云制造環(huán)境下基于OWL-S語義匹配方法的研究與實(shí)現(xiàn)

黃文婷 浙江理工大學(xué)

云制造環(huán)境下基于OWL-S語義匹配方法的研究與實(shí)現(xiàn)

黃文婷 浙江理工大學(xué)

為了能夠智能地在海量云制造資源中，匹配出適合企業(yè)需求的云服務(wù)。建立了基于OWL-S本體語義制造資源需求與服務(wù)的多層次匹配模型，分階段研究了基本信息匹配、狀態(tài)匹配、功能匹配、QoS匹配和綜合匹配，提高了算法的整體匹配性能。先通過概念相似度和狀態(tài)匹配對(duì)候選資源集進(jìn)行初步過濾，再通過概念相似度、語義包含關(guān)系和約束條件算法對(duì)功能信息進(jìn)行匹配，最后通過模糊概念量化和數(shù)值匹配算法對(duì)QoS信息進(jìn)行匹配。在云制造仿真環(huán)境下，通過實(shí)例研究，用查全率和查準(zhǔn)率驗(yàn)證方法的可行性和有效性。

云制造 相似度 本體

一、云制造服務(wù)形式化描述

為實(shí)現(xiàn)云制造服務(wù)的高效運(yùn)營，需處理好資源提供者、使用者和平臺(tái)運(yùn)營者三者間的關(guān)系。為使匹配更精準(zhǔn)，可將云制造服務(wù)描述為四元組模型。

二、云制造服務(wù)語義匹配算法

（一）基本信息匹配

（二）狀態(tài)信息匹配

結(jié)合制造資源動(dòng)態(tài)性和多樣性的特點(diǎn)，當(dāng)制造資源出現(xiàn)加入、推出和失效時(shí)需要對(duì)服務(wù)資源狀態(tài)進(jìn)行更新，需要過濾掉滿負(fù)荷和、超負(fù)荷和空缺三種狀態(tài)的制造資源。

（三）功能信息匹配

I/O匹配采用上文提出的基本信息匹配算法，P/E匹配是非功能屬性匹配，采用約束條件表達(dá)式匹配，由個(gè)體詞和數(shù)值區(qū)間組成，如：“公稱長度l=20～50mm”，“公稱長度l”是個(gè)體詞，而“20～50mm”是數(shù)值區(qū)間，最后結(jié)合謂詞包含關(guān)系來提高匹配度。

定義數(shù)值區(qū)間相似度匹配：

（四）QoS匹配

本文采取最具代表性的4個(gè)指標(biāo)：時(shí)間、成本、魯棒性和信譽(yù)度，定義集合。時(shí)間采用數(shù)值匹配，成本數(shù)值區(qū)間匹配，而客戶無法用精準(zhǔn)的數(shù)值或數(shù)值區(qū)間來評(píng)價(jià)的參數(shù)，如魯棒性是客戶對(duì)系統(tǒng)處理應(yīng)急情況進(jìn)行打分，通?？蛻舨皇荙oS領(lǐng)域的專家不能夠精準(zhǔn)打分。因此，設(shè)定評(píng)價(jià)等級(jí)來表達(dá)用戶模糊評(píng)價(jià)，如非常好、較好、一般、不好、非常不好5種概念數(shù)據(jù)量化為數(shù)值匹配，定義如下：，式中：表示第i個(gè)約束匹配的分量；n表示約束匹配的個(gè)數(shù)；SN、SR分別表示云制造供需的約束匹配參量集合。

（五）綜合匹配

三、實(shí)例研究及評(píng)價(jià)

設(shè)定各層次匹配閾值：TInfo=0.95，TState=1，TFunc=0.9，TQoS=0.8。

表1 云制造供需詳情描述

A 銑床/齒輪加工空閑 合金鋼鍛件，數(shù)量，精度/齒輪零件江蘇/≤0.01mm/平面、槽、柱面、曲面/≤600kg 8-10天/1 0萬/非常好/非常好B1 機(jī)床/齒輪加工未滿負(fù)荷合金鋼鍛件，數(shù)量，精度，刀具/齒輪部件江蘇/≤0.01mm/平面、槽、斜面/≤800kg 8-12天/9萬/較好/非常好B2 機(jī)床/齒輪加工未滿負(fù)荷鈦合金鍛件，數(shù)量，精度，刀具/齒輪零件浙江滬/平面、柱面、曲面/≤0.01mm/300kg～600kg 9-15天/7萬/非常好/較好B3 銑床/齒輪加工空閑 鋁合金鍛件，數(shù)量，精度/齒輪零件成品全國/平面、槽、斜面、柱面、螺旋形表面/≤0.01mm/≤500kg 9天/7-15萬/較好/較好B4 車床/齒輪加工空閑 合金鋼鍛件，數(shù)量，精度，刀具/齒輪零件標(biāo)準(zhǔn)化浙江滬/平面、槽、柱面、成型曲面/≤0.01mm/大型機(jī)床10天/7.8萬/非常好

表2 各層次匹配結(jié)果詳細(xì)數(shù)據(jù)

表3 不同算法匹配結(jié)果顯示

四、結(jié)論

通過節(jié)點(diǎn)關(guān)系類型把樹狀結(jié)構(gòu)層次延伸為共享網(wǎng)絡(luò)模型，使可擴(kuò)展的模糊集合更準(zhǔn)確兼容。研究結(jié)果，查全率98%，查準(zhǔn)率83%。與關(guān)鍵字匹配和基于語義的服務(wù)匹配相比都得到了明顯的提高，驗(yàn)證了服務(wù)匹配算法的有效性和可行性。

[1]鬲玲,敬石開,王宏君.云制造環(huán)境下設(shè)計(jì)需求與服務(wù)資源的語義匹配方法[J].制造業(yè)自動(dòng)化,2016(1):137-141.

[2] Sheng B,Zhang C,Yin X,et al.Common intelligent semantic matching engines of cloud manufacturing service based on OWL-S[J].The International Journal of Advanced Manufacturing Technology,2016,84(1):103-118.

[3] Jiao H,Zhang J,Li J H,et al.Research on cloud manufacturing service discovery based on latent semantic preference about OWL-S[J].International Journal of Computer Integrated Manufacturing,2015:1-9.

黃文婷（1992-），女，江蘇大豐人，碩士研究生，主要從事網(wǎng)絡(luò)化制造，機(jī)器學(xué)習(xí)方面的研究。

國家自然科學(xué)基金項(xiàng)目（71271192）。

領(lǐng)域本體概念，將個(gè)體詞匹配轉(zhuǎn)化為本體概念相似度匹配。定義父概念、子概念間語義距離為，則概念相似度為：，然而，僅用最短路徑來定義語義相似度，顯然，如Sim（空閑，未滿負(fù)荷）>Sim（可用，不可用）。因此，還需把概念所處的節(jié)點(diǎn)深度和該深度上節(jié)點(diǎn)密度加入研究。節(jié)點(diǎn)間在本體層次中所處位置也會(huì)影響語義相似度，上述研究只討論了樹狀結(jié)構(gòu)中最重要的上下位關(guān)系，而位置關(guān)系父子關(guān)系、子父關(guān)系和兄弟關(guān)系也需量化。