（计算机系统结构专业论文）语义web服务匹配模型的研究与实现.pdf

大连理1 大学硕二卜学位论文 摘要 传统的w c b 服务匹配是基于关键字的匹配，由于缺乏足够的语义信息，这种匹配 方式的查全率和查准率都不高。将本体的概念引入w 西服务大大提升了服务的语义表 达能力和发现能力，o w l - s ( 语义w 曲服务描述语言) 的提出也为基于语义的w e b 服务 匹配研究奠定了基础。 现有的两种语义w e b 服务匹配方式基于推理和基于本体相似度计算的匹配都 有一定的局限性：基于推理的服务匹配具有清晰的匹配结构和较高的运行效率，但同一 级结果间不能进一步区分结果的匹配度：基于相似度计算的服务匹配可以精确地描述结 果与查询条件的匹配程度，但实现较为复杂，并且在最坏情况下有糟糕的响应时间。并 且目前的服务匹配方法都局限于服务的输x o n p u t ) 、输出( o u t p u t ) p r 配，而对描述服务能 力的另两个重要参数前提( p r e c o n d i t i o n ) 和效果( e f f e c t ) 的匹配涉及较少。 本文在基于推理的服务匹配策略的基础上，提出了一种结合语义相似度计算的服务 匹配策略，根据基于推理匹配的匹配等级决定是否采用相似度计算；并且对服务匹配的 过程进行优化，通过建立本体概念匹配的预处理列表，将匹配计算的复杂性转移到预处 理阶段，从而提高匹配阶段的运行效率。 同时，本文还对服务的前提、效果匹配进行了研究：采用s w r l - f o l 语言对服务 的前提和效果表达式进行描述，提出将规则表达式分为三层，分别为每层定义匹配规则， 并逐层进行匹配度的计算的方法，形成了对语义w e b 服务的l o p e 全面匹配的匹配策略。 最后，本文设计并部分实现了一个基于l o p e 全面匹配的语义w 曲服务匹配模型， 建立了演示用的领域本体和服务本体来说明服务匹配的过程，并用s p a c e 领域本体中的 概念匹配测试了1 0 匹配算法的改进效果。 关键词：语义w e b 服务；本体；o w l - s ；推理；匹配 j - d 生理工大学硕士学位论文 t h er e s e a r c ha n di m p l e m e n t a t i o no fs e m a n t i cw e bs e r v i c em a t c h i n g m o d e l a b s t r a c t 皿et r a d i t i o n a lw e bs e r v i c em a t c h i n gi sb a s e do nt h ek e yw o r d sm a t c h i n g h o w e v e r , t h e l a c ko f s e m a n t i ci n f o r m a t i o nl e a d st ot h el o wr e c a l la n dp r e c i s i o no f t h i sm a t c h i n g ea b i l i t y o fs e m a n t i ce x p r e s s i o na n dd i s c o v e r yo fw e bs e r v i c eh a sb e e ng r e a t l yi m p r o v e db yt h e i n t r o d u c t i o no ft h ec o n c e p t o n t o l o g y o w l - s ( w e bo n t o l o g yl a n g u a g ef o rs e r v i c e s ) h a s a l s ol a y e dt h ef o u n d a t i o no f t h er e s e a r c ho fs e m a n t i cw e bs e r v i c em a t c h i n g b o t ho ft h et w oc u r r e n tw a y so fs e m a n t i cw e bs e r v i c em a t c h i n 争_ b a s i n go nr e a s o n i n g a n db a s i n go ns i m i l a r i t yc o m p u t i n go f o n t o l o g i 嚣h a v es o n l el i m i t a t i o n s ：t h ef o r m e rs t r a t e g y h a sc l e a r l ym a t c h i n gs t r u c t u r e sa n dh i g he f f i c i e n c yb u t nn o td i f f e r e n t i a t em a t c h i n gd e g r e e s 0 1 1t h es a l n er e s u l t sl e v e l ，w h i l et h el a t e rd e s c r i b