基于语义Web服务组合为医疗数据集成

文摘

在众多异构web服务通过不同来源,提供web服务自动组合是最方便的方法来构建复杂的业务流程,允许多个现有原子服务的调用。当前的解决方案在功能的web服务组合缺乏自主查询web服务语义匹配的参数,在大规模的构成是必要的相关服务。在本文中,我们提出一个基于语义Web服务组合系统包括两个子系统:管理时间和运行时间。管理时间子系统负责依赖图准备相关服务的依赖图的自动生成根据提出的语义匹配规则。运行时子系统负责发现的潜在的web服务和web服务nonredundant组成用户的查询使用基于图搜索算法。该方法应用于医疗数据集成在不同卫生组织和评估根据两个方面:执行时间测量和测量的正确性。

1。介绍

Web服务(WS)组成一个方法被用来结合现有WS从异构系统构建更复杂的业务流程与用户需求相匹配。WS成分也适应发展的同时系统能够自动执行的多个个体WS (1]。在发展中通过WS系统组成、使用最广泛的指定服务的业务流程执行语言参与组成的执行环境(Web服务业务流程执行语言(WS - bpel)2)或Web服务编排接口(WSCI) (3]。然而,这些技术不提供定义良好的语义和表达能力为解决语义服务差异导致分歧的意义,解释,或服务信息的用途。在大多数情况下,这种情况下驱动器创建一个自动化的挑战WS组成系统,重点解决的问题WS异构性问题。这些问题需要语义匹配的输入和输出参数结合多个相关服务。

更丰富的语义WS提供更大的选择的自动化,作文,异构服务的调用。语义Web服务(慢波睡眠)4,5)出现在WS发现促进自动化和活力,选择、组合和监控。慢波睡眠技术,如Web服务语义标记后(owl - s) [6)、Web服务建模本体(WSMO) [7),语义标注为WSDL和XML模式(——SAWSDL) [8)启用WS知名语言语义表示,这促使研究人员开发新的WS组合技术来自动生成复合服务。近几十年来,许多方法WS成分已经被提议,和某些方法,比如哦的工作等。9),Hatzi et al。10),邹et al。11],Puttonen et al。12),旨在完全自动化WS组合使用人工智能规划技术的一系列行动创建从一个初始状态(输入和先决条件)到目标状态(请求的输出)。WS行动的计划,描述序列编码执行语言(如规划领域定义语言(PDDL) [13,14]。然而,大多数这些建议患有高复杂性和时间消耗大规模WS组成。其他方法,如Rodriguez-Mier等的工作。15和林等。16),应用图论算法WS成分以支持有效的发现和组成的大规模WS WS产生的依赖图模型。然而,这样的作品并没有提出一个方法来准备WS依赖图和进一步需要手动更新图的困难的任务。尽管悦等的工作。17),胫骨et al。18]进一步提出了一个图的图模型制备方法,构造相关服务自动通过语法匹配技术和功能性WS决定之间的协会服务的语义,语义冲突问题在WS参数仍然存在在处理多个WS通过不同的来源。

在本文中,我们提出一个基于慢波睡眠成分系统,引入依赖图制备方法,旨在解决问题的语义差异通过使用语义匹配规则自动生成WS依赖图。拟议的方法使推理引擎执行灵活的语义匹配来创建一个图形模型的相关服务。这种方法是在图模型能够支持可伸缩的数据存储在相应的图形数据库。我们进一步提出一个nonredundant WS成分的方法,可以有效地搜索最满意的服务为客户查询使用依赖图搜索技术。确保拟议的方法可以应用在实际环境中,我们开发了基于web的应用程序组成的图形管理工具和WS成分搜索引擎,这是必要的发现和复杂的服务在医疗领域的出版物。此外,我们提出的方法是根据评估两个方面:执行时间测量和测量的正确性。

本文的其余部分的结构如下。部分2的相关文献,综述了部分3概述了系统架构,提出部分4提供激励的例子,部分5介绍了基于慢波睡眠成分提出系统的方法,部分6说明了系统实现,部分7提出了系统评价和论述了贡献,使与其他工作相比,未来工作和结论和建议部分进行了总结8。

