一種基于本體語義的云制造服務供需智能匹配方法

劉慧敏, 宋庭新, 伍孟軒, 唐晟林, 胡錦帆

(湖北工業大學機械工程學院， 湖北 武漢 430068)

?

一種基于本體語義的云制造服務供需智能匹配方法

劉慧敏, 宋庭新, 伍孟軒, 唐晟林, 胡錦帆

(湖北工業大學機械工程學院， 湖北 武漢 430068)

為了支持服務資源的高效配置和確保云制造服務的公正可靠，提出一種基于本體語義的云制造服務供需智能匹配方法。通過建立具有語義關系的云制造服務資源本體來形成縱橫擴展的制造服務資源本體語義詞庫，并以此來實現快速高效的服務資源語義搜索，最后通過考慮了多方面因素的綜合匹配算法，來實現云制造服務的供需智能匹配。本體語義詞庫的建立、語義相似相關度的計算和綜合匹配算法的構建，分別構成了這種供需智能匹配方法的前提、核心和支撐。

云制造服務； 本體語義詞庫； 語義相似相關度； 綜合匹配算法

隨著物聯網技術、信息技術、云計算技術的日益成熟，云制造[1-2]服務將大力整合、共享社會制造資源，成為一種新型的跨區域跨行業的虛擬制造模式，而云制造服務起始于服務資源管理環節中的服務資源搜索與匹配，只有通過全方位的擴展搜索和多角度的綜合匹配，才能找到優質的服務資源與可靠的合作伙伴，從源頭把握云制造的質量和效用，真正實現低消耗、低成本、高價值、高效率的多贏目標。但是，由于面大量廣的服務資源來自不同的地域、不同的行業、不同的企業，它們的名稱或描述可能就不一樣，而且云制造服務各個業務流程緊密相關，僅僅依靠傳統的關鍵字搜索、垂直搜索、結構搜索[3]，不可能全面系統地搜索到預期服務資源，更不可能做到服務資源的供需智能匹配，這就需要一種基于本體語義的云制造服務供需智能匹配方法來支持云制造服務的搜索與匹配[4-5]。本文提出并研究了這種適用于云制造服務領域的供需智能匹配方法[6]。

1 供需智能匹配方案設計

1.1 供需智能匹配模型

圖1描述了這種基于本體語義的云制造服務供需智能匹配方法的實現方式與數據流向。相應的服務資源被供方企業從云制造服務管理系統發布后，將存儲在云數據庫中，并與本體語義詞庫交互，當另外的企業用戶輸入服務資源詞條來搜索時，這些詞條首先與本體語義詞庫相接觸，就像查詢電子詞典一樣，從語義上逐一鎖定與其相關的語義詞匯，然后再按照語義相似性和相關性的高低去檢索云數據庫，從而實現云制造服務資源語義搜索，最后根據匹配算法計算輸入信息與各個搜索結果之間的匹配度，按照匹配度高低返回一個智能推薦列表，為用戶提供決策支持[7-8]。

圖1 云制造服務供需智能匹配示意圖

1.2 供需智能匹配原理

圖2描述了這種基于本體語義的云制造服務供需智能匹配方法的工作原理與整體流程。該方法起始于需求信息的輸入，終止于匹配結果的反饋，相似相關度計算和綜合匹配計算貫穿于其中。輸入信息將首先根據其語義概念在本體語義詞庫中進行橫向和縱向語義擴展，找到與之相關的語義節點，然后遵從“相似-相關”優先級順序進行語義相似相關度計算，相關度達不到臨界值的節點語義詞匯將直接被忽略，而相似或相關度大于對應臨界值的節點語義詞匯將會映射到云數據庫進行云數據庫檢索，接著便輸出云數據庫檢索結果，最后將各個檢索結果與輸入信息納入綜合匹配計算，綜合匹配度不在前10的服務資源將被忽略，而綜合匹配度排在前10的服務資源將會作為最后輸出展現在需方用戶界面。

圖2 云制造服務供需智能匹配原理圖

1.3 供需智能匹配步驟

該智能匹配方法中的語義本體考慮了服務資源間的垂直歸屬關系和語義之間的等價、蘊涵、相關關系，而綜合匹配算法考慮了企業用戶的信用、規模、能力、地點以及服務資源的價格、交貨期等問題[9]。它的實現主要包含了語義搜索和綜合匹配兩個步驟，其具體過程如下。