e sm a t c h i n gd e g r e eo ft h er e s u l t sa n dt h e q u e r yc o n d i t i o n sa c e u r a t e l ya n de n a b l e su s e rt oc o m p a r ea m o n gt h er e s u l t s ，h o w e v e r , i th a s b a dr e s p o n s et i m ei nt h ew o r s tc o n d i t i o na n di sh a r dt or e a l i z e t h ec u r r e n ts e r v i c em a t c h i n g m e t h o d sa r ea l lr e s t r i c t e dt ot h ei n p u ta n do u t p u tm a t c h i n g , b u ts e l d o mi n v o l v et h em a t c h i n g o f t w oo t h e ri m p o r tp a r a m e t e r st h a td e s c r i b et h es e r v i c ea b i l i 蚪r e c o n d i t i o na n de f f e c t o nt h ef o u n d a t i o no f $ e r v i e em a t c h i n gs t r a t e g yb a s e do nr e a s o n i n g , t h i st h e s i sh a s p r o p o s e das e r v i c em a t c h i n gs t r a t e g yc o m b i n i n gt h es i m i l a r i t yc o m p u t i n g , w h i c hd e c i d e s w h e t h e rt ot a k eas i m i l a r i t yc o m p u t i n go rn o ta c c o r d i n gt ot h em a t c h e dl e v e lo fr e a s o n i n g m a t c h i n g i ti n a k e so p t i m i z a t i o n s o nt h es e r v i c em a t c h i n gp r o c e s sb yb m l d i n gu pa p r e t r e a t m e n t l i s to fo n t o l o g yc o n c e p t st ot r a n s f e rt h e c o m p u t i n gc o m p l e x i t yt o t h e p r e t r e a t m e n tp h a s e ，a n di m p r o v e t h ep e r f o r m a n c ea n de f f i c i e n c yo f t h em a t c h i n gp h a s e i na d d i t i o n , t h et h e s i sh a sa l s od o n es o m er e s e a r c ha b o u tt h ep r e c o n d i t i o na n de f f e c t m a t c h i n go ft h es e r v i c e ：i tu s e st h es w r l - f o ll a n g u a g et od e s c r i b et h ep r e c o n d i t i o na n d e f f e c te x p r e s s i o n so ft h es e r v i c e a n dd i v i d e st h er u l ee x p r e s s i o n si n t ot h r e el a y e r s 。d e f i n e s m a t c h i n gr u l e sf o re a c hl a y e r , a n dc o m p u t e st h es i m i l a r i t yl a y e rb yl a y e r t h e s eh a v e f o r m e d a c o m p l e t e1 0 p e m a t c h i n gs t r a t e g yf o rs e m a n t i cw e bs e r v i c e a tl a s t , t h i st h e s i sh a sd e s i g n e da n1 0 p e m a t c h i n gm o d e lf o rs e m a n t i cw e bs e r v i