2。文献综述

WS成分使实现特定目标通过一个原始的控制和交流的过程。这个概念的发展导致许多技术,如ws - bpel (2]和WSCI [3),创建分布式WS融入业务流程的能力(或流程模型)。ws - bpel的剥削,曹国伟等提出的。19),Curbera et al。20.),黄等。21),李et al。22),和Yu et al。23),在不同的公司承诺促进商业交易。然而,WS - bpel是基于XML标准,缺乏必要的支持语义注释需要解决涉及动态WS成分的语义差异。

目的在促进慢波睡眠是创建一个灵活的开发一个自动系统层与动态发现、组合和执行WS (4]。慢波睡眠的常见的基础设施包括规范的语义注释结合WS标准,也就是说,可扩展标记语言(XML),简单对象访问协议(SOAP), Web服务描述语言(WSDL)和通用描述、发现和集成(UDDI)。语义WS注释后的评论为例,Morasca24),后WS语义注释语言之一是owl - s (6),代表了配置文件,流程模型和接地WS通过Web本体语言(OWL) (25]。允许更灵活的使用这样的语义描述和表达能力的发现、组合、WS和执行。许多研究工作旨在发现、技术组合,或开发服务了饶和苏26),Lemos et al。27],罗德里格斯et al。28]。需要仍然存在自动WS组成各种领域内解决这些问题。

许多研究工作已经进行自动WS组合使用不同的技术。在人工智能规划技术的背景下,Hatzi等工作。10)提出了一个集成的方法慢波睡眠成分利用人工智能规划技术。方法是基于WS组合问题转化成一个规划问题,在PDDL编码,解决外部规划者。生产综合服务转换后回到owl - s。邹等人的作品。11]认为WS作文问题作为WS组合规划问题和使用AI规划者找到一个组成成分的计划要求。可用的服务转化为规划域PDDL和组成请求转换成在PDDL规划问题。WS组合规划问题随后被送入一个AI规划师自动发现一篇作文计划对应于给定的成分要求。Puttonen等的工作。12)提出了一种基于框架能够自动作曲WS应用于工厂自动化领域。框架旨在提取计划行动后从owl - s服务描述和创建一个映射从每个行动后将获得解决方案计划转化为复合owl - s流程。结果旨在减少开发的工作量语义描述WS和启用自动组成和部署工作流描述。通过基于逻辑的方法和算法,饶的工作等。29日)提出了一个自动组成慢波睡眠使用逻辑线性(LL)定理证明所需的规则提取WS的成分。Kwon和李的工作30.)提出了一个nonredundant WS组成方法基于两阶段算法能够有效地搜索可伸缩的WS数据使用关系数据库索引技术。

在基于语义技术的背景下,背风面等的工作。31日)提出了语义匹配技术安排WS从存储库中,输入和输出是语义匹配。Talantikite等的工作。32)开发了一个模型的语义注释WS发现和组合使用基于本体的概念之间的相似性度量。Garcia-Sanchez[工作33)提出了一个基于主体框架服务集成和互操作性的一个电子政务领域,发现代理是代表相亲和组合服务通过慢波睡眠和本体概念映射。邦萨尔等人提出的另一项工作。34),他提出了一个广义的基于语义技术自动服务组合。

在图论技术,WS模型组合在几个研究已经提出。Hashemian和Mavaddat [35)提出了一个原始的方法,图搜索算法用于WS组成与功能。Dong-Hoon和Kyong-Ho [36)提出一个准确WS组成方法提高图搜索的功能语义考虑。Ukey等的工作。37)提出了一个模型,WS组成基于双向启发式算法工作配合WS依赖图。王等人的作品。38]研究发现的问题的最小成本服务组合(协会)的通用服务组合的要求,这是由一个有向无环图(DAG)表示。Rodriguez-Mier等的工作。15)提出了一个自动WS组成技术基于heuristic-based图搜索算法。林等人的作品。16)提出了一个具有成本效益的计划图方法基于向后大规模WS策略组合在云环境中。这项工作的目的是设计一个具有成本效益的WS组合算法获得多个服务组合使用较少数量的WS在低成本和在一个可接受的执行时间。最后,胫骨的工作等。18)提出了一种基于组合方法,该方法使用WS和代表诉讼的功能语义表示服务的行为。这种方法使用一个图和/或存储数据依赖关系对WS组合、和规则创建地图服务和组合服务的行为。

