基于關鍵詞權重量化方法的服務發現技術研究

(西北工業大學 a.計算機學院; b.高性能計算中心， 西安 710072)



摘 要：

對隱式經驗核心概念及性質進行了形式化的定義與分析，提出了一個新的服務發現模型——ICSSD模型，該模型解決了擴展發布機制、基于語義本體及擴充服務規約結構的方法所不能解決的問題。在服務的行為和QoS參數隨時間的變化而不斷變化的過程中，服務的功能與非功能特性的表現和控制問題得到一種可行的解決方案。SRService服務推薦系統的開發實踐表明，ICSSD模型有效提高了服務發現的效率，同時也為Web服務的發現過程提供了有效的動態管理機制。

 關鍵詞：Web服務發現； 服務推薦； 隱式經驗

 中圖分類號：TP393 文獻標志碼： A

文章編號：10013695(2008)12362404



Research and application of service discovery based on TFIDF

ZHONG Donga，b， ZHU Yiana， WANG Yunlanb



(a.School of Computer， b.Center for High Performance Computing， Northwestern Polytechnical University， Xi’an 710072， China)



Abstract:

This paper proposed the Web service discovery model based on implicit culture，such as ICSSD model. The model solved the problem that functional and nonfunctional characteristics of Web services could be difficult to present and control，since service behavior and QoS parameters could vary over time， and new services could emerge in certain business areas. The application resulted in the process of the development of SRService prototype system showed that the ICSSD model effectively increased the discovery capability of service and provided the robustness and selfadaptability of service discovery based application，while it also provided a dynamic management mechanism for service automatic discovery.

 Key words：Web service discovery; recommendation systems; implicit culture



0 引言

隨著面向服務的概念的提出及Web服務技術的不斷發展與成熟，越來越多的企業開始將自己開發的軟件組件封裝成服務，在SOA體系架構中使用。然而隨著可用服務的不斷增多，從眾多的服務中查找到一個最合適的服務集成到自己的應用系統中也變得越來越困難。目前很多的服務發現的方法都是集中在服務自身信息處理的模式下，主要有如下幾種方法:a）通過不斷研究擴展服務的描述與發布機制來提高服務的發現效率^[1]；b）通過語義Web建立本體的方法；c)通過修改擴充服務規約結構的方法^[2]。

然而，上述三種方法在服務的功能與非功能的特性的表現和控制方面是有一定難度的，因為服務的行為和QoS參數是隨時間的變化和服務的更新而不斷變化的。因此盡管用戶在開發一個基于服務的應用系統時有各種工具可以利用，但發現并使用一個新的服務方法還主要是通過商業伙伴提供，或開發某領域服務的開發人員的描述，以獲取新的服務信息來使用服務的。目前，已經有人開發出了支持這種信息交互的服務發現選擇系統 ^[3~6]。系統的實現原理主要是，服務提供者通過對服務使用者反饋回來的信息進行分類，以進行服務的發現與選擇。但更多的研究表明，通常情況下服務使用者很少愿意主動反饋服務的使用信息給服務提供者^[7]。

針對上述問題本文擴展了隱式經驗理論，定義了基于隱式經驗理論的核心概念模型，并提出了具有服務推薦能力的ICSSD模型（implicit culture based system for service discovery），可以讓開發基于服務組合應用系統的開發者不用通過了解某服務使用者的使用經驗信息，或驗證過服務的可用性的前提下，完成服務的發現。隨后介紹了一個基于ICSSD模型的原型系統的設計與實現，重點介紹了原型系統的核心SRService，一個獨立于上下文的推薦服務^[8，9]；最后給出了系統中一個請求相似度的算法和原型系統的性能實驗結果。

