英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
可在www.sciencedirect.com在线获取
科学文摘
程序计算机科学 112 (2017) 2127–2136
知识与智能信息与工程国际会议
系统，KES2017，2017年9月6日至8日，法国马赛
基于本体的个性化RESTful Web服务方法的发现
Sana Ben Abdallah Ben Lamine, Hajer Baazaoui Zghal, Michael Mrissa, Chirine
Ghedira Guegan
印度尼西亚马努巴马努巴大学RIADI实验室
法国巴约讷波城和阿杜尔国家的LIUPPA实验室
里昂大学，CNRS，IAE，里昂大学，LIRIS，UMR5205，法国
摘要
Web服务发现是一项具有挑战性的任务，在过去十年中受到了很多关注。 已经提出了几种方法，但是仍然存在许多限制。 在本文中，我们根据HATEOAS原则关注RESTful服务的协同语义发现。 我们提出了一种基于1）服务之间语义链接的方法; 2）用户配置文件聚类以动态测量类似上下文中的查询的用户相似性，以及3）用户配置文件本体以管理用户和相应的服务。 已经实施了一个原型来评估我们的提案并显示其有效性。
copy;2017作者。 由Elsevier B.V.发布
由KES International负责的同行评审。
关键词：RESTful Web服务; 关联服务; 用户配置文件本体
1. 简介
随着Web上发布的Web服务数量呈指数增长，用户面临越来越难以发现最合适的服务来回答他们的请求。 这一事实导致需要解决方案以使用户能够在特定用户环境中发现最适当的服务，从而确保最高的满意度。
一些研究侧重于用户的Web服务请求的个性化以及对这些查询的响应，基于过去的用户的经验。因此，测量每个服务调用的用户满意度将有助于优化作为对给定查询的响应而返回的资源的发现。然而，我们认为通过搜索用户社区批准的服务集合可以进一步提高结果，用户发出查询的用户与类似上下文中使用的一组资源有相似的意见。事实上，搜索结果将受益于先前的用户“在特定上下文中的体验并且将使得能够预测用户对来自用户”邻居的每个资源的满意度。在本文中，我们关注RESTful Web服务，它们越来越多地用于开发面向资源的体系结构（ROA）或面向数据的体系结构（DOA）。与传统的Web服务不同，基于RESTful的服务提供统一的面向资源的接口，并符合超媒体作为应用程序状态引擎（HATEOAS）原则，该原则促进使用超媒体链接在应用程序的状态之间导航。为此，我们提出了一种解决方案，允许基于语义用户分析技术来描述和发现RESTful Web服务。关于用户的上下文和反馈以及他的类似用户的那些，服务发现是个性化的。
本文描述的工作的科学贡献包括以下几点：（1）基于HATEOAS的RESTful Web服务发现的个性化（2）基于配置文件本体的用户配置文件管理和（3）服务推荐的协同过滤。
本文的其余部分组织如下：在第2节中，我们概述了与Web服务发现相关的现有工作。我们的建议在第3节中介绍和详述。第4节介绍和讨论了我们方法的评估和实验结果。我们在第5节中总结并展示了我们未来的工作。
2. 背景，相关的工作和动机
在本节中，我们将简要介绍RESTful服务和链接服务，并概述相关工作。
2.1. RESTful服务
在我们的工作中，我们处理RESTful Web服务。后者遵循分布式超媒体系统的Representational State Transfer（REST）架构风格，这是一种源自多种基于网络的架构风格的混合风格。
与传统的Web服务不同，基于RESTful的服务允许在没有任何SOAP信封的情况下发送消息，并直接使用典型的编码（XML，JSON，二进制，文本）。它们还提供统一的面向资源的接口，允许与任何RESTful客户端进行类似的交互，从而支持使用通用客户端。 REST架构风格的另一个有趣特性是HATEOAS原则，它促进使用超媒体链接来推动应用程序的发展。