c e a n dp a r t l yr e a l i z e di t d o m a i no n t o l o g i e sa n ds e r v i c eo n t o l o g i e sf o rd e m o n s t r a t i o na r eb u i l tu p t 0i l l u s t r a t et h ep r o c e s so fs e r v i c em a t c h i n g , a n dc o n c e p tm a t c h i n ge x p e r i m e n t sa r ed o n ei n “s p a c e o n t o l o g yt ot e s tt h ei m p r o v e de f f e c to f t h e1 0m a t c h i n ga l g o r i t h m k e yw o r d s ：s e m a n t i cw e bs e r v i c e ：o n t o l o g y ；o w l - s ；r e a s o n i n g ：m a t c h i n g - i i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：至盏塞霾日期：! ：! 兰：互 大连理1 ：大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 导师签名：至色立虽 型墨年业月匹日 大连理工大学硕士学位论文 1 绪论 1 1 研究背景和意义 随着w e bs e r v i c e 相关技术的日渐成熟和s o a ( 面向服务架构) 的提出，一个新的面 向服务的网络时代即将到来。网络服务的大量涌现，使得服务的描述和发现显得尤为重 要：如何准确、详细地描述服务，使之成为机器可理解并可自动处理的；如何在海量的 w 西服务中找到满足要求的服务并选择最佳服务等，都是w c b 服务发现领域热门的研 究方向。 传统的w 曲服务发现机制主要是基于关键字匹配，缺乏机器可理解的语义信息， 使得服务发现的查全率、查准率偏低，无法实现智能化搜索。将语义w e ；b 中“本体” 的概念引入w e b 服务技术中，大大提升了服务的语义表达能力和发现能力。领域本体 具有丰富的语义信息和广泛的关系，本身又具有统一定位和可扩展的性质，因而可以从 根本上解决传统w 曲服务发现中信息的异构性、语义的多重性和非统一性等问题。 o w l - s ( w 3 c 推荐的语义w 曲服务描述语言忡将w e b 服务的功能属性分为i o p e ( 分别对应服务的i n p u t s ，o u t p u t s ，p r e c o n d i t i o n s ，e f f e c t s ) 四个方面。语义w e b 服务匹配 主要是针对这四个方面的匹配，现有的语义w e b 服务匹配主要存在以下问题： ( 1 ) 主要是针对i n p u t s 、o u t p u t s 方面的匹配，而对描述服务能力的另两个重要属性： p r e c o n d i t i o n s 和e f f e c t s 的匹配涉及较少，这大大限制了匹配的精度。 ( 2 ) 对i o 的匹配算法存在多样化、片面性的特点。虽然大致可分为基于推理和基于 相似度计算两类方法，但不同的方法从不同的角度考虑问题，存在片面性。例如：基于 推理的匹配方法不能区分同一级匹配结果中的匹配程度；基于相似度计算的方法实现复 杂，最坏情况下效率低下等。 ( 3 ) 缺少支持i o p e 全面服务匹配的框架模型。 本文正是针对现有语义w e b 服务匹配中存在的不足，提出了一种新的语义w e b 服 务匹配方法，该方法分别针对服务的i o 和p e 进行匹配；并在该方法的基础上，设计 并实现了一个语义w 西服务匹配的原型系统s w s m a t c h m a k e r ( s c m a n t i ew 曲s e r v i c e m a t c h m a k e r ) 2 语义w e b 服务匹配研究现状 因为o w l - s 是w 3 c 组织最新推荐的语义w e b 服务描述语言【1 1 ( 此前是d a m l - s ) ， 因此目前语义w c b 服务匹配的研究大多都是在d a m l s 和o w l - s 的基础上进行的， 针对d 舢订l s 和o w l - s 中描述服务能力的s e r v i c ep r o f i l e 进行匹配。 语义w e b 服务匹配模型的研究与实现 目前对语义w e b 服务匹配的研究主要是针对s e r v i c ep r o f i l e 的输入、输出进行匹配， 大致可以分为两种匹配方式：基于语义推理和基于相似度计算。 基于推理的服务匹配是建立在领域本体概念间的层次关系之上的，使用描述逻辑进 行推理匹配的方法。m a s s i m op a o l u c e i 等于2 0 0 2 年提出了一种基于d a m l s ( o w l - s 的 前身) 的服务匹配方法【2 1 ，利用d a m l s 的s e r v i c e p r o f i l e 对服务的输入、输出进行匹配。 