1 隱式經驗

當一個服務使用者發現、調用或執行一個服務時通常都是通過服務代理來實現的。當一個代理開始在環境中查找一個服務時，此時代理不具備任何關于將要調用服務的相關知識或調用方法及相關的輪廓信息，此時的查找與調用很可能是盲目的。因此每次的查找與調用并不能保證找到的服務是最合適的服務，尤其是一個新的代理調用相應的服務會比環境中其他有調用該服務經驗的代理面對更復雜的情景。因為其他代理可能都具有調用相應服務的經驗或服務的具體描述信息和調用方法，但這些代理卻沒法表達和交流他們調用相應服務的經驗。為了解決此問題，筆者采取通過模仿有過類似服務調用行為代理的執行行為，賦予新代理觀測和自學習的能力，當一個服務請求者為執行一個任務查找一個可利用的服務時，服務請求者并不了解相關服務本身及其實際行為的知識。但此前有著相同應用經歷的開發人員或自治系統已經調用過相關服務，并對調用時參數的使用方法有成功的經驗。本文稱這種經驗性的信息為隱式經驗（implicit culture），而各領域的應用都有相應的隱式經驗，因此在推薦系統的實現過程中可利用這些信息作為參數來發現與選擇服務。通過隱式經驗進行服務發現方法的思路是在領域內，從服務發現過程的行為觀測數據中抽出一定的知識，并使得在該領域中新的相關應用的執行動作設計盡可能地近似于已有的應用。

為了更清楚地介紹系統中利用隱式經驗進行服務發現的原理，下文給出幾個基礎定義及定義用到的相同概念。首先定義一個agent集合P和一個object集合O，集合中的元素都是由字符串類型的agent和object名稱組成。其中，對象（object）是由名稱和相關屬性（attribute）組成。代理（agent）是一個能執行行為（action）的特殊類型對象。屬性是由名稱、值和值的類型組成，主要用來描述對象、行為和代理。執行環境ε定義為P和O

定義4期望行為（expected action）。定義代理a的期望行為E（ha，t）是變量ha，t的期望值。其中，ha，t是代理a在時間t的行為。

定義5條件期望行為（expected situated action）。定義代理a的條件期望行為E（ha，t|〈a，σ，t〉）是以情景為條件的變量ha，t的期望值。

定義6組（party）。定義一個代理的集合GP，本文稱G是一個組。

定義7經驗約束理論（cultural constraint theory）。設L是一種被用做描述環境（代理和對象）、行為、現場、情景、執行行為、條件期望行為的語言，G是一個組。定義對于G的經驗約束理論是用L描述的基于組G成員條件期望行為的理論，用∑來表示。

定義8 群（group）。存在經驗約束理論的組G被稱為群。 

定義9經驗行為（cultural action）。已知一個群G，若存在一個代理b∈G，一個情景〈b，σ，t〉滿足E(hb，t|〈b，σ，t〉)=α，本文稱行為α是一個關于G的經驗行為。

實際上使用正確的方法改變服務請求者在環境中執行的可能行為的集合，可使服務請求者的行為與群的行為保持一致。一個群在不同的環境下具有不同的最優行為，除新成員外群內的老成員也同樣需要了解不同時刻的環境信息，因此他們用一個隱式的方法共享同樣的經驗。隱式經驗是一種關系，用來表示一個集合與一個群之間的關系。當一個集合與一個群之間具有隱式經驗關系時，集合中的元素的行為滿足群的經驗約束^[10]。引入經驗約束可以解決集合中的非最優行為與群關聯化的問題，即當集合G′中的執行行為滿足群G的經驗約束時，本文用隱式經驗來描述集合G′與群G之間的關系。當一個集合與一個代理群具有隱式經驗關系時，本文稱其為隱式經驗現象。該現象的產生能使一個新的服務請求者的服務發現行為變得更有效率，可以直接根據有過類似請求的請求者的行為來發現選擇需要的服務。圖1描述了隱式經驗相關核心概念模型，該模型描述了某時刻一個群中的代理成員可能的執行環境約束。

