語義Web中本體概念的語義匹配分離方法

唐鄭熠，韋 立，李均濤，萬 良

（1.福建工程學院 信息科學與工程學院，福建 福州350118；2.貴州師范大學數(shù)學與計算機科學學院，貴州 貴陽550001；3.貴州財經(jīng)大學 信息學院，貴州 貴陽550004；4.貴州大學 計算機科學與技術(shù)學院，貴州 貴陽550025）

0 引 言

Web服務(wù)是目前最有希望實現(xiàn)面向服務(wù)的計算與體系架構(gòu) （SOC＆SOA）的技術(shù)，但由于服務(wù)之間所存在的“語義鴻溝”［1］，使得服務(wù)的功能與內(nèi)涵難以被準確表示，從而給服務(wù)發(fā)現(xiàn)、匹配、組合、驗證等各個環(huán)節(jié)都帶來了困難。因此，學術(shù)界和工業(yè)界提出了一系列包含語義的Web服務(wù)描述標準 （OWL－S、WSMO、SWSO 等）。本體是語義Web技術(shù)的基礎(chǔ)與核心，能夠很好地表達服務(wù)的語義信息。在SOC＆SOA 的多個環(huán)節(jié)中，都是以本體概念的語義匹配為基礎(chǔ)進行的。例如，服務(wù)發(fā)現(xiàn)需要匹配發(fā)現(xiàn)請求與候選服務(wù)的輸入輸出；服務(wù)組合需要匹配前驅(qū)服務(wù)與后繼服務(wù)的輸入輸出；服務(wù)驗證也需要通過語義匹配來判定組合結(jié)果與組合需求的一致性。

目前認可度較高的一類本體概念匹配度定義方法，是基于本體概念之間的等價和包含關(guān)系的。這種方法能有效提高語義匹配的查準率和查全率，且易于實現(xiàn)和集成，因此被許多研究工作采用［2－7］。得益于相關(guān)領(lǐng)域?qū)W者的工作，目前能夠?qū)Ρ倔w進行可滿足、包含、等價和不相交的推理，且有相應(yīng)的推理機 （Pellet、RACER、FaCT＋＋等）實現(xiàn)推理過程的自動化。通過推理機預留的外部接口，可將其集成到Web服務(wù)組合系統(tǒng)中，承擔語義匹配的任務(wù)。但是推理機執(zhí)行推理任務(wù)的時間代價較高，會大大降低那些需要頻繁進行語義匹配環(huán)節(jié) （例如服務(wù)發(fā)現(xiàn)和組合）的效率。雖然推理機的推理算法在不斷改進，但在短期內(nèi)難以有顯著改善。

本文的研究工作嘗試從另一個角度來解決這個問題：依據(jù)本體概念之間匹配關(guān)系的性質(zhì)，得到組織本體概念的方法，提出了公共本體概念庫的概念，從而能夠通過編碼保存概念之間的匹配度信息，把語義匹配從其它環(huán)節(jié)中分離出來。耗時的語義匹配工作被提前到服務(wù)發(fā)布階段，可以提高其它環(huán)節(jié)的效率，并增強用戶體驗。同時也給出了對公共本體概念庫進行更新的算法，以滿足本體概念增加、刪除及修改的動態(tài)需求。基于公共本體概念庫，可以實現(xiàn)本體概念的交互式注冊，服務(wù)提供者可以在這個過程中發(fā)現(xiàn)已存在的等價或相近概念，從而改進本體概念的設(shè)計。

1 公共本體概念庫

公共本體概念庫保存了本體概念的記錄，并根據(jù)本體概念間的匹配度進行分層組織及編碼。由于編碼保存了本體概念的匹配度信息，可以在需要時從中快速提取，因此不會影響到其它環(huán)節(jié)的效率。同時，編碼中的信息也可以有效減少語義匹配的次數(shù)。

1.1 本體概念的組織結(jié)構(gòu)

保存匹配度信息的直觀方法是將本體概念間的匹配度作為元素構(gòu)成矩陣［8］，但這種方法沒有利用匹配度之間的關(guān)聯(lián)來減少匹配次數(shù)，也不利于對本體概念進行更改。文獻 ［6］提出了分層的組織方法，但它只在服務(wù)的層級上進行，不能把語義匹配徹底分離。而文獻 ［7］提出的方法雖然是在概念層級上進行分層，但沒有考慮到本體概念等價的情況，也沒有給出更新的方法，不適合本體概念的動態(tài)性。