本文的主要贡献和WS组成的比较方法和其他方法将节中讨论7。

3所示。提出了系统架构概述

本节概述了基于慢波睡眠成分系统,分为两个子系统的管理时间和运行时,如图1。(1)管理时间子系统:该子系统的目的是保持WS依赖图的数据准备。系统管理员可以注释RESTful WS或导入WSDL在UDDI注册中心注册(RESTful WS注释/ WSDL制备步骤)服务解析并存储在资源描述框架(RDF)格式在服务存储库。服务存储库包含WS的标记功能,包括服务和操作名称,输入和输出。使用这些初始数据依赖图的准备过程。这个过程包括以下三个步骤:(我)参数准备:每个输入(或输出)参数的名称WS的标记化的参数制备过程中的关键字。(2)参数匹配:在这个步骤中,关键字是用来比较其他参数使用语义匹配规则参数匹配过程中借助WordNet [39),这是一个英语词汇数据库提供感官词之间的关系。这些话的感觉(它)是集认知同义词表达一个截然不同的概念,与其他感官通过概念语义的互连。(3)图一代:每一对参数的匹配系数计算用于生成WS通过图的依赖图生成规则。(2)运行时子系统:该子系统在服务客户可以创建一个用户界面构成查询通过关键字搜索服务。所请求的关键字被用来找到匹配的I / O依赖设置输入和输出参数在服务存储库通过WordNet相似性测量。这个过程包括以下两个步骤。(我)发现潜在的web服务:I / O依赖集是用于查找潜在的WS道路(子图)的依赖图模型与使用WS图搜索算法。(2)发现nonredundant成分:这些路径构造成nonredundant WS成分通过该算法(复合过程)。nonredundant WS组成的结果可以导出标准可执行语言,为了进行或BPEL4WS等,这可能会进一步用于创建WS调用。

过程的细节管理时间和运行时子系统依赖图中描述的是准备和WS组成部分部分5,分别。

4所示。激励的例子

本节说明了WS如表所示的一个例子1。这些服务扩展从我们以前的工作40,41),是医疗数据的检索来自异构电子健康记录(EHR)系统不同的健康组织。操作创建SOAP WS和RESTful WS版本,它返回XML格式的医疗数据。WS的例子包括八个操作(例如,π,PD,φ,DS,DXI,OI,迪,子)和服务请求(第一季度和第二季)。给定一个查询第一季度,请求的输入第一季度身份证,要求输出的第一季度是health-number,组织名称,district-name,如果你。虽然,π和PD服务,满足输入的第一季度的输出π和PD不完全满足所有要求输出的第一季度。某些要求输出的第一季度,如组织名称,district-name,如果你满意的操作OI,迪,子,分别。的操作π和PD返回输出hospital-code和district-code,这可能被用作输入的OI,迪,子。因此,WS{的构成π,PD}→{OI,迪,子}应该满足查询第一季度,可以提供给服务客户作为两个nonredundant成分:{π}→{OI,迪,子},{PD}→{OI,迪,子}。尽管WS成分的语义匹配技术是有限的小规模WS,本研究提出了基于图搜索算法有效地找到nonredundant WS结合大规模WS。WS的研究还创建了一个系统的方法依赖图的准备,使推理引擎执行语义匹配的输入和输出参数之间的WS。

5。一个基于语义Web服务组合方法

本节介绍了语义的定义参数匹配和基于WS组成的组件本体,用于该系统的两个主要过程,也就是说,依赖图准备和WS组成。这些过程描述如下。

5.1。语义匹配参数定义

根据语义相亲WS技术功能设计基于本体概念,匹配类型可以分为若干层次,如精确,插件,包容,和失败42]。本研究只考虑三种匹配的精确,包容,和失败,(如表中定义2)用于参数匹配的依赖图准备在下一节。