2 基于隱式經驗理論的ICSSD模型

21 ICSSD系統結構模型

本文在基于隱式經驗核心概念模型理論的基礎上提出了一個服務發現模型——ICSSD模型，如圖2所示。通過觀測模塊連接跟蹤一個服務的請求調用過程，獲得服務被調用和執行過程中的行為觀測數據，該數據可用做識別一個服務的功能和哪些應用相關。除此之外，獲取執行某服務的行為觀測數據有助于對服務按照QoS分級。對于開發人員來說要做的只是要激活調用Web服務執行過程的觀測行為，觀測行為執行后得到的數據將作為服務執行的歷史數據保存到經驗行為數據庫。ICSSD模型可通過對歷史數據的分析，推薦給新的服務調用者與其執行任務相關的服務，此類信息也可用在對動態可配置系統中對自我治愈行為的支持。ICSSD系統模型中具體推薦功能是由服務推薦模塊（composer module）來完成的。當一個代理執行一個請求行為時，服務推薦模塊會將與行為對應的觀測數據和經驗約束理論規則的先決條件部分進行匹配。這一過程中服務推薦模塊的經驗行為發現子模塊（cultural actions finder）會選擇一個先決條件與當前觀測數據最合適的規則，并將其推斷結果進行變量初始化產生經驗行為，服務推薦模塊的現場產生子模塊（scenes producer）再利用經驗行為推薦一個與其行為近似度最高的現場。本模塊提供一個近似度算法，使用一個預定義近似值對兩個行為的名稱、時間戳、代理、對象和屬性進行相似度計算。下文將對近似度算法詳細描述?；赬ML語言的行為描述，允許筆者為每個特殊實例的特殊類型、元素及元素對配置它們的值。此外，如果一個應用需要自定義的算法來計算某類元素之間的近似度時，ICSSD模型系統可以通過使用配置模塊提供的工具，將現場產生子模塊默認的近似度算法替換為應用于該專用領域的算法。其中的經驗行為管理子模塊（cultural actions handler）主要是完成存儲、更新、恢復經驗行為發現子模塊輸出的經驗行為，避免經驗行為的沖突現象產生。

22 經驗約束理論規則

ICSSD模型中的推薦過程所需的經驗約束理論規則是由理論感知模塊（inductive module）在經驗行為數據庫的數據基礎上，按照一定的算法提取出經驗規則數據，用經驗約束理論規則定義語言重新描述后，存入經驗約束理論規則知識庫而產生的，該理論規則能捕獲群中成員關于環境的知識。以下是一個簡單的理論規則：

y∈group;

x∈group，s∈services，b∈brokers

request(x，y，s)∧inform(y，x，b)→invoke(x，b，s)

上式描述了存在一個代理y屬于群group，如果一個請求者x向y請求發現一個能執行服務s的代理信息，y回復x一個信息指名代理b具有這樣的服務能力，然后x將向b直接請求執行服務s。這意味著代理y具有推薦一個服務提供者的能力，并且該推薦信息影響了代理的選擇參數，即x決定向服務s的b請求。一個經驗約束理論規則通用抽象描述如下:詞。當先決條件發生時，隨之推斷結果也會發生。一個經驗約束理論規則是能夠不斷重復發生的。

23 近似度算法

行為的名稱、屬性和對象的近似度決定了行為（如submit_request、invoke等）的近似度。近似度計算考慮的主要元素是一個術語序列q（q = (t1， t2，…， t|q|)）描述的請求。其中：|q|代表請求的長度，tj∈T，j∈{1，…，|q|}，T是代理提交給系統的所有請求集合Q的術語集合的詞匯量。Q={q1，…，qn}，n代表系統記錄的所有請求的數量。在ICSSD模型里的服務推薦模塊的現場產生子模塊（scenes producer）中，計算兩個請求的相似度的算法如下：

算法1基于TFIDF模型的近似度算法。按TFIDF模型的度量方法計算時，每個術語定義為ti，nij代表tj在查詢qi中的出現次數；n

3 實驗驗證

31 原型系統設計

本文在ICSSD模型的基礎上開發了一個原型系統，系統將ICSSD模型封裝成一個推薦服務SRService來實現。SRService管理領域中Web服務調用請求的所有歷史信息，同時收集不同客戶端的服務調用信息，幫助開發人員發現和選擇適合其應用的服務。為了能夠在一個領域中共享已有服務提供的功能，用戶必須在程序中加載ICSSD遠程客戶端模塊，以便客戶端的服務調用監控功能能夠使用。整個系統的工作原理包括11個步驟，如圖3所示。a）服務提供者發布服務；b）服務提供者注冊服務；c）SRService從注冊數據庫中讀取新發布的服務的相關信息；d）創建一個調用該服務的應用；e）請求調用該服務；f）得到該服務的調用響應；g）向SRService提交調用該服務的信息報告；h）新的服務請求者向SRService注冊，請求加入該領域；i）新的服務請求者開發調用該服務的應用；j）新開發的應用系統向SRService提交服務調用請求；k）SRService返回給系統一個其推薦的服務。