该方法定义了四种匹配程度( 以输出匹配为例，设o u t r 为请求者的一个输出概念，o u t a 为服务提供者的一个输出概念) ： ( 1 1e x a c t ：当o u t r 与o u t a 是本体中的相同概念或o u t r 是o u t a 的直接子类 r s u b c l a s s 0 0 时，结果为e x a c t 。 ( 2 ) p l u g - i n ；如果o u t a 包含o u t r ，也就是说o u t a 可能完全满足o u t r 。 ( 3 ) s u b s u m e s ：如果o u t r 包含o u t a ，即o u t a 能部分满足o u t r 但不是完全满足。 ( 4 ) f a i l ：在o u t r 和o u t a 间没有任何包含关系，匹配失败。 从上述介绍我们可以看到，基于推理的服务匹配方法将服务间的匹配程度分为几个 等级：e x a c t p l u g - l n ， s u b s u m e s - f a i l ，但在同一等级内部无法进一步区分结果的匹配 度。 作为基于推理服务匹配方法的改进，基于相似度计算的服务匹配通过计算两个本体 概念之间的相似度( 一个介于0 和1 之间的数值) 来得到更精确的匹配结果。目前计算概 念间相似度的方法主要有基于几何距离、基于属性和基于信息容量等几种； n ) 基于几何距离的相似度算法 领域本体中各概念和概念之间的关系可以表示成一个有向图。基于几何距离的相似 度算法【3 1 的基本思想就是用两个概念在本体有向图中的几何距离来衡量语义相关度，距 离越短则相关度越高。几何距离等于路径及其权重的乘积。概念间可能存在多条路径， 而符合算法要求的是两点间的最短路径。每条边的权重简化为1 ，则距离就等于最短路 径的长度( 边的数量) 。 ( 2 ) 基于属性的相似度算法 基于属性的相似度算法是根据比较个概念间相同的和不同的属性的多少来确定二 者的相似度的。两个概念间相同的属性越多，不同的属性越少，则他们越相似。t v e r s k y 在他的文章中提出了这种基于属性的算法1 4 】，假设存在两个概念n l 和n 2 ，那么它们的 相似度计算公式： s i m ( n l ，n 2 ) = 8 f ( n l n n 2 ) 一a f ( 刀1 - n 2 ) 一f i r ( n 2 一n 1 ) ( 1 1 ) 其中，伍，1 3 ，o o ；l a n 2 ) 为疗1 和以共有的属性；n l - n 2 为以1 有而舵没有的属性； 参数a ，b ，0 是为概念n 1 和n 2 之间相同属性和不同属性而赋的不同权重。之所以要对不 大连理工大学硕士学位论文 同属性赋予不同权重，是因为考虑到相同的属性和不同属性在区别不同概念的过程中所 起的作用不一样。 ( 3 ) 基于信息容量的相似度算法 基于信息容量的算法【5 】是由r e s n i k 提出的，基本思想是两个概念的相似度由他们共 同拥有的那部分概念所决定。由于每个概念都是由其祖先概念结点继承而来，继承了祖 先结点的信息，因此两个概念间的相似度可由他们最近的共同祖先结点所包含的信息容 量来确定，共享的信息越多，相似度越大。概念的信息容量可由统计的方法，计算概念 在特点领域文集中出现的概率得到。概念间的相似度如下公式研1 和以为两个概念) ： s i r e ( n l ，n 2 ) = 一l o 甙p ( l s o ( n l ，一2 ) ) )( 1 其中，l s o ( n 1 , n 2 ) 是珂1 和砣的最近共有祖先，p ( 功是概念一在特定领域本体库( 大 样本空间) 中出现的概率。 服务的前提( p r e c o n d i t i o n s ) 和效果( e f f e c t s ) 匹配一直是语义w c b 服务匹配中讨论较 少的部分，一方面由于其自身的逻辑复杂性，一方面也由于缺乏明确的表示规范。在新 的o w l - s1 2 规范中，规定了前提和效果可以用表达式( e x p r e s s i o n ) 表示，另外也给出了 具体的表示语言( 如s w r l ，k i f 等) ，使得匹配的讨论能在统一的规范下进行。这也是 本文对语义w e b 服务的前提、效果匹配进行研究的基础。 】3 本文工作和组织结构 本文研究工作的主要目标是提出一种新的基于语义的w c b 服务匹配策略，对描述 语义w 曲服务能力的服务输入、输出、前提、效果各个方面进行全面的匹配，并在此 策略的基础上设计实现一个语义w e b 服务匹配的原型系统。