5.2。基于本体语义Web服务组成

在本节中,我们提出了基于慢波睡眠成分本体,用于代表WS的组件依赖关系图的准备。基于本体的一部分,也是用OWL语言表达,如图2。提出了本体包含三个主要类别:GraphElement,过程,SemanticMatching。的GraphElement类,它包含的弧和顶点子类,来源于有向图理论和用于描述服务的依赖。的弧类代表冗余操作,通过属性具有相同的功能hasOperation并描述了输入和输出通过尾巴和头属性,分别。的顶点类定义来表示操作的输入或输出参数来表示弧。的过程类,它来源于为了进行流程模型规范(43),描述(1)的特点AtomicProcess和CompositeProcess类通过hasInput,hasOutput,hasPrecondition,hasEffect属性和(2)控制结构(执行和序列)的CompositeProcess类。的SemanticMatching类描述了参数的语义相似度sourceParameter和targetParameter分为两种类型的属性确切的和包含,如表中定义2。这种基于慢波睡眠成分本体用于依赖图准备在下一节。

5.3。依赖图的准备

依赖图的准备是一个过程,构建关系的原子过程的输入和输出参数图。这一过程包括三个相互关联的过程参数的准备、参数匹配,和图形生成过程,如以下部分所述。

5.3.1。参数准备

参数制备过程用于原子过程的参数名称划分为有意义的关键字。这个过程的基本组成部分是基于慢波睡眠成分本体,如AtomicProcess,参数,关键字,上下文,被定义为集WS原子过程、输入和输出参数的原子过程,关键字参数,分别和上下文的参数。每个基本组件中使用下面的子流程。(1)创建上下文。这个过程是用来创建一个上下文 的一个参数 通过调整参数的格式根据以下规则:规则1。如果的名字包含特殊字符,如+和-,这些字符替换为分隔符象征“_”(下划线)。规则2。如果的名字的正则表达式匹配大写单词,单词之间插入分隔符“_”。规则3。如果的名字含有介词,如“的”和“与”或“a”等物品”,“和”,“这些字符从参数中删除。例1。考虑到{”CodeOfTerritory”、“district-code”}∈参数输入和输出参数的{子,π}∈AtomicProcess,分别。以下规则1 - 3,以分隔符字符串“CodeOfTerritory”添加“_”开头的单词之间大写字符(导致“Code_Of_Territory”),和介词”“删除后规则3(导致“Code_Territory”)。在接下来的参数,“district-code”取代“_”分隔符后规则1(导致“district_code”)。最后,{“Code_Territory”、“destrict_code”}∈上下文构造环境的参数{”CodeOfTerritry”、“district-code”}∈参数,分别。规则的执行结果1 - 3为例1进一步提出了部分基于慢波睡眠成分本体,如图3。(2)创建关键字。这个过程是用来创建一个关键字 的一个参数 通过提取从上下文 的一个参数根据以下规则:规则4。如果一个上下文包含一个分隔符符号,一个字符串之前第一个分隔符的象征调整到一个小写的字符串并提取的关键词吗后,子字符串分隔符被分配一个新的上下文的象征。规则5。如果一个上下文不包含分隔符的象征,删除和建造的小写的关键词吗。例2。下面的参数的例子1,“CodeOfTerritory在这种情况下可以创建”参数为“Code_Territory”。执行第一轮规则4后,小写的字符串“代码“作为第一关键字提取,字符串“领土”是构建新的上下文。上下文字符串“领土“删除和重建为小写的关键字”领土”,根据规则5。因此,{”代码”、“领土”}∈关键字是一组关键字参数”CodeOfTerritory”。在接下来的背景下,“district_code“{提取”区”、“代码”}∈关键字参数”district-code”。规则的执行结果4 - 5为例2说明在图4。

5.3.2。参数匹配

参数匹配定位的过程之间的语义相似性对WS操作的输入和输出参数。随后创建输出匹配的实例。参数匹配过程包含的关键字匹配和匹配滤波过程,如下所述。(1)关键字匹配。关键字匹配过程之间的相似性计算为每个参数使用WordNet数据库关键字。相似的一对词语用于生成参数之间的匹配的实例。

让 被设置的一对WS原子过程或操作。让 被设置的输出和输入参数 ,分别。让和是一组关键字参数,,分别。计算关键字之间的相似度值,我们应用方程提出了吴邦国委员长和帕尔默(wup) [44),这是定义在以下功能。

