本站首页    管理页面    写新日志    退出


«February 2026»
1234567
891011121314
15161718192021
22232425262728


公告
暂无公告...

我的分类(专题)

日志更新

最新评论

留言板

链接


Blog信息
blog名称:
日志总数:5
评论数量:33
留言数量:0
访问次数:63542
建立时间:2004年11月4日




[Semantic Web Service]语义Web服务信誉度模型
软件技术,  电脑与网络,  科学研究

holysword 发表于 2005/3/16 9:34:14

摘  要:语义Web服务信誉度为服务请求者对服务做出更准确的选择提供了依据。文中首先针对语义Web服务的特点对语义Web服务信誉度进行了定义。在此基础上,对现有UDDI进行扩展,提出了语义Web服务信誉度概念模型,并深入研究了相关算法及其实现方案。与其他的Web服务信誉度机制相比较,该模型的优点是针对语义Web服务的特点为服务信誉度加入了语义信息,并综合了第三方权威机构的评价,使得信誉度值更有效和准确。 关键词:语义Web服务;信誉度模型;信誉度算法 中图分类号:TP319    文献识别码:A      文章编号:            随着Web服务的迅速发展,Web服务的自动化问题被逐渐重视,语义Web服务也就应运而生。语义Web和Web服务相结合称为语义Web服务[1]。带有语义信息的Web服务描述有利于实现自动化的Web服务发现,使得Web服务发现技术不再拘泥于传统的分类和基于关键字查询的技术,而是可以进行基于语义的模糊匹配,使Web服务发现技术更有效和准确。但是满足发现条件的Web服务可能同时有多个,服务质量孰优孰劣如何判定;所得到的Web服务是否可用,即其描述语义的真实性如何判定等都是现实应用中人们所关心的问题,这就是Web服务的信誉度问题。本文结合语义Web服务特点,在已有的语义Web服务的体系结构中建立一种能够评价Web服务信誉度的概念模型。通过这个模型,服务请求者可以来判定Web服务的信誉度,从而作出更准确的选择。 1.术语定义及相关工作 Web服务信誉度(Reputation)的作用主要体现在以下几个方面。首先,影响到服务的选择,在既能满足预算和时间约束,同等价格的前提下,用户可优先选择信誉度好的服务;其次,对服务质量要求较高的用户,在满足预算和时间约束的前提下,宁肯高价选择信誉度好的服务,而可能不选择信誉度低的服务。显然,这会给信誉度好的服务带来更多的利益;最后,信誉度也是影响Web服务QoS的因素之一。 在网格计算和电子商务中同样有信誉度的问题。但与前两者不同的是语义Web服务的信誉度除了要关注资源(即Web服务)的质量之外,还要关注其语义信息的信誉问题。因此语义Web服务信誉度应该从两个层次上来解释。第一层次是Web服务的语义真实性。语义真实性是指一个Web服务描述所体现的语义是否真实,有没有不确切的甚至是虚假的部分,譬如某个Web服务宣称自己可以处理任何事情,这当然是虚假的。在确认了Web服务的语义真实性的基础上需要考虑Web服务的质量。Web服务质量的优劣影响客户选择,例如同样是汽车租赁的Web服务,但是服务A提供的车要比服务B提供更为物美价廉,这样用户当然会去选择服务A。这里将质量放在真实性之后是必然的,因为如果一个语义Web服务的真实性都被怀疑,那么其质量就更谈不上了。 本质上讲,Web服务的真实性也是其质量的一个方面。但是对于语义Web服务,由于其描述带有语义信息,因此语义的真实性就需要被判断。所以这里的Web服务真实性不是指传统Web服务的是否可以被可靠的调用和网络链路是否真实存在等问题,而是指服务的功能描述语义是否真实和确切。 文献[2]中给出了一种Web服务信誉度的概念模型。文献[3]提出了一种扩展的UDDI模型,其主要思想是在UDDI中为影响Web服务质量的属性加上本体。文献[4]则对语义Web中的可信任策略作了具体描述,目的是为了提高Agent交互的质量。本文将以这些为基础,同时借鉴网格以及电子商务中的资源信誉度模型来建立语义Web服务中的Web服务信誉度模型。 除此之外,本文中的语义Web服务是使用DAML-S来描述的。因此所有的语义描述以及逻辑推理都符合DAML-S规范。而且语义Web服务的应用框架是利用Agent技术实现,即服务提供者(服务端)和服务请求者(客户端)都有一个Agent与之对应。此Agent负责与一些服务注册机构(例如UDDI)通讯来注册或发现服务,然后与服务交互;调用完成后再负责将客户的反馈返回给UDDI。 2.语义Web服务信誉度模型 2.1 信誉度模型        语义Web服务的信誉度与语义真实性和服务质量相关。而对于Web服务质量,客户可能有不同看法。例如客户A认为只要质量好,价钱高一点没有关系,而客户B则认为只要价钱低一些,质量差点是无所谓的。这样,客户反馈的信息将会有较大差别。所以需要采集大量的客户反馈,对历史数据进行统计分析,得出一个综合值。其次,与电子商务或网格计算中的商誉不同,Web服务信誉度还可以由独立的第三方权威机构评定,它是一个公有信息,也是一个重要的参考值,而商誉则定义为具体于任何两个实体之间的私有值,一个实体针对不同的其它实体可以形成不同的商誉[5]。