由于等價與包含關(guān)系具有傳遞性，以此為基礎(chǔ)的匹配度定義也具有傳遞性，例如CMU 的M.Paolucci等人提出的被廣泛使用的四級匹配度［2］：

定義1 本體概念的四級匹配度：對于本體概念c1和c2：若c1與c2等 價 （記 為c1≡c2），則 匹 配 度Mat（c1，c2）＝Exact；若c1為c2的子概念 （c2包含但不等價于c1，記為c1∝c2），則匹配度Mat（c1，c2）＝Plug－in；若c2為c1的子概念 （c1包含但不等價于c2，記為c2∝c1），則匹配度Mat（c1，c2）＝Subsume；若不滿足上述情況，則匹配度Mat（c1，c2）＝Fail。且：Exact＞Plug－in＞Subsume＞Fail。

顯然有：對于本體概念c1、c2和c3，存在Mat（c1，c2）＝Mat （c2，c3）＝Exact／Plug－in／Subsume Mat（c1，c3）＝Exact／Plug－in／Subsume。

在樹形結(jié)構(gòu)中，節(jié)點也有類似的傳遞性：subof（n1，n2）表示n1位于以n2為根節(jié)點的樹上，則subof（n1，n2）∧ （subof （n2，n3） subof （n1，n3）。因 此，可 以 依 據(jù)這種性質(zhì)將本體概念組織為層次清晰、上下位關(guān)系明確的樹形結(jié)構(gòu)，以保存本體概念間的匹配度信息。該結(jié)構(gòu)的優(yōu)點在于，無論是構(gòu)建還是更新，都可以通過傳遞性來減少語義匹配的次數(shù)。在下一節(jié)的定理1中，將表明這一點。

1.2 公共本體概念庫的構(gòu)成

公共本體概念庫 （public ontology concept depot）由2個部分組成：概念描述子庫 （concept description depot）和語義關(guān)聯(lián)子庫 （semantic association depot）。前者用于存放本體概念的具體描述及索引信息，而后者則根據(jù)匹配度對本體概念進行分層組織。

定義2 公共本體概念庫：一個公共本體概念庫POCD＝ （CDD，SAD），其中：CDD 是概念描述子庫，SAD 是語義關(guān)聯(lián)子庫。

概念描述子庫不僅僅是本體概念的具體描述，還包含一些索引信息，概念描述子庫的定義如下：

定義3 概念描述子庫：一個概念描述子庫CDD＝｛cr＝ （cd，id，NIDS）｝，是概念記錄cr的集合，其中：

（1）cd 是一個具體的本體概念，每個本體概念只能在一條概念記錄中出現(xiàn)。

（2）id 是cd 的唯一標識。

（3）NIDS是后文所述的語義關(guān)聯(lián)樹的節(jié)點標識集合，表明這個概念被包含在哪些節(jié)點中 （可能不止一個）。

為每個本體概念賦予唯一標識，是為了避免重復保存本體概念的具體描述，以減小數(shù)據(jù)冗余度；而節(jié)點標識集合則是為了利用節(jié)點的位置編碼，以避免重復的進行概念包含和等價的判定。

本文把語義關(guān)聯(lián)子庫定義為一棵語義關(guān)聯(lián)樹：

定義4 語義關(guān)聯(lián)子庫：一個語義關(guān)聯(lián)子庫SAD＝SAT。

定義5 語義關(guān)聯(lián)樹：一棵語義關(guān)聯(lián)樹SAT＝ （NS，root，PCR），其中：

（1）NS＝ ｛（id，ECIDS，CNIDS，locCode）｝為節(jié)點集合，節(jié)點是一個四元組，其中：id 是節(jié)點標識；ECIDS是等價概念標識集合，其元素所對應(yīng)的概念互相等價；CNIDS是子節(jié)點標識集合；locCode是該節(jié)點的位置編碼，是一個先進先出的整數(shù)隊列。