,在那里 。

关键词之间的语义相似度 和 确定使用的相似程度,分数( 通过上述函数)计算。如果 等于1,这两个字是精确匹配这意味着它们是同义的。否则,包含匹配可以通过可调阈值确定的语义相似度。本文的阈值包含匹配设置为0.7确定包容关系密切相关的参数对应于我们的先前的研究在本体映射技术(45]。之间的语义匹配参数可以使用以下规则:规则6。(精确匹配) ,用 ,在那里 , ,然后一个精确匹配实例 的参数对( 创建)。实例源和目标参数吗和和实例 包含源-目标关键词相似。规则7。(包含匹配) 和 或 ,在那里 和 ,然后一个包含匹配的实例 的参数对( 创建)。实例源和目标参数吗和和实例 包含源-目标关键词相似。例3。以下例子中概述的过程2,一组输出和输入参数{district-code,CodeOfTerritory}∈参数的原子过程{π,子}分别包含关键词之间的相似性得分Sim卡_wup(区,领土)= 1,Sim卡_wup(代码,代码)= 1。因此,区≅领土和代码≅代码。因此,实例E-district-code-CodeOfTerritory∈确切的被创建。这个实例district-code和CodeOfTerritory源和目标参数,分别有两个对等效源-目标关键词:sim-district-territory∈相似和sim-code-code∈相似。这样的一个示例生成精确匹配实例根据规则如图65。例4。一组两个输出和输入参数{hospital-code,organizationCode}∈参数的原子过程{π,OI}分别包含关键词之间的相似性得分Sim卡_wup(医院,组织)= 0.8和Sim卡_wup(代码,代码)= 1,医院⊆组织。因此,匹配的实例SS-hospital-code-organizationCode∈包含和E-hospital-code-organizationCode∈确切的生成,这一双吗hospital-code和organizationCode作为源和目标参数。实例SS-hospital-code-organizationCode类似源-目标关键词吗sim-hospital-organization∈相似,而实例E-hospital-code-organizationCode类似源-目标关键词sim-code-code∈相似。这些匹配实例根据规则生成的一个示例见图6和图76。尽管这个示例包含包含和具体实例,这些匹配实例之一是消除通过在下一节中描述的匹配过滤过程。(2)匹配滤波。匹配滤波过程计算系数生成的参数匹配的关键字匹配的实例过程中消除无关的匹配参数的实例对。

让 分别是包含和精确匹配的实例和在哪里 。之间的匹配系数和,表示 ,根据Jaccard系数计算46),见以下方程: 在哪里是确切的数量或包含匹配实例发现和,关键词的数量吗不能与任何关键字匹配,关键词的数量吗不能与任何关键字匹配。

的返回值(1如果最低)等于0,如果最高和都等于0。因此,的值 躺在的范围( )。根据每场比赛的系数值,匹配滤波与执行以下规定:规则8。如果 ,只存在 或 之间的和,然后或是保留。最后确定的匹配度之间和要么是精确匹配或包含匹配。规则9。如果 ,存在两种 和 之间的和,然后、保留和是删除。最后确定的匹配度之间和是包含匹配。规则10。如果 ,然后所有生成匹配实例( 和 )之间的和是删除。最后确定的匹配度之间和是失败。例5。后生成匹配的实例的例子3,E-district-code-CodeOfTerritory∈确切的,这只是一个参数之间的匹配的实例district-code和CodeOfTerritory两对等效关键词( )。关键词的数量仅仅是阳性district-code都等于零,而只有积极的关键词数量CodeOfTerritory也等于零(和 )。根据规则的有限公司_江淮(district-code,CodeOfTerritory)= 1,只存在一个具体实例,因此参数之间的匹配程度district-code和CodeOfTerritory是一个精确匹配。例6。后生成匹配的实例的例子4,SS-hospital-code-organizationCode∈包含和E-hospital-code-organizationCode∈确切的两个匹配的实例生成一对参数(hospital-code,organizationCode)。根据规则9,系数有限公司_江淮(hospital-code,organizationCode)= 1;存在包含和精确匹配的情况下,和精确匹配的实例。因此,参数之间的匹配程度hospital-code和organizationCode是一种包含匹配。