而另一方面,和商誉一样,Web服务信誉度也是一个随时间变化的量[6],有一些因素会影响到信誉度的衰减。因此,语义Web服务的信誉度与下列四种因素相关: l         服务功能描述语义真实性 l         客户评价历史记录 l         权威机构评价结果 l         信誉度衰减因子 图1描述了我们的信誉度对象概念模型。下面详细叙述影响信誉度的四种因素。   2.1.1 服务功能描述语义真实性        如前所述,服务功能描述语义的真实性是信誉度的第一层次含义,是影响服务信誉度的重要因子,对信誉度有着非常直接的影响。 服务信誉度计算函数(Reputation Algorithm)的一般形式描述如下:                                              (1)        其中, R:服务信誉度,取值范围[0, 1]; St:服务功能描述语义的真实性,取值范围0或1; At:权威机构评价,取值范围[0, 1]; HR:客户评价历史记录统计分析值,取值范围[0, 1]; Ot:其他影响因子        由式(1),当St=0,即服务功能描述语义的真实性为假,则该Web服务的信誉度为0,即具有最差的信誉度;若St=1,即服务功能描述语义是真实的,则服务的信誉度只与其他因素有关,由函数f计算。St值只能为0或1的原因,在于我们规定语义的真实性要么为真,要么为假;如果其语义有一部分为假,则认为语义的真实性为假。 500)this.width=500'> 图1 信誉度对象概念模型 2.1.2 权威机构评价        第三方权威机构可以对注册在UDDI中的Web服务进行评价,其评价值是具有很大权重的影响因子。当权威机构评价为1时,该语义Web服务具有最好的信誉度,即At等于1;当权威机构评价为0时,该服务具有最差的信誉度,即At等于0;当服务没有被权威机构评价时,即 ,则服务的信誉度只与其他因素有关。所以式(1)可以写成:                        (2)   2.1.3 客户评价历史记录        客户评价历史记录包含所有已接受过服务的客户的反馈信息。每条记录包含客户对服务各项参数指标的打分。综合各项参数值,经由客户评价值算法就可以得到客户评价值,即客户对服务质量的评价(Rating)。 每个Web服务都有如下两类评价参数: (1)通用参数 即每个Web服务都应该具有的参数,每个参数都有不同权重,由服务调用者赋值。可能的参数有: l         执行速度 l         费用 (2)领域相关参数 是指不同领域中的Web服务所具有的特殊评价参数,例如餐饮业的饭菜质量和网上购书的书的包装质量等。它由服务提供者和请求者共同给出,其参数信息应该具有语义(采用DAML来描述[7]),同样具有权重。可以自由添加、修改和删除参数种类,但必须遵循一定的规则。参数语义可以表述为如下形式:   <daml:DomainAttribute rdf:datatype="&xsd;float"> <daml:name>PackageQuality</daml:name> <daml:range rdf:resource="http://sws.nwpu.edu.cn/BookService.daml# PQValues" /> <daml:weight rdf:datatype="&xsd;float"> <daml:restriction rdf:resource= “[0.1,0.2]”/> </daml:weight> </daml:DomainAttribute>          上述DAML语句表明,在图书定购服务(BookService)中有一个领域参数名为包装质量(PackageQuality),它的取值范围由"http://sws.nwpu.edu.cn/BookService.daml# PQValues"决定,其权重可以是0.1到0.2之间的浮点值。 将上述参数采用一定的客户评价值算法进行加权平均后得到客户评价值。又由于参数值及其权重值都由服务调用者给出,因此每次客户评价值都可能不同。客户评价值计算函数(Rating Algorithm)的一般形式如下:                      (3) 这里, ,且 ; 其中,r为客户评价值;Gr为通用参数值,α为通用参数权重;Dr为领域参数值,β为领域参数权重。显然,由上式计算可得 。 由式(3)计算得到了单次客户评价值(Rating),再根据历史数据进行统计分析,由式(4)可得出一个综合值HR:                                                  (4) 这里 是一个统计分析函数,其结果满足


阅读全文(5784) | 回复(0) | 编辑 | 精华
 



发表评论:
昵称:
密码:
主页:
标题:
验证码:  (不区分大小写,请仔细填写,输错需重写评论内容!)



站点首页 | 联系我们 | 博客注册 | 博客登陆

Sponsored By W3CHINA
W3CHINA Blog 0.8 Processed in 0.047 second(s), page refreshed 144814454 times.
《全国人大常委会关于维护互联网安全的决定》  《计算机信息网络国际联网安全保护管理办法》
苏ICP备05006046号