[發(fā)明專利]一種基于領(lǐng)域本體的云服務(wù)功能性屬性篩選方法

有效

• 申請?zhí)枺?/td>: 201810256670.8
• 申請日: 2018-03-27
• 公開（公告）號: CN108696570B
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 張安;趙仁君;孫海洋;畢文豪
• 申請（專利權(quán)）人: 西北工業(yè)大學
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 西北工業(yè)大學專利中心 61204
• 代理人: 金鳳

1.一種基于領(lǐng)域本體的云服務(wù)功能性屬性篩選方法，其特征在于包括下述步驟：

步驟1：將云服務(wù)請求者所請求服務(wù)的類別RS_Category與具體云服務(wù)的類別AS_Category根據(jù)ServiceCategory進行匹配，在對云服務(wù)類別進行匹配時，抽象云服務(wù)和具體云服務(wù)的匹配包括四種情況：

a.AS_Category＝RS_Category，兩者類別完全相同，稱為等價；

b.具體云服務(wù)是請求云服務(wù)的子節(jié)點，稱為被包含或包含于；

c.具體云服務(wù)是請求云服務(wù)的父節(jié)點，稱為包含；

d.其它，AS_Category和RS_Category相互分離；

若滿足如上a或b，則匹配成功，完成云服務(wù)類別屬性篩選，進入步驟2；

其中ServiceCategory是指樹狀層次的服務(wù)資源類型本體，是云協(xié)同中心對整個系統(tǒng)中所有物理資源進行層層分類得到；

步驟2：設(shè)云服務(wù)請求者所提供的數(shù)值要求分別為v,v₁,v₂，其中v為單邊界數(shù)值要求的向量表示，v₁,v₂為雙邊界數(shù)值要求的向量表示，云服務(wù)提供者所提供的云服務(wù)的數(shù)值屬性為向量x，r(x,v)為二元謂詞邏輯，r(x,v₁,v₂)為三元謂詞邏輯，定義如下：

a.當且僅當x滿足服務(wù)請求者所要求的數(shù)值邏輯，邏輯關(guān)系可取如下情況之一：xv或x≥v或x＝v或xv或x≤v時，r(x,v)為真；

b.當且僅當x滿足服務(wù)請求者所要求的數(shù)值邏輯，邏輯關(guān)系可取如下情況之一：v₁≤x≤v₂或v₁≤xv₂或v₁x≤v₂或v₁xv₂時，r(x,v₁,v₂)為真；

根據(jù)以上定義，判斷該云服務(wù)是否使云服務(wù)請求中包含的所有謂詞邏輯為真，若為真，則通過該數(shù)值屬性篩選；

步驟3：計算輸入/輸出本體集合相似度，步驟如下：

設(shè)語義距離的計算公式為式中Dis(C₁,C₂)表示概念C₁和C₂間的語義距離，ω_i為從C₁到C₂的最短關(guān)系鏈的各關(guān)系權(quán)重，n為最短關(guān)系鏈包含關(guān)系的個數(shù)；

設(shè)關(guān)系鏈中各關(guān)系權(quán)重的計算公式為：式中ω(C)為從概念C出發(fā)的關(guān)系權(quán)重，D(C)表示概念C所在的深度，Degree(C)表示概念C的出度，即從C出發(fā)的關(guān)系的個數(shù)；

設(shè)語義距離相似度計算公式為：式中Sim^Dis(C₁,C₂)表示C₁,C₂間的語義距離相似度；

設(shè)語義重合相似度計算公式為：式中Sim^C(C₁,C₂)表示C₁,C₂間的語義重合相似度，P(C_i)表示概念C_i所擁有的所有直接或間接父節(jié)點的集合，即從概念C_i向上層回溯直到根節(jié)點所經(jīng)過的所有節(jié)點的集合，P(C₁)∩P(C₂)表示概念C₁和C₂共同擁有的父節(jié)點的集合，|·|表示集合中元素的個數(shù)；

設(shè)語義相似度計算公式為：Sim(C₁,C₂)＝0.5*Sim^Dis(C₁,C₂)+0.5*Sim^C(C₁,C₂)，式中Sim(C₁,C₂)表示C₁,C₂間的語義相似度；

設(shè)本體集合之間的相似度計算公式為式中S(A,B)是本體集合A和B的相似度，A＝{A₁,A₂,…A_i,…A_n}和B＝{B₁,B₂,…,B_j，…B_m}表示給定在同一個領(lǐng)域本體中的兩個本體集合，A_i和B_j分別表示A和B中的每一個本體；

利用上述計算公式計算輸入/輸出本體集合相似度，具體步驟如下：

設(shè)服務(wù)提供者提供的具體云服務(wù)為CS(I,O)，I表示提供者的輸入?yún)?shù)本體集合，I＝{I₁,I₂,...,I_y}，I_y表示每一個輸入?yún)?shù)；O表示提供者的輸出參數(shù)本體集合，O＝{O₁,O₂,...,O_z}，O_z表示每一個輸出參數(shù)；服務(wù)請求者需要的抽象云服務(wù)為CSR(I′,O′)，I′表示請求者的輸入?yún)?shù)本體集合，I'＝{I'₁,I'₂,...,I'_y}，I'_y表示每一個輸入?yún)?shù)；O′表示請求者的輸出參數(shù)本體集合，O'＝{O'₁,O'₂,...,O'_z}，O'_z表示每一個輸出參數(shù)；

根據(jù)以上公式，計算I和I′之間，O和O′之間的相似度，即得到S(I,I′)和S(O,O′)；

步驟4：計算綜合相似度S(CS,CSR)＝ε*S(O,O′)+(1-ε)*S(I,I′)；

其中I和O分別為云服務(wù)CS的輸入和輸出參數(shù)集合，I′和O′分別為云服務(wù)CSR的輸入和輸出參數(shù)集合，ε為調(diào)和參數(shù)，滿足0＜ε＜1；

步驟5：采用松弛匹配策略對云服務(wù)進行篩選

采用松弛匹配策略對云服務(wù)進行篩選，即對于一個云服務(wù)請求CSR(I′,O′)，云協(xié)同中心計算云服務(wù)資源池中的可用云服務(wù)CS_i(I,O)與CSR(I′,O′)的相似度，若其相似度S(CS_i,CSR)＞ξ，則將CS_i加入云服務(wù)候選集完成值屬性篩選，其中0＜ξ＜1為由服務(wù)提供者指定的服務(wù)匹配度閾值。