（2）root＝ （0， ｛0｝，CNIDS，＜＞）∈NS為根節(jié)點，即：根節(jié)點的標識為0 （本文使用整數(shù)做節(jié)點標識）；根節(jié)點只包含一個元概念 （meta concept），記為mc， 概念c：c∝mc；根節(jié)點的位置編碼是一個空隊列。

（3）PCR＝ ｛（n，m）｜n，m∈NS｝是節(jié)點的父子關(guān)系集合，（n，m）表示節(jié)點n 是節(jié)點m 的父節(jié)點。對于id∈n。ECIDS對應(yīng)的概念c，稱節(jié)點n 包含概念c，記為c∈′n。對于 （n，m）， c∈′n和 c′∈′m，滿足c′∝c。

節(jié)點的位置編碼包含了它的位置信息，可以避免語義包含與等價的重復判定。

定義6 位置編碼：節(jié)點的位置編碼locCode＝＜m1，m2，…mk＞是一個先入先出的隊列，是從根節(jié)點到達該節(jié)點的路徑編碼，隊列中的每個值都保存了節(jié)點的一個祖先節(jié)點的信息。通過mi的值可以確定節(jié)點在第i 層 （設(shè)根節(jié)點處在第0層）的祖先節(jié)點。

由包含關(guān)系和等價關(guān)系的傳遞性，可以得到以下結(jié)論：

定理1 在一棵語義關(guān)聯(lián)樹SAT 中，對于任意本體概念c和c′，及包含c的節(jié)點n （記為c∈′n）和包含c′的節(jié)點n′，存在：subof（n，n′） c∝c′（c是c′的子概念）。

證明：已知subof（n，n′），則存在一條由節(jié)點構(gòu)成的從n′到達n 的路徑：＜n′，n1，n2，…nk，n＞，且滿足（n′，n1）∈SAT.PCR∧（nk，n）∈SAT.PCR∧ 1≤i≤k：（ni，ni＋1）∈SAT.PCR。

又由定義5 可知：對于 （n，m）∈SAT.PCR，若cn∈′n且cm∈′m，則cm∝cn。

在＜n′，n1，n2，…nk，n＞中，取ci∈′ni（1≤i≤k），可得：c1∝c∈∧c2∝c1∧…∧ck∝ck－1∧ck∝ck－1∧c∝ck。

由于∝關(guān)系滿足傳遞性，則有c∝c′。

證畢。

因此，通過比較本體概念所處節(jié)點的位置，就可判定本體概念間的等價或包含關(guān)系，從而得到匹配度。而位置比較可以通過比較節(jié)點的位置編碼在線性時間內(nèi)完成，對其它環(huán)節(jié)的效率幾乎沒有影響。同時，若判定本體概念c是c′的子概念，則c的所有等價概念及子概念也都是c′的子概念，而不必再一一進行判定，因此可有效減少匹配次數(shù)。

1.3 公共本體概念庫的創(chuàng)建

對于一個給定的本體概念集合，可以創(chuàng)建一個對應(yīng)的公共本體概念庫。創(chuàng)建過程分為3個部分：

（1）創(chuàng)建一個初始的概念描述子庫，為每個概念創(chuàng)建一條概念記錄，并賦予唯一標識，但所屬節(jié)點標識集合先置為空 （但元概念可直接確定）。其過程比較簡單，本文不贅述。

（2）根據(jù)初始的概念描述子庫，創(chuàng)建語義關(guān)聯(lián)子庫（即一棵語義關(guān)聯(lián)樹），但位置編碼先置為空，由后述的算法1實現(xiàn)。

（3）根據(jù)語義關(guān)聯(lián)子庫，計算每個節(jié)點的位置編碼，由后述的算法2實現(xiàn)。

以下的算法描述中用到了幾個函數(shù)：i2c （id）函數(shù)的作用是根據(jù)概念標識id，返回對應(yīng)的概念；i2n （id）函數(shù)的作用是根據(jù)節(jié)點標識id，返回對應(yīng)的節(jié)點；len （queue）函數(shù)的作用是返回隊列queue的長度。