本文所做的主要工作如下： ( 1 ) 通过对比现有两种语义w e b 服务的输入偷出匹配策略，分析各自的优点和存 在的问题，提出一种基于推理和相似度计算相结合的i o 匹配方法，并通过建立预处理 匹配等级列表，提高匹配算法的运行效率； ( 2 ) 对于服务前提和效果的匹配，采用语义w 曲规则语言( s w r l ) 的一阶逻辑扩展 s w r l - f o l 描述语义w e b 服务的前提和效果表达式，在s w r l f o l 的语法基础上， 定义了前提效果表达式的匹配规则，并提出了服务前提和效果的匹配算法： ( 3 ) 提出了服务的整体匹配算法； r 4 ) 设计并部分实现了一个基于i o p e 全面匹配的语义w e b 服务匹配和发现模型， 并n - “s p a c e ”领域本体内的概念匹配检验了i o 服务匹配策略的改进效果； 本文其余内容的组织结构如下： 第二章主要介绍了语义w e b 服务匹配中的重要概念和相关技术； 语义w e b 服务匹配模型的研究与实现 在第三章里，阐述了语义w e b 服务中的输入输出、前提效果的各自匹配算法和服 务的总体匹配算法； 第四和第五章分别介绍了语义w e b 服务匹配模型的设计与实现； 最后对本文工作的成果和未来的改进方向进行了总结和展望。 大连理工大学硕士学位论文 2 语义w e b 服务匹配相关技术 2 1 语义w e b 和本体论 2 1 1 语义w e b 概述 1 9 9 0 年，万维网的创始人t i mb e m e r s - l e e 发明了互联网的超文本系统，使网络互 连技术用于人们的信息交流与共享，从而极大地促进了互联网的发展。现在，互联网已 经成为人们进行信息交流的重要工具。但随着互联网应用的不断扩展，现有互联网技术 的局限也逐渐暴露出来。现有互联网技术的核心是超文本系统，它的主要思想是通过统 一资源标识符i u ：u n i f o r mr e s o u r c ei d e n t i f i e r ) 对互联网上的信息进行标记，使人们可 以迅速地对互联网上的信息资源进行定位。然而，现有互联网技术并没有对信息的含义 进行描述，计算机在处理信息时只是按照u r i 来定位信息，但对信息的内容并不关心。 w e ；b 的功能仅在于定位和显示数据，提供人类可阅读的信息而非提供机器可理解的语义 信息。这使得计算机在自动处理大量w 西信息时变得无所适从，无法实现智能地理解 和处理网页的内容。 语义w 西的思想就是为了弥补这方面的不足而被提出来的。从语义w c b 的发展起 源来看，语义w e b 是人工智能领域和w c b 技术相互结合的产物【6 】。2 0 0 0 年，t i m b e m e r s l e e 在世界x m l 大会上，提出了语义w 曲的概念和体系结构。“语义w c b 是 对当前w 西的扩展，语义w e b 上的信息具有定义良好的含义，使得计算机之间以及人 类能够更好的彼此合作【_ 7 】”。在语义w 西中，各种资源被人为地赋予了各种明确的语义 信息，计算机可以分辨和识别这些语义信息，并对其自动进行解释、交换和处理。 语义w c b 在信息查询方面具有一般的w 曲无法比拟的优越性。后台带有语义信息 的知识库为谓词推理引擎提供了用武之地，相比普通的基于关键词查询的搜索引擎，基 于推理的引擎功能要强大得多，其准确性也要高得多【引。 t i mb e r n e r s 1 e e 在世界x v i l 大会上提出的语义w 西体系结构如图1 1 所示。 其中：第一层是u n i c o d e 和u r i ，它是整个语义w e b 的基础，u n i c o d e ( 统一编码) 处理资源的编码，l w i ( 统一资源定位器) 负责标识资源；第二层是) c m l + 名字空间+ ) c m ls c h e m a ，用于表示数据的内容和结构；第三层是r d f + r d fs c h e m a ，用于描述资 i 既其类型；第四层是本体词汇，用于描述各种资源之间的联系；第五层是逻辑，在下 面四层的基础上进行逻辑推理操作；第六层是验证，根据逻辑陈述进行验证以得出结论； 第七层是信任，在用户问建立信任关系。 语义w 西服务匹配模型的研究与实现 图2 1 语义w e b 的体系结构 f i g 2 1t h e a r c h i t e c t u r eo f s e m a n t i cw c b 2 1 2 本体论( o n t o l o g y ) ( 1 ) 本体论概述 本体论最初起源于西方哲学，“o n t o l o g y ”一词来自希腊文。它是指关于o n 的l o g o s 即研究存在的学问【9 】。从哲学意义上看，本体论关注的是存在，即世界在本质上有 什么样的东西存在，或者世界存在哪些类别的实体。 随着信息技术的发展，本体论逐渐被引入到人工智能领域，一用来表示人们大脑中的 共享知识和概念。本体提供了对特定领域知识的共享，普遍的理解，无论是人还是机器 之间都能够有效地进行语义上的理解和通信，对于实现语义w 曲所需要的语义层次上 的知识共享、知识重用有巨大优势。因此在语义w e b 中，o n t o l o g y 具有非常重要的地 位，是解决语义层次上w e b 信息共享和交换的基础。 在人工智能界，最早给出本体定义的是n e c h e s 等人，他们将o n t o l o g y 定义为“给 出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇 外延的规则的定义【10 】”。