虽然REST不是标准，但它越来越多地用于开发面向资源的体系结构（ROA）或面向数据的体系结构（DOA）。在我们的工作中，资源是可以通过其URI访问的任何信息，换句话说，任何可能是作者的超文本引用的目标的概念。
在本文中，我们将RESTful Web服务视为一组资源，它们提供对其所代表的软件的状态和功能的一致访问。
2.2. 关联服务
2010年左右推出的链接服务是由链接数据描述的Web服务，也是交换链接数据的服务。 这些服务结合了面向服务的计算（松耦合，可组合性......）原则的优点与链接数据的优点（使用语义描述实现自动处理）。 链接服务是一种自动化发现，组合和执行任务的有前途的方法，这在典型的面向服务的体系结构中已被证明是具有挑战性的。
2.3. 相关服务
如前所述，我们的提案旨在借助协同过滤技术改进链接RESTful服务的发现。它首先基于用户体验和他的反馈，其次，基于一组被认为与之类似的用户的前体验。
因此，我们确定了处理RESTful服务描述和发现的相关工作，如下所述。
社交模型提供了将服务链接到彼此的方法。服务之间的关系驱动发现算法，该算法仍然基于集中式设置。
后来的工作建议使用略微修改的社交模型并根据HATEOAS原则发现RESTful服务。我们依靠这种方法来构建此处提供的发现方法。其他工作提出语义注释描述以支持RESTful服务发现，如微格式或完整
语义描述，一些工作解释了模式推理如何推动发现过程。
另一类工作主要涉及基于用户体验的服务发现。
在服务定制中基于服务质量。作者提出了WSMO-QoS，它改进了WSMO中的非功能属性类，Web服务描述语言。使用用于选择服务的归一化算法。作者提出OWL-Q作为OWL-S的扩展和基于规则的算法来匹配两个指标。作者建议使用本体来规范非功能属性（NFP）来定制语义Web服务的发现。选择基于声明性规则，以执行服务NFP与请求的NFP之间的逻辑匹配。
其他工作在整个资源访问过程中考虑用户的搜索上下文。作者将上下文定义为“一系列条件和环境影响，使情况独特并使其成为可能”。通过将其上下文与上下文匹配来选择Web服务。
用户。以XML格式表示的上下文元素被定义为对（名称，值），参数的匹配基于逻辑等价，而值的匹配基于包含。上下文由通用本体表示可以连接多个域本体。匹配基于语义距离。
其他工作侧重于定义为“知识源，用户数据库”的用户模型。关于用户的这种知识可以是身份，地理位置，兴趣或偏好。矢量模型用于表示用户信息。作者构建了一个本体，描述了作为电子学习系统一部分的Web服务发现的用户配置文件。该概况可以按几个维度组织，这可以是不同的形式。每个维度描述代表用户19的方面。在20中，作者提出了一种定制的信息检索系统，其建议的用户简介档案既是语义的又是多维的。
尽管有这么多的作品，但已经注意到了一些限制。传统的面向服务的体系结构通过中央注册表（即UDDI）支持服务发现，该注册表包含描述可用服务所需的所有元数据。典型的服务组合算法（基于规划等）适用于这样的设置，该设置在诸如中小型组织的封闭世界环境中已经成功。
相反，REST架构风格通过超媒体和自描述消息设想服务发现，从而构建分布式超媒体应用程序，逐步遵循语义显式超媒体链接来驱动应用程序状态（根据REST的HATEOAS原则）。因此，由于没有中央注册表可用于回答请求，因此典型的组合算法不适用于分布式超媒体应用程序。需要重新设计驱动服务组合的发现算法。
此外，虽然我们知道用户配置文件匹配技术和协同过滤已经应用于基于集中式注册表的服务发现方法，但基于HATEOAS的发现方法大多是最新的。据我们所知，现有的工作尚未证实它们可以以相关方式与用户配置文件匹配技术和协同过滤相结合。鉴于此，本文的目的是证明将HATEOAS驱动的发现与用户配置文件匹配相结合是推动RESTful服务发现的有趣解决方案。实际上，我们提出了一种基于服务和用户配置文件聚类之间的语义链接的方法，以动态地测量类似上下文中的查询的用户相似性。另外，定义用户简介档案本体以管理用户和相应的服务。
3. 基于Ontology的方法，用于个性化RESTful Web服务发现
我们的目标是个性化回给不同的用户发现RESTful Web服务的结果。 个性化基于使用简介本体，其为每个用户，他的类似用户和他以前使用的服务节省了相应的反馈。 服务“关系本体被用于突出服务之间的相似性和互补关系。 推荐系统使用的协同过滤方法用于基于类似用户的意见，针对返回的服务的预测效用（或满意）值来过滤返回的服务