算法1：ESAD （establish semantic association depot）

輸入：An initialized concept description depot CDD。

輸出：A semantic association depot SAD，a complete concept description CDD。

算法1用于創(chuàng)建初始的語義關(guān)聯(lián)子庫，實質(zhì)上是將所有的本體概念依次插入到語義關(guān)聯(lián)樹的某個節(jié)點中。每一個待插入的本體概念cr.cd 都從根節(jié)點開始判斷插入位置，節(jié)點隊列waitVstNode用于存放待訪問的節(jié)點，初始時只有根節(jié)點。對于從waitVstNode中彈出的節(jié)點n，cr.cd 一定是n 所包含概念的子概念，因為在算法1中只把這類節(jié)點放入waitVstNode中，如下文所述。cr.cd 與n 的子節(jié)點m 所包含的概念有4種可能的關(guān)系：

（1）cr.cd 與m 所包含的概念等價，則把m 放入集合EqC 中，cr.cd 會被并入這類子節(jié)點。

（2）cr.cd 是m 所包含概念的子概念，則把m 放入集合ConC 中，這類子節(jié)點將被放入waitVstNode中，等待進一步向下訪問。

（3）m 所包含的概念是cr.cd 的子概念，則把m 放入集合BeConC 中，并且最后將創(chuàng)建一個包含cr.cd 的新節(jié)點t，插入到n與這類子節(jié)點之間。

（4）兩者沒有包含或等價關(guān)系，則不做任何操作。

當對n的所有子節(jié)點都進行完上述判定后，如果EqC、ConC、BeConC 這3個集合都為空，則需要創(chuàng)建一個新的節(jié)點t并包含cr.cd，作為n的一個新的子節(jié)點。

算法2：CLC （cmput location code）

輸入：A semantic association depot SAD，the starting location sn。

輸出：A semantic association depot SAD with new location code。

算法2通過廣度優(yōu)先的策略遍歷語義關(guān)聯(lián)樹，并為每個節(jié)點進行編碼，節(jié)點的位置編碼是數(shù)字隊列，每一個節(jié)點的位置編碼，都是在其父節(jié)點的位置編碼尾部增加該節(jié)點自身的數(shù)字編號，但根節(jié)點的位置編碼為空隊列。為了后續(xù)的更新操作的需要，算法2添加了一個參數(shù)：計算的起始節(jié)點。因此準確地說，算法2是用于計算以起始節(jié)點為根節(jié)點的子樹中，除了根節(jié)點以外的所有節(jié)點的位置編碼。如果要計算整棵樹的所有節(jié)點的位置編碼，只需要把起始節(jié)點設(shè)為根節(jié)點即可。

2 公共本體概念庫的更新

在公共本體概念庫建立之后，可能會因為開發(fā)的需求、對事物認識的改變、外界的新發(fā)現(xiàn)等原因，需要修改、添加和刪除某些概念。在這種情況下，就需要相應(yīng)地更新公共本體概念庫。由于某個本體概念被修改后，與其它本體概念的包含及等價關(guān)系可能會發(fā)生變化，需要重新判定其在語義關(guān)聯(lián)樹中的位置，因此對于本體概念的修改操作，可以通過將要修改的概念刪除，然后將修改后的概念作為新的概念添加來實現(xiàn)。因此，只需要提供2 種更新操作，即本體概念的添加和刪除。

2.1 本體概念的添加

本體概念的添加操作分為兩個部分：①在概念描述子庫中創(chuàng)建一條新的概念記錄；②將新建概念插入語義關(guān)聯(lián)子庫中。其中第一部分只是在庫中新增一條記錄，其過程比較簡單。而算法1創(chuàng)建語義關(guān)聯(lián)子庫的過程，實質(zhì)上就是依次向語義關(guān)聯(lián)樹插入多個新概念，因此第2部分插入單個概念的方法可參照算法1進行，不再贅述。新概念插入完成后，再使用算法2 更新整棵語義關(guān)聯(lián)樹節(jié)點的位置編碼。