1)分析輸入信息的語義并進行語義擴展搜索。先識別并分析輸入內容的語義，然后根據語義間的等價、蘊涵和相關關系在基于本體的語義詞庫中以“等價—蘊涵—相關”的優先級順序進行相似度和相關度匹配，最后將擴展得到的服務資源語義映射到云數據庫去鎖定對應的云制造服務資源，為最終的服務資源綜合匹配輸出匹配對象。

2)計算語義搜索結果的匹配度并輸出智能匹配列表。先將鎖定的服務資源及其提供方和需求方信息納入綜合匹配算法，進行分析和計算，得到各服務資源與需求信息的匹配系數，然后按匹配系數高低輸出推薦列表，完成服務資源的匹配。

2 供需智能匹配關鍵技術

這種基于本體語義的云制造服務供需智能匹配方法主要涉及三大關鍵技術，它們分別是建立本體語義詞庫、計算語義相似度相關度和構建智能匹配算法。建立本體語義詞庫就是為了實現語義擴展，快速找到與輸入詞條有關的服務，為語義搜索打下了堅實的基礎；而語義相似相關度計算則是為了提高語義搜索的精準性和高效性，過濾掉那些相似相關性低的服務資源，為智能匹配提供對象；構建智能匹配算法是為了綜合計算供需之間的匹配程度，過濾掉那些匹配度低、不經濟不合理的服務資源，為用戶選擇提供決策支持。建立本體語義詞庫和計算相似相關度均服務于語義搜索，而最終的供需智能匹配是通過語義搜索結果的智能匹配計算來實現的，由此可見這三者相輔相成，相互協作，共同確保云制造服務的高效搜索與合理匹配[10]。

2.1 本體語義詞庫建立

建立本體語義詞庫，是實現該方法的前提與基礎。不建立進行了語義擴展且足夠強大的語義詞庫，就談不上語義搜索；不建立本體，語義詞庫就凌亂分散，搜索效率就會大大降低。建立語義本體詞庫主要包括兩個步驟：首先人工操作，根據經驗、常識以及行業知識等搜集整理制造業當中具有語義等價、語義蘊含、語義相關關系的詞匯，以此來實現橫向語義擴展；然后用Protégé軟件將服務資源按照行業、業務、服務來進行縱向建模分類，形成層次清晰、語義充分的本體語義詞庫[11]。

圖3顯示的是用Protégé軟件建立本體的一個步驟，其中添加了一個“三維反求”節點，它等價于“逆向工程”。要建立本體，就是要添加無數個節點來描述和表示各個語義詞匯之間的關系。

圖3 云制造服務資源本體建立界面圖

圖4是一個簡易的本體語義詞庫，僅僅考慮了按照服務類型分類。它首先將云制造服務資源進行了縱向分類，然后建立了相關服務資源之間的語義關系。很明顯，“云制造服務資源”作為最上層的父類，擁有“人才服務”、“設計服務”等6個子類，而“設計服務”作為父類擁有“CAD服務”等3個子類，依次這樣擴展下去，所有的服務資源就被明確分類，并在本體語義詞庫中具有唯一的位置。紅色區域所展示的是語義關系，“三維反求”與“逆向工程”、“逆向技術”在語義上完全等價，它們構成了一個同義詞；“CAD服務”在語義上包含“AutoCAD”和“Pro/E”等，它們就構成了一個語義蘊涵詞；在制造領域，設計和加工、物流等都是相輔相成的，它們緊密相關，缺一不可，因此“設計服務”、“檢測服務”和“加工服務”等在語義上構成了語義相關關系。這種反映了語義關系的分類本體是該供需智能匹配方法的核心，決定著搜索的擴展性和高效性。