我们的提议基于图1中描述的一般架构，该架构分为两层。
图一：建议的一般架构
应用程序层包含提供给用户的服务。 首先显示用户界面，它允许识别，以便为新用户创建新模型或为已注册的用户加载模型。 当用户提交允许两种类型的搜索的查询时，搜索过程开始：在新用户的情况下的经典搜索或在识别的用户的情况下的个性化搜索。 然后在知识层处理之后将搜索结果暴露给用户。
知识层由四个部分组成：（1）社区匹配组件，（2）资源发现组件，（3）过滤组件和（4）反馈收集和简介文档本体更新组件。
后面的组件将在以下小节中详细介绍。
3.1. 社区匹配组件
该组件旨在为当前用户确定一组类似的用户圈。 社区匹配组件的算法可以有两种情况：（1）通过在配置文件本体（在定义1中定义，在图2中显示）中为用户识别用户，并与适当的用户社区进行匹配。 以前使用的服务类似于当前用户所请求的服务，并且在类似的上下文中，以及（2）对于新用户，在应用程序层中创建新的配置文件。
定义1：用户u的概要本体定义如下：
|
Ou = C, R, A |
(1) |
其中C是一组概念，R是一组关系，A是以逻辑语言表达的一组公理
简档本体Ou表示关于用户的知识并且涵盖用户简介档案的主要方面（参见图2以获得更多细节）。
图二：提出的概要本体论 图三：已识别用户的资源发现组件
社区匹配算法的输入和输出是：
输入：用户U，配置文件Ontologie O.
输出：[类似用户的个人资料psim]
3.2. 资源发现组件
为了发现服务，预见了两种情况（1）识别用户和（2）新用户或有限体验：
（1）识别的用户（参见图3）：在应用层中识别用户，并且该方法可以利用用户的历史以及他的相似用户组来获得所请求的服务。在发现过程中使用用户的简档。该方法涉及用户的经验和对图1中描述的简档本体的质疑。
2提取服务（a）已由用户自己评估（参见第2行算法1）或由同一社区的成员（参见第3至5行算法1）。 （b）满足给定用户的需要（参见算法2）。
通常，用户要求Web服务搜索引擎请求操作。使用12中描述的域本体处理查询以提取概念。通过在用户“简档”中建立它们与服务注释之间的对应关系来完成对满足所识别概念的服务的搜索。
（2）新用户或有限经验：在这种情况下，该方法执行经典搜索，从输入点（参见图4）探索相关资源并发现满足用户需要的资源，根据12提出的方法通过探索其描述符来进行资源发现（参见第7行算法1）。
事实上，正如现有技术中所述，REST是一种支持超媒体概念的架构风格。每项服务都链接到一组有利于HATEOAS的服务。在12中，提出了Web服务之间的两种类型的关系：“Is-Similar”和“Is-Complementary”。如果两个服务具有相同的功能（操作），则两个服务是相似的，并且如果用户感兴趣的是不同的功能（操作）之一，则两个服务是互补的，例如火车票预订服务和酒店客房服务的预订是互补的。12中提出的语义描述允许我们将Web视为节点是服务的图形，边缘是它们之间的语义链接。 此外，服务之间的语义注释链接：“Is-Similar”和“Is-complementary”允许我们在图中导航（参见图4）。
算法1和2详述了资源发现组件。
__________________________________________________
算法1 个性化服务发现算法
____________________________________________________
Input: Operation-concept C, [Profiles of SimilarUsers psim],
User-Profil P, Entry-point E Output: {records (Service, Fe
全文共11556字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[451920]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