更新過程可進行以下優(yōu)化：在插入一個概念時，如果創(chuàng)建了新節(jié)點，則需要更新語義關(guān)聯(lián)樹節(jié)點的位置編碼，但并不是整棵樹的所有節(jié)點都需要更新。如圖1（a）所示。當插入概念y 時，需要創(chuàng)建一個新的節(jié)點，即圖1 （a）中標識為102 且用虛線框起的節(jié)點。此時，只有以標識為50 的節(jié)點為根節(jié)點的子樹，需要更新位置編碼 （但該子樹的根節(jié)點不用更新）。所以可以直接使用算法2，以標識為50的節(jié)點作為起始節(jié)點，更新計算位置編碼。因此，插入新概念的算法應(yīng)有一個返回值：當創(chuàng)建了新節(jié)點時，將新節(jié)點的父節(jié)點作為返回值返回，作為算法2的計算起始節(jié)點；否則返回一個特定的值，說明沒有創(chuàng)建新節(jié)點。

圖1 添加節(jié)點后的兩種情況

在某些時候，用戶會向公用本體概念庫中插入多個概念。如果每插入一個概念就更新一次語義關(guān)聯(lián)庫，可能會造成某些節(jié)點的重復更新。如圖1 （b）所示：如果待更新的兩棵語義關(guān)聯(lián)子樹的根節(jié)點具有祖孫關(guān)系，則會造成節(jié)點位置編碼的重復更新。

2.2 本體概念的刪除

本體概念的刪除方法是：首先在概念描述子庫中找到對應(yīng)的概念記錄cr，再由cr.NIDS找到包含此概念的節(jié)點n （可能不止一個），從n 的等價概念標識集 （n.ECIDS）中刪除此概念的標識；最后在概念描述子庫中刪除對應(yīng)的概念記錄。其過程比較簡單，本文不贅述。

需要注意的是：當從節(jié)點的等價概念標識集中刪除概念標識后，可能會使節(jié)點的等價概念標識集合為空，此時該節(jié)點已沒有存在的必要，應(yīng)予以刪除。如圖2所示。

圖2 刪除節(jié)點

圖2中刪除概念x 后，62 號節(jié)點已無存在的必要，因此可以刪除。刪除后，它的所有子節(jié)點作為61號節(jié)點的子節(jié)點。但以61號節(jié)點作為根節(jié)點的子樹需要重新計算位置編碼。因此，刪除概念時若發(fā)生了節(jié)點刪除，應(yīng)使用算法2來更新語義關(guān)聯(lián)樹節(jié)點的位置編碼。同樣，當一次有多個節(jié)點被刪除時，也應(yīng)注意避免節(jié)點位置編碼的重復更新。

3 本體概念的交互式注冊

在SOA 中，包含服務(wù)請求者、服務(wù)提供者和服務(wù)注冊中心3種角色。服務(wù)提供者將服務(wù)發(fā)布到服務(wù)注冊中心，服務(wù)請求者從中發(fā)現(xiàn)所需服務(wù)，并根據(jù)相應(yīng)的信息與服務(wù)提供者進行綁定，從而使用其所提供的服務(wù)［9］。公共本體概念庫設(shè)置在服務(wù)注冊中心，與服務(wù)注冊中心的其它組件互不影響。當服務(wù)提供者發(fā)布服務(wù)時，應(yīng)同時將本體概念注冊到公共本體概念庫中 （即本體概念的添加操作）。

在傳統(tǒng)的服務(wù)發(fā)布模式中，一個服務(wù)獨占一組本體概念。因此當多個服務(wù)的輸入輸出出現(xiàn)重合時，會造成數(shù)據(jù)冗余。同時由于同一概念可能有多種不同的表達形式，不同的本體概念也可能是等價的。由于服務(wù)發(fā)布并不是提供具體的數(shù)據(jù)或資源，而只是公開服務(wù)的描述，因此將多個相同或等價的本體概念合并，不會影響服務(wù)發(fā)布的準確性。但由于服務(wù)開發(fā)者的觀念差異等原因，等價的本體概念未必可以互相取代。因此在公共本體概念庫的基礎(chǔ)上，將本體概念的注冊方法改進為交互式，如圖3所示。

圖3 本體概念的交互式注冊

交互的過程如下：

（1）將待添加的本體概念傳遞給語義關(guān)聯(lián)子庫。

（2）如果添加過程中找到了等價的本體概念，則返回給服務(wù)提供者，否則完成添加操作 （包括語義關(guān)聯(lián)子庫和語義描述子庫）。

（3）如果服務(wù)提供者從等價概念集合中發(fā)現(xiàn)了合適的等價概念，則可用該等價概念來取代原本的概念，從而避免添加多余的概念；如果服務(wù)提供者認為已存在的等價概念不能代替原本的概念，也可令系統(tǒng)依然將原本的概念添加到公共本體概念庫中。