圖4 基于本體語義的服務資源分類圖

2.2 語義相似相關計算

計算語義相似相關度，是實現語義搜索的核心。語義相似或相關的程度，直接決定了語義搜索的結果，只有與輸入詞條在語義上達到了某種程度的相似或相關的本體語義詞才會映射到云數據庫進行服務資源檢索，也就是說那些相似或相關程度很低的本體語義詞跟輸入信息沒有太多關聯，不足以支持輸入信息進行語義擴展，自然就不會映射到云數據庫，當然這種映射順序也是遵從“相似—相關”這個優先級順序的。如果具有語義相似關系，則不會進行語義相關計算，只有當不具備任何語義相似關系時才嘗試著尋找它們之間是否存在語義相關關系，相似度高的自然最先映射到云數據庫，相關度最低的最后映射到云數據庫。語義相似相關度計算過程可參照圖2，先進行語義相似度計算，只有當相似度達不到臨界值才會進行語義相關度計算，語義相關度計算相當于是語義相似度計算的補充，即在沒有太多語義相似的情況下來挖掘其是否有足夠高的語義相關關系，以便盡可能多地找到它們之間的語義關系來支持語義搜索，其具體計算算法如下：

假設輸入信息與本體語義詞分別為W1和W2，如果W1有n個概念(S11,S12,…,S1n)，W2有m個概念(S21,S22,…,S2m)，則W1和W2的相似度是各個概念的相似度的最大值，即：

其中，Sim(S1i,S2j)為概念相似度，其計算方法為：

其中，S1是輸入信息的某個概念描述，S2是本體語義詞庫的某個概念描述，βi(1≤i≤4)是可調節的概念映射到服務描述文檔中的各個參數，同時還要：β1+β2+β3+β4=1，β1>β2>β3>β4，β1>β2>β3>β4對Sim1至Sim4對于總體概念描述的相似度所起到的作用會逐步遞減。語義相似度的臨界值為0.5，即語義相似度小于0.5的節點語義詞不足以支持語義搜索，這個臨界值是經過相關語言學原理和語義關系知識分析而設置的。

設X、Y是本體概念相關圖中的任意兩個節點，ShortestPath(X,Y)表示從X到Y的最短路徑長度，當X，Y不連通時，ShortestPath(X,Y)的值為∞，在此基礎上X和Y的相關度計算公式為：

Rel(X,Y)=α/(ShortestPath(X,Y)α)

其中α是一個可調節的參數，即相關度為0.5時概念間的最短距離值。由此可見，X與Y在語義概念中的最短路徑越短，它們的相關度就越高，反之就越低，那么映射到云數據庫的可能性就越小。經過相關語言學原理和語義關系知識分析，將語義相關度的臨界值設置為0.8，即語義相關度小于0.8的節點語義詞不足以支持語義搜索。

2.3 供需綜合匹配計算

構建智能匹配算法，是實現智能匹配的重要支撐。不僅不是所有的語義搜索結果都會輸出，而且輸出列表并不唯一取決于語義吻合程度的高低，而是在更大程度上取決于供需雙方多因素的綜合匹配度，只有綜合匹配度排序在前10的服務資源才會從高到低以列表的形式展示給用戶。該智能匹配算法采用多元判別的方式，將服務資源的價格(P)、交貨期(T)，供/需方的信用(C)、規模(S)、品質(Q)、特殊要求(R)都納入到了考慮范圍，它的實現過程可參照圖2，其計算公式為

d=W1/P+W2/T+W3C+W4S+W5Q+W6R

其中，該算法中的權重(W1—W6)取決于供需雙方的服務描述及特殊要求，所以它們都以動態的形式處在一個經數理分析、經驗分析和線性優化得到的范圍內，而0.25≤W1≤0.35，0.10≤W2≤0.20，0.10≤W3≤0.20，0.02≤W4≤0.07，0.25≤W5≤0.35，0.03≤W6≤0.08，每個權重都分為6個等級，W1的6個等級所對應的權重分別為0.25、0.27、0.29、0.31、 0.33、 0.35，其他各權重等級以此類推，用戶通過選擇對應的等級來完成部分服務描述或者要求解析。

3 供需智能匹配案例展示

圖5展示的是這種基于本體語義的云制造服務供需智能匹配方法的應用實例。需方企業需要外界提供“三維反求”服務，便輸入“三維反求”進行檢索，通過這種智能匹配方法得到了該智能推薦列表。很明顯，列表里除了有以“三維反求”為關鍵詞的服務資源，還有以“逆向技術”和“逆向工程”為關鍵詞的服務資源。另外，這三個服務資源的排列順序體現著該企業用戶與這三個提供方之間匹配度的高低，排在第一個的“深圳德利歐科技公司”是系統最推薦的，而第三條信息并不因為其直接提供“三維反求”服務而被首先推薦。這個列表足以說明該方法不像傳統的關鍵字搜索取決于關鍵詞吻合程度的結果，而是將服務資源價格、地點，供需雙方信用、規模等進行綜合分析計算而得到的，具有很強的可信度。