目前比较公认的本体定义是r u d is m d e r 于1 9 9 8 年提出的：“本 体是共享概念模型的明确的，形式化的规范描述f 1 1 】”。 这包话含四层含义： 概念模型( c o n c e p t u a l i z a t i o n ) ：指“通过抽象出客观世界中一些现象的相关概念两 得到的模型”。概念模型所表现的含义独立于具体的环境状态。 明确( o x p l i c i t ) ：指所使用的概念及使用这些概念的约束都有明确的定义。 形式化( f o r m a l ) ：指o n t o l o g y 是计算机可读的( 即能被计算机处理) 。 6 一 大连理工大学硕士学位论文 共享( s h a r e ) ：指o n t o l o g y 中体现的是共同认可的知识。反映的是相关领域中公认 的概念集。 本体的优点在于它能指导人们对某一领域的知识达到一致的认识和理解，并使用计 算机进行描述和逻辑推理，从而达到语义w e b 的目标。 ( 2 ) 本体描述语言伽， o w l 的全称为o n t o l o g yw e bl a n g u a g e ( w e b 本体语言) 【1 2 】，是w 3 c 推荐的语义w e b 中本体描述语言的标准。与之作用相似的还有r d f ，r d fs c h e m a , d a m l + o i l 等，它们 均是基于x m l 的本体描述语言。o w l 基于x m l 和r d f ，是d a m l + o i l 的延伸。o w l 通过提供一个具有形式语义的附加词汇表，使得它比由x m l ，r d f 和r d fs c h e m a 支 持的w e b 内容更具有机器可解释性。o w l 采用面向对象的方式来描述领域知识，即通 过类和属性来描述对象，并通过公理( a x i o m s ) 来描述这些类和属性的特征和关系。 o w l 基本语法中包括类( c l a s s ) 、属性( p r o p e r t y ) 、个体( i n d i v i d u a l ) 等几个基本概念： 类( c l a s s ) 提供了组织具有相似特征的资源的一种抽象方式。每一个o w lc l a s s 联系 到一个i n d i v i d u a l 的集合，这个集合叫做它的外延，集合中的i n d i v i d u a l 叫做它的i n s t a n c e 。 可以通过指定一个c l a s s 名字或说明一个匿名的c l a s s 的外延来描述一个c l a s s 。另外， 可以使用r d f ：s u b c l a s s o f 将c l a s s e s 组成一个层次化的结构。 属性( p r o p e r t y ) 提供描述c l a s s 间关系的抽象机制，它可看作c l a s s 之上的二元关系。 而p r o p e r t y 之间可以通过s u b p m p e r t y o f 形成层次化的关系。o w l 里有两类p r o p e r t y 。 0 b j e c tp r o p e r t y 的值域是c l a s s 的i n d i v i d u a l ，d a t a t y p ep r o p e r t y 的值域是数值类型的值f 整 数、字符串，日期等，由x m ls c h e m a 定义) 。在o w l f u l l 里，o b i e c t p r o p e t y 和d a t a t y p e p r o p e r t y 不互斥，因为数值类型的值也可以看作是一个i n d i v i d u a l 。 个体( i n d i v i d u a l ) 描述数据的个体，是组成c l a s s 的元素，被称为类的实例。i n d i v i d u a l 通过使用r d f ：t y p e 来将自己绑定到某个c l a s s 上。 针对不同的应用范围( 不同的推理和计算能力) ，o w l 提供了三种表达能力递增的子 语言： o w l - l i t e ：从语法上来说，o w l - l i t e 是三个之中最简单的一个，当你的本体中类 的层次结构很简单，并且只有简单的约束( c o n s w a i n t ) 时适合使用它来描述本体。例如， 在需要把一个已存在的辞典( t h e s a u r i ) 移植到另一个差不多简单的概念层次时，o w l - l i f e 可数做得又快又好。 o w l - d l ：和o w l - l i t e 相比，o w l - d l 的表达能力要丰富许多，它的基础是描述 逻辑( d e s c r i p t i o nl o g i c s ，即d l 的由来) 。描述逻辑是一阶逻辑( f i r s to r d e rl o g i c ) 的一个 语义w 西服务匹配模型的研究与实现 可判定的变种，因此可以用来进行自动推理，计算机从而可以知道本体中的分类层次， 以及本体中的各种概念是否一致。 