與傳統(tǒng)的服務(wù)發(fā)布模式相比，本體概念的交互式注冊不僅可以減少數(shù)據(jù)的冗余，而且可以讓服務(wù)發(fā)布者根據(jù)已存在的相似描述，來改進本體概念的設(shè)計。

4 實驗及結(jié)果分析

公共本體概念庫的主要作用是提高語義匹配的效率，因此可以改進任何語義匹配占大比重的技術(shù)環(huán)節(jié)的效率。模擬實驗以服務(wù)匹配作為實驗對象，它是典型的完全基于語義匹配的環(huán)節(jié)，其定義如下［2］：

定義7 服務(wù)匹配：服務(wù)請求SR＝ （Ir，Or），服務(wù)S＝ （I，O），Ir、Or、I、O 都是本體概念集合，t為匹配度閾值。對于SR 和S，若 i∈I：-i′∈Ir：Mat（i′，i）≥t，且 o′∈Or：-o∈O：Mat（o，o′）≥t，則稱服務(wù)S匹配服務(wù)請求SR，記為SSR。

模擬實驗運行在CPU 主頻2.2G、內(nèi)存2G 的計算機上，以C語言作為開發(fā)語言。以Ka、People、Wine這3個規(guī)模不同的本體概念集［10－12］作為候選服務(wù)參數(shù)集，共包含316個概念，推理機使用Pellet。服務(wù)與服務(wù)請求從概念集中隨機選取概念生成，每個服務(wù)或服務(wù)請求的輸入和輸出參數(shù)都是2～15個。

模擬實驗分為5 組，針對5 個不同規(guī)模 （分別包含100、500、1000、1500、2000個服務(wù)）的服務(wù)庫，以檢驗服務(wù)庫規(guī)模的擴大對效率的影響。每組實驗都隨機生成100個服務(wù)匹配請求，分別用直接使用推理機 （Method＿A）的方法與基于公共本體概念庫 （Method＿B）的方法進行測試，從匹配效率與匹配性能2個方法進行測試與比較。

4.1 匹配效率的測試與比較

在進行服務(wù)匹配之前，需要先進行服務(wù)發(fā)布。Method＿A 只需要消耗加載本體的時間，約耗時5165ms；而Method＿B還需要消耗建庫的時間，約耗時40853 ms。由于服務(wù)發(fā)布過程是在用戶提交匹配請求之前進行的，因此建庫過程不會對請求響應(yīng)速度產(chǎn)生影響，也不會降低用戶體驗。5組實驗的平均請求響應(yīng)速度如圖4所示。

圖4 服務(wù)匹配效率比較

可以看到，基于公共本體概念庫的方法大幅提高了請求響應(yīng)的速度，并且隨著服務(wù)庫規(guī)模的擴大，請求響應(yīng)速度也沒有急劇下降，優(yōu)勢明顯。其原因在于，通過對本體概念的分層組織保存了概念之間的匹配度信息，因此在響應(yīng)用戶請求時無需進行概念匹配，從而能在線性時間內(nèi)完成響應(yīng)。同時，還有效避免了對概念的重復匹配。雖然建立公共本體概念庫會導致服務(wù)發(fā)布時間大幅增加，但這代價顯然是十分值得的。

4.2 匹配性能的測試與比較

由于服務(wù)匹配的過程類似于信息檢索，因此采用信息檢索領(lǐng)域的兩個重要性能指標：召回率 （recall）和準確率（precision）來進行測試與比較。兩者的定義如下［13］：

定義8 召回率：服務(wù)匹配返回的結(jié)果中，正確匹配的服務(wù)數(shù)量與服務(wù)庫中滿足匹配請求的服務(wù)數(shù)量的比值。

定義9 準確率：服務(wù)匹配返回的結(jié)果中，正確匹配的服務(wù)數(shù)量所占的比值。

在5組實驗中，取100次匹配結(jié)果的平均值進行比較，結(jié)果如圖5和圖6所示。

圖5 服務(wù)匹配性能 （召回率）比較

圖6 服務(wù)匹配性能 （準確率）比較

從實驗結(jié)果可知，兩種方法在匹配性能上幾乎沒有差別，這是因為兩種方法采用了相同的匹配規(guī)則。由該結(jié)果可表明，基于公共本體概念庫的語義匹配方法，不會對語義匹配的性能產(chǎn)生影響。