圖5 云制造服務供需智能匹配實例圖

4 結論

這種方法兼顧了搜索和匹配，打破了傳統搜索方式不支持語義擴展的瓶頸，推出了適應于云制造服務交易的匹配機制，具有支持語義擴展搜索、支持服務資源管理、支持供需智能匹配等一系列優點。通過這種方法，企業用戶可以快速搜索到全面且優質的服務資源，并且通過簡單操作就能找到可靠且合適的合作伙伴。

[1] 李伯虎, 張 霖, 王時龍, 等. 云制造——面向服務的網絡化制造新模式[J]. 計算機集成制造系統, 2010, 16(01): 1-7.

[2] 李伯虎, 張 霖, 任 磊, 等. 再論云制造[J]. 計算機集成制造系統, 2011, 17(03): 449-457.

[3] 鄧緒水, 宋庭新, 黃必清. 單點登錄技術在企業資源集成中的應用[J]. 湖北工業大學學報, 2010, 25(02): 24-27.

[4] 蔣子龍. 基于本體的專題性搜索引擎的研究與實現[D]. 武漢: 武漢理工大學, 2009.

[5] 甘鍵侯, 姜 躍, 夏幼明. 本體方法及其應用[M]. 北京: 科學出版社, 2011.

[6]HUANGBiqing,LIChenhai,YINChao,ZHAOXinpei(2013)CloudManufacturingServicePlatformforSmallandMedium-sizedEnterprises.IntJAdvManufTechno65(12):1 261-1 272.

[7] 尹 超, 胡衛民, 劉 飛. 新產品開發過程應用服務提供平臺的運行支持系統[J]. 重慶大學學報, 2008, 31(05): 505-510.

[8]LUOYongliang,ZHANGLin,TAOFei,RENLei(2013)Amodelinganddescriptionmethodofmultidimensionalinformationformanufacturingcapabilityincloudmanufacturingsystem.IntJAdvManufTechnol69(05-08):961-975.

[9] 張志宏. 云計算平臺管理系統的研究與實現[J]. 電信工程技術與標準化, 2012(04): 21-25.

[10] 尹 超, 黃必清, 劉 飛, 等.中小企業云制造服務平臺共性關鍵技術體系[J]. 計算機集成制造系統, 2011, 17(03): 495-503.

[11]TAOFei,HUYefa,ZHOUZude.Studyonmanufacturinggrid&itsresourceserviceoptimal-selectionsystem[J].IntJAdvManufTechnol,2008, 37(09-10):1 022-1 041.

[責任編校： 張 眾]

An Ontology Semantics-Based Intelligent Matching Method for Demand and Supply of Cloud Manufacturing Service

LIU Huimin, SONG Tingxin, WU Mengxuan, TANG Shenglin, HU Jinfan

(SchoolofMechanicalEngin.,HubeiUniv.ofTech.,Wuhan430068,China)

In order to support the efficient configuration of service resources and ensure the justice as well as reliability of cloud manufacturing service, this paper proposes an intelligent matching method based on ontology semantics for demand and supply of cloud manufacturing service. Through establishing service resource ontology with semantics relation, a vertical and horizontal extended manufacturing service resource ontology semantic thesaurus was formed to realize the high speed and efficiency of service resources semantic searching, and finally a comprehensive matching algorithm which has taken many factors into consideration was applied to achieve the intelligent matching of supply and demand about cloud manufacturing services. The establishment of ontology semantic dictionary, computing of semantic similarity and relevancy degree and construction of comprehensive matching algorithm, respectively, constitute the premise, core and support of this method.

cloud manufacturing service; ontology semantic thesaurus; semantic similarity and relevancy degree; comprehensive matching algorithm

2014-07-09

國家“十二五” 高技術研究發展計劃(863計劃:2012AA051707)

劉慧敏(1990-)， 男， 湖北天門人，湖北工業大學碩士研究生，研究方向為制造過程信息化與自動化

1003-4684(2015)01-0047-04

TP311

A