过滤的结果参数匹配实例的例子如表所示3。

5.3.3。图一代

图一代建设依赖图的过程模型的WS服务存储库。的规则推理的依赖图11和12给出了规则如下:规则11。让 表示一个操作WS。让{ 和 }是一组操作的输入和输出。弧 生成的参数和 尾部和头部顶点,分别。弧有财产hasOperation与 作为一个属性值。规则12。让 表示一组两个操作WS。让{ , }是一组的输入和输出参数和分别在哪里, 和, 。如果存在一个匹配的实例 之间的和,然后弧 被创建。弧生成的参数, 尾部和头部顶点,分别。弧有财产hasOperation与作为一个属性值。这条规则表中描述的实现4。例7。根据表中提供的服务描述1,{π,子}∈AtomicProcess有一组输入和输出参数的一对{(居民身份证,district-code),(CodeOfTerritory,如果你分别)}。因为存在一个匹配的实例E-district-code-CodeOfTerritory的district-code和CodeOfTerritory参数,即使π(和PD)没有输出表示为CodeOfTerritory的弧citizen-id-CodeOfTerritory∈弧(分配冗余操作集{π,PD生成})。完整的依赖图的结果从规则生成的WS 12如图11和统治7。

5.4。Web服务组合

WS作文的过程发现的复合过程,满足一个查询从服务客户。这个过程包括两个相互关联的步骤:寻找潜在的WS和找到nonredundant成分。

5.4.1之前。寻找潜在的Web服务

第一步的方法是搜索WS基于WS可能满足组成的存储库。这一步骤的算法由两个阶段组成:向前搜索和向后搜索算法。让问表示查询服务的客户, 是一组输入的, 是一组输出的。I / O依赖组给出一组吗 。让 。系统执行图搜索算法1与输入 并返回一个潜在的WS的路径依赖作为输出。示例8。根据WS和查询(表的例子1),一个查询第一季度I / O依赖关系(语义匹配)找到的吗D_第一季度= {(居民身份证,health-number),(居民身份证,组织名称),(居民身份证,district-name),(居民身份证,如果你)}。每个I / O的依赖用于查找潜在的WS路径算法1并生成结果路径集(路径1 - 4),如图8。

获取所有WS路径为所有服务请求的输入和输出,向前向后搜索后执行搜索算法2。该算法旨在发现的潜在的WS道路输出对应于所请求的服务的输出,但可能输入与所请求的服务的输入。发现路径的向前和向后搜索组合见下一节。例9。一个查询第二季I / O依赖设置为D_第二季= {(居民身份证,diagnosis-date)},根据WS和查询(表的例子1)。I / O依赖用于查找潜在的WS道路通过算法2,如图9。

5.4.2。发现Nonredundant成分

完成后的潜在WS路径相对应的依赖图服务查询,第二步发现潜在的WS道路的nonredundant成分。让 是一组结果的路径。算法3接收 作为输入并返回一组nonredundant合成路径。示例10。后获得的结果的例子8,让 是一组潜在WS路径的查询第一季度。算法3把多余的操作在每条路径的弧线。例如(路径2图8),第一弧pt₂有一组冗余操作吗,在那里 。的操作π和PD被分成, 因为他们有相同的功能(见描述表1)。因此,下一个弧pt₂包含操作{OI}构造的顺序操作π和PD在和,分别。此外,从每个返回的nonredundant成分 组合成更复杂的复合过程结构,如顺序(序列)和并行(Split-Join)。的一个例子的完整结果nonredundant WS组成如图10。例11。后获得的结果的例子9,让 是一组潜在WS路径。算法3把多余的操作在每条路径的弧线。例如(路径1图9),第一弧有一组冗余操作吗在哪里 。的操作π和PD被分成, 因为他们有相同的功能(见描述表1)。因此,下一个弧pt₁包含操作{DXI}构造的顺序操作π和PD在和,分别。从每个返回的nonredundant成分 可以组合成更复杂的复合过程结构,如图11。

6。系统实现

本节提出了实施基于慢波睡眠成分系统支持WS发现过程,可以满足基本的原子服务的服务组合。确保模型实现的可行性,我们开发了医疗机构的慢波睡眠成分系统位于泰国东北部,包括省级医院、社区医院、和初级医疗单位。每个医疗机构从不同EHR系统提供数据库访问服务。慢波睡眠成分系统作为一个基于Java的web应用程序平台。根据提出的系统架构部分3,并给出了系统接口分为两部分如下。

