法研究[J]. J4, 2016, 38(06): 1213-1219.
[13]	王卫平,周忠眉,郑艺峰. 基于支持度和增比率的改进关联分类算法[J]. J4, 2016, 38(02): 370-375.
[14]	苏依拉，吉亚图，窦葆媛. 基于蒙古语课程领域语义Web的推理与检索方法的研究[J]. J4, 2016, 38(02): 376-385.
[15]	郭兰兰,王辉,陈翔涛. 基于NEI的免疫自学习Web服务突现方法研究[J]. J4, 2014, 36(04): 713-718.