ICSSD模型是一個服務發現的通用模型，具體設計ICSSD模型系統時，可根據領域的不同采取不同的領域庫。在一個新的領域庫的部署時要完成如下幾個步驟：a）在隱式經驗術語中添加新的應用領域的術語；b）定義新的經驗約束理論規則；c）定義計算相似度的算法。在目前實現的系統中經驗約束理論規則均比較簡單，新的理論規則都是通過手工添加完成。

32 精確率實驗

為了進一步驗證ICSSD模型的原型系統的性能，筆者分5類主題設計了20個服務，每一類主題中的4個服務的操作語義上均是相等的；同時設計20個歷史請求，每個請求都是基于Web服務定義語言文件中較短的自然語言描述的關鍵詞而設計的；通過對用戶的真實行為的仿真向系統提交了100個請求。如果這個服務和請求是按筆者預先定義的方式匹配的，就認為該請求通過ICSSD系統推薦收到并執行了一個可用服務。本文以P表示服務調用的精確率，用來描述推薦信息中術語相關性精確程度，是推薦系統返回的結果中正確信息的數量T與返回所有結果數量S的比值。

圖4是提交100次請求時的精確率的測試數據。測試數據表明，基于TFIDF算法的推薦系統的精確率的數據指標有一定的穩定性。隨著請求數量的增加，系統的精確率穩定在08左右，是一個比較理想的數值。

4 結束語

通過上述實驗驗證不難發現，基于隱式經驗約束理論規則的服務發現方法在服務發現的實踐中是可行的，尤其是對智能服務發現和服務組合技術的發展能起到積極的推動作用。筆者在今后的工作中可以針對其中的近似度算法作一定的改進，使系統性能進一步得到提高，還能在隱式經驗約束理論規則的自動生成方面開展進一步的研究工作。與此同時，因為本系統的設計都是在假定服務請求者與發現者之間是相互信任的基礎上展開的，因此，在今后的工作中也可以針對安全方面對系統作進一步的改進和提高。

參考文獻：

[1]MARTIN D. OWLS: semantic markup for Web services[EB/OL].（2004）[20080320].http://www.w3.org/Submission/OWLS.

[2] KELLER U， LARA R， POLLERES A. WSMO Web service discovery[EB/OL].（2004）[20080322].http://www.wsmo.org/2004/d5/d5.1.

[3] BOVA R， PAIK H Y， BEWATALLAH B， et al. Task memories and task forums: a foundation for sharingservicebased personal processes[C]//Proc of International Conference on ServiceOriented Computing Berlin: SpringerVerlay， 2007:365376.

[4] KERRIGAN M. Web service selection mechanisms in the Web service execution environment[C]//Proc of ACM Symposium on Applied Computing. New York: ACM Press， 2006:16641668.

[5] MANIKRAO U S， PRABHAKAR T V. Dynamic selection of Web services with recommendation system[C]//Proc of International Conference on Next Generation Web Services Practices. Washington DC: IEEE Computer Society， 2005:117121.

[6] SHERCHAN W， LOKE S W， KRISHNASWAMY S. A fuzzy model for reasoning about reputation in Web services[C]//Proc of ACM Symposium on Applied Computing. New York: ACM Press， 2006:18861892.

[7] CLAYPOOL M， LE P， WASEDA M， et al. Implicit interest indicators[C]//Proc of ACM Intelligent User Interfaces Conference. New York:ACM Press，2001:3340.

[8] BIRUKOU E. ICService: a serviceoriented approach to the development of recommendation systems[C]//Proc of ACM Symposium on Applied Computing. New York: ACM Press， 2007:16831688.

[9] KOKASH N， BIRUKOU A， D’ ANDREA A. Web service discovery based on past user experience[C]//Proc of International Conference on Business Information Systems. Berlin: SpringerVerlag， 2007:95107.

[10] BLANZIERI E， GIORGINI P， MASSA P， et al. Implicit culture for multiagent interaction support[C]//Proc of the 9th International Conference on Cooperative Information Systems. London: SpringerVerlag， 2001:2739.

[11] SECO N， VEALE T， HAYES J. An intrinsic information content metric for semantic similarity in wordnet[C]//Proc of the 16th European Conference on Artificial Intelligence.[S.l.]: IOS Press， 2004:10891090.