o w l - f u l l ：o w l - f u l l 是o w l 的三种子语言中表达能力最强的一个，适合在那些 需要非常强的表达能力，而不用太关心可判定性( d e c i d a b i l i t y ) 或是计算完全性的场合下 使用。不过也正是由于表达能力太强这个原因，用o w l - f u l l 表示的本体是不能进行自 动推理的。 2 2 语义w e b 服务描述语言- - - - - - - o w i ，s o w l - s ( w e bo n t o l o g yl a n g u a g ef o rs e r v i c e s ) ，是语义w e b 中广泛用于描述w e b 服 务功能和属性的o w l 本体规范，它使用一系列的本体来来描述服务【1 3 】，具有良好定义 的语义，需要互操作的多方可以用o w l - s 来描述w e b 服务。它的早期版本叫做 d a m l - s 1 4 1 ，由美国国防高级设计研究组( d a r p a ) 开发，目标是使得w e b 服务成为计 算机可理解的实体，以便完成服务的自动发现、选择、调用、组合等【1 5 l 。 2 2 1o w l - s 顶层本体 在o w l - s 中，描述w e b 服务的基本信息主要有三类本体：s e r v i c e p r o f i l e ， s e r v i c e m o d e l 和s e r v i c e g r o u n d i n g ，如图2 1 所示。它们分别描述了“服务做了什么”、 “服务如何工作”、“服务如何访问”这三个方面的语义信息。 图2 2o w l - s 的顶层本体 f i g 2 2t o po n t o l o g i e so f o w l - s 大连理工大学硕士学位论文 s e r v i c e 类是对一个声明了的w e b 服务的结构化的引用点，每个s e r v i c e 实例将对应 一个发布的服务。而p r e s e n t s ，d e s e r i b e d b y 和s u p p o r t s 作为s e r v i c e 类的三个属性，分别 将值域映射到上面的s e r v i c e p m f i l e ，s e r v i c e m o d e l 和s e r v i c e g 啪d i n g 。其中： s e r v i c e p r o f i l e ：类似于服务的黄页，它描述了服务查询a g e n t 用来判断服务是否满 足它要求的一组属性信息，例如服务所提供的功能、它的输入、输出、执行的前提条件、 执行后产生的效果等。它还可以用来描述a g e n t 的需求，从而一个匹配者可以做出双向 的表达。该类用于服务的自动发现。 s e r v i c e m o d e l ：描述了服务的过程模型( 使用服务时所涉及的控制流和数据流) 。它描 述了服务是如何工作的，和s e r v i c e g r o u n d i n g 配合用于服务的自动组合和执行。 s e r v i c e g r o u n d i n g ：将过程模型的描述和w s d l 中的通讯协议及消息描述联系起来。 它描述了如何访问一个服务的细节，如制定消息格式、通信协议、服务端口号等。 在这个对服务的上层描述中，只有两个数耳上的约束：个服务至多只能有一个 s e r v i e e m o d e l 描述：一个g r o u n d i n g 至多只能和一个服务相关联。该o n t o l o g y 对 d e s e r i b e d b y 、属性没有最小数目上的限制，对p r e s e n t s 和s u p p o r t s 也没有最大数目上的 限制。 2 2 2o w l - s 与工业标准服务模型的比较 基于o w l 的0 w l - s 模型较工业界制定的一些基于x m l 的w c b 服务的标准和规 范，在语义表达上更为丰富。 ( 1 ) o w l - s 与u d d i 的比较 u d d i 是一套基于w e b 的、分布式的、为w e b 服务提供信息注册中心的实现标准 规范，同时也是促使企业能将自身提供的w c b 服务进行注册，以使别的企业能够发现 服务的访问协议的实现标准【16 1 。u d d i 规范基于x m ls c h e m a 来描述服务。服务的提供 者注册服务的广告和所属类别的关键字，服务的使用者基于关键词从注册机构检索这些 广告。u d d i 的查询机制依赖预先定义好的分类并通过关键词来匹配，而不涉及这些广 告的语义内容它类似于一种白页或黄页的功能。u d d i 试图覆盖各种类型的服务，包括 那些通过电话或e m a i l 提供的服务，而这些不在o w l s 的关注范围。 具体来讲，u d d i 中的每个商业描述包含一个b u s i n e s s e n t i t 元素，描述服务的名字、 k e y 值、所属分类、提供的服务( b u s i n e s s s e r v i c e 元素) 和联系信息。 一个b u s i n e s s s e r v i c e 元素包含多个b i n d i n g t e m p l a t e 元素。