5 結(jié)束語

語義匹配是SOC＆SOA 的基礎(chǔ)技術(shù)之一，在服務(wù)發(fā)現(xiàn)、匹配、組合及驗證等多個環(huán)節(jié)都會涉及，并增大了技術(shù)實現(xiàn)的難度。本文的研究工作從分離語義匹配的角度展開，通過對語義匹配關(guān)系的研究，提出建立公共本體概念庫，保存本體概念及匹配度信息，從而實現(xiàn)了語義匹配的分離。這種方法不會因為顧及與其它環(huán)節(jié)的融合，而影響語義表達和匹配的準確性，同時也不會因為語義匹配的時間消耗而影響其它環(huán)節(jié)的效率。

進一步的研究工作包括：①研究本體概念之間的可替換性；②通過理論分析與實驗兩種手段，找尋合適的本體概念推理機完成建庫過程；③研究基于其它理論基礎(chǔ) （如信息論、語義距離）的語義匹配技術(shù)的分離方法。

［1］Ishikawa F，Katafuchi S，Wagner F，et al.Bridging the gap between semantic Web service composition and common implementation architectures［C］／／Proc of the International Conference on Services Computing，2011：152－159.

［2］Martino BD.Semantic Web Services discovery based on structural ontology matching ［J］.International Journal of Web and Grid Services，2009，5 （1）：46－65.

［3］Klusch M，Kaufer F.WSMO－MX：A hybrid semantic Web service matchmaker［J］.Web Intelligence and Agent Systems，2009，7 （1）：23－42.

［4］Pukkasenung P，Sophatsathit P，Lursinsap C.An efficient semantic Web service discovery using hybrid matching ［C］／／Proc of the International Conference on Knowledge and Smart Technologies，2010：49－53.

［5］Mye Sohn，Young Min Kwon，Hyun Jung Lee.Context－based hybrid semantic matching framework for e－mentoring system［C］／／Proc of the International Conference on Network－Based Information Systems，2012：691－696.

［6］YANG Yanping.Research on key technologies of automatic Web services composition ［D］.Changsha：National University of Defense Technology，2007：30－42 （in Chinese）.［楊艷萍.自動服務(wù)組合關(guān)鍵技術(shù)研究 ［D］.長沙：國防科技大學，2007：30－42.］

［7］Xie Lingli，Chen Fuzan，Kou Jisong.Ontology－based semantic Web services clustering ［C］／／Proc of the International Conference on Industrial Engineering and Engineering Management，2011：2075－2079.

［8］CHEN Ke，WANG Jiayao，XIE Mingxia，et al.Research on geo spatial Web services classification based on manifold learning［J］.Geomatics and Information Science of Wuhan University，2013，38 （8）：324－328 （in Chinese）. ［陳科，王家耀，謝明霞，等.利用流形學習進行空間信息服務(wù)分類 ［J］.武漢大學學報信息科學版，2013，38 （8）：324－328.］

［9］Papazoglou MP.Web service：Principles and technology ［M］.London：Prentice Hall，2008.

［10］Stanford Center for Biomedical Informatics Research.OWL concepts file ［EB／OL］. ［2012－11－16］.http：／／protege.cim3.net／file／pub／ontologies／.

［11］Sean Bechhofer.OWL concepts file ［EB／OL］. ［2012－11－16］.http：／／owl.man.ac.uk／2006／07／sssw.

［12］W3C.OWL concepts file ［EB／OL］ .［2012－11－16］.http：／／www.w3.org／TR／owl－guide／.

［13］JIN Yan，WANG Zhihua.Research on semantic Web retrieval model based on reasoning and key technologies ［J］.Computer Engineering and Design，2013，34 （7）：2585－2589 （in Chinese）.［金燕，王志華.基于推理的語義網(wǎng)檢索模型及關(guān)鍵技術(shù)研究［J］.計算機工程與設(shè)計，2013，34 （7）：2585－2589.］