一个b i n d i n g t e m p l a t e 元 素描述访问服务所需的信息( 如电话、e m a i l ，h t t p ，邱、传真等) 、k e y 值以及t m o d e l l n s t a n c e 。 t m o d e l l n s t a n c e 用于描述访问服务所需的技术细节，包括协议，交换格式等。 语义w e b 服务匹配模型的研究与实现 由于u d d i 不支持服务的语义描述，因此尽管a g e n t 可以在u d d i 注册中检索服务 描述，但需要人工参与来理解这些描述的含义，并对访问接口进行编程来实现服务的访 问。 u d d i 没有提供也不指定用于广告的内容语言，w s d l 是常用的一种，o w l s 也可 以作为一种候选的内容语言，提供更丰富的内容描述。从这个意义上来讲，u d d i 和 o w l - s 是互相补充的。 ( 2 ) o w l - s 与w s d l 的比较 w s d l t l 7 】是一种x m l 格式的、和u d d i 联系紧密的、用于描述u d d i 数据库中注 册的服务接口的语言。比起u d d i ，w s d l 更接近它的功能。和o w l s 类似，w s d l 把服务的抽象描述和用于实现的具体数据与协议分开，并定义两者之间的绑定。然而其 对服务的抽象层次比o w l - s 低。w s d l 将服务定义为端点，即端口的集合，是与特定 协议与数据格式规范相联系的网络地址。 和u d d i 一样，w s d l 不支持服务的语义描述，主要关注服务的g r o u d i n g ，尽管它 有输入输出类型的概念( 由x s d 定义1 ，但不支持输入输出参数之间逻辑约束的定义。因 此在服务的发现和调用支持方面不及o w l - s 。 o w l - sg r o u n d i n g 的描述采用了w s d l 的这种从交换消息的抽象表示到具体格式 的转换方式。在o w l s 中，过程模型中的输入和输出通过s e r v i e e g r o u n d i n g 映射到w s d l 的抽象消息，再由w s d l 转换成服务之间交互的具体格式。s e r v i e e g r o u n d i n g 通过w s d l 将服务的应用级内容描述和通讯级描述联系起来。 ( 3 ) o w l - s 与b p e i a w s 的比较 b p e i a w s 1 8 l 本质上是一种过程建模语言，它更像o w l - s 中的s e r v i c e m o d e l 。其目 标是成为w e b 服务整合方面的标准，支持将一组现有的服务整合成一个新的服务。 b p e i a w s 区分抽象过程和可执行的过程。前者可以隐藏内部的行为，后者对过程 的实际行为建模。前者用于描述商业协议，后者可编译成可调用的服务。 整合的服务可以建模成有向图，节点代表服务，边代表服务的依赖连接关系。连接 的运行时语义可以在b p e i a w s 文档中描述。构词如s w 咖，w h i l e 和p i c k 等可以 用来指明图中服务的执行路径。 对于描述服务做了什么以及服务是怎么做的，b p e i a w s 引用w s d l 文档中的端口 类型描述。同样，其服务行为和输入输出的描述也受限于x m l 和x m l s 的表达能力。 一个b p e i a w s 文档使用这些描述来定义组合中的“r o l e ( 角色) ”。一个由“p a r t n e r ”定 义的满足这些约束的服务可以动态地填充服务组合中的角色。 大连理工大学硕士学位论文 2 3 描述逻辑 描述逻辑( d e s c r i p t i o nl o g i c ) 是基于对象的知识表示的形式化，它吸取了k l - o n e 的 主要思想，是一阶谓词逻辑的一个可判定子集【l9 】。描述逻辑是o w l 的基础，它具有较 强的推理能力，为语义w e b 提供了一个坚固的后盾。 与它之前的知识表示的形式化相比，描述逻辑提供了一个正式的、基于逻辑的语义 从而确保为不同的应用领域提供一个有用的知识表达框架。描述逻辑的重要特征是很强 的表达能力和可判定性，它能保证推理算法总能停止，并返回正确的结果。在众多知识 表示的形式化方法中，描述逻辑在十多年来受到人们的特别关注，主要原因在于：它们 有清晰的模型一理论机制；很适合于通过概念分类学来表示应用领域；并提供了很用的 推理服务。 描述逻辑可由以下三个性质来描述郾】： ( 1 ) 它的基本组成部分是概念( c o n c e p t ) ，关系( r o l e ) 和实例( i n d i v i d u a l s ) 。 ( 2 ) 它可依据提供的构造算子，在简单的概念和关系上构造出复杂的概念和关系。 ( 3 ) 它能够通过推理自动的发现隐含的概念和实例。 一个完整的描述逻辑系统是建立在c o n c e p t 和r o l e 上的，其中c o n c e p t 是指对象概 念的集合，r o l e 为对象间的