6.1。管理时间子系统

管理时间子系统的系统架构,管理员应用程序(http://202.28.94.50/wscomposition/admin)如图12。SYSTAP的Bigdata [47)用于RDF数据存储组成的服务存储库,WordNet本体库,并依赖图存储库。这些系统的存储库中存储的数据代表在RDF和OWL的一种形式,它通过Jena API进行管理(48]。

6.2。运行时子系统

运行时子系统的系统架构,服务客户的应用程序(http://202.28.94.50/wscomposition)也发达如图(13日)和13 (b)。为服务客户用户界面创建一个表单通过输入和输出关键字搜索服务,如图(13日)。然后,WS组成发动机的结果返回给用户,导出为WS可执行的描述,如在一个为了进行格式,如图13 (b)。

7所示。系统评估和讨论

本节提出了开发WS组成系统的评价来验证提出的基于语义WS成分的方法是适当的在不同的应用领域。我们创建了一个数据集从WS数据集收集的Zhang et al。49发表在公共注册中心),真正的服务如WebserviceX (http://www.webservicex.net/new/Home/Index),服务存储库(http://www.service-repository.com/)。这些服务被分为六个应用程序域(医疗、旅游、商业、教育、多媒体、和地理)。实验的目的是测量系统使用两个指标,执行时间测量和测量的正确性,如以下部分所示。提出系统的最后一个小节讨论了贡献,与其他方法比较。

7.1。次执行时间度量

评估系统的执行时间,数据集分为五组不同的数量操作WS从10到1000。实验措施管理时间流程的执行时间来准备图组成的参数制备(T_页),参数匹配(T_点)和图一代(T_GG),以及WS组成的执行时间(T_WC)在运行过程中,如表中所示5。

在图的准备过程中,最重要的观察是,参数匹配过程的执行时间(T_点)与WS的数量显著增加,因为参数的数量对用于寻找语义相似度(精确匹配和包含匹配)显著增加。我们还观察到WS组成的执行时间略与WS的数量增加,因为生成的WS依赖图(弧和顶点)之间可以创建语义链接输出和输入参数,可以用来找到nonredundant WS成分的生成的路径。评价结果显示重要的设计两个子系统(即。,management time and run time) to reduce the execution time of the semantic matchmaking during the run time of the WS composition.

7.2。正确测量

在测量的正确性WS组成系统中,我们为每个域设置实验通过模拟查询观察nonredundant组合结果。正确性是用精密的百分比(2),回忆(3)和F-measure (4)指标考虑的三个数字:真阳性(TP),指相关的数量(复合)查询服务;假阳性(FP),指无关紧要的数量查询服务;和假阴性(FN),它指的是有关服务查询的数量并不构成系统检索到的。

如表所示6整体F-measure评分(视为精度提出的均值WS组成系统)为93.49%。总体精度精确表示的分数是96.76%,而WS搜索的整体完整性提出的召回是90.43%。最重要的是,错误的发生(和)在搜索结果完全取决于WS依赖图的正确性图生成的准备。错误取决于某些关键词提取WS参数(如缩写或拼错的单词),在WordNet库中不存在。因此,参数匹配过程不能完成语义相亲过程连接这些参数,因此,它无法正确地生成相关服务的依赖图。

7.3。贡献和与其他方法进行比较

论文的主要贡献是提出(1)依赖图制备技术基于规则推理的语义web技术方法和(2)nonredundant WS组成技术基于图搜索算法。关注这些贡献,我们的工作不同于其他方法选择的文献综述,描述如下。

基于上下文中的WS组成、Hashemian和Mavaddat [35)提出了一个方法,包括使用图搜索算法寻找WS的成分。然而,他们不存在方法准备依赖图的WS最重要的潜在图生成。悦et al。17]提出了基于WS方法组成的图构造方法可以自动找到相关的原子服务的图形模型。然而,匹配过程计算原子服务之间的关联程度图施工方法是基于句法的考虑。他们提出的解决方法仍然缺乏支持语义相亲WS的语义冲突问题。

可伸缩的上下文中WS组成,Kwon和李30.)提出了一个可伸缩的、高效的WS组成方法基于WS代表链接索引的关系数据库系统。他们的算法可以通过索引找到WS的nonredundant成分相关的服务。虽然可以支持web服务的语义匹配的方法的参数映射到相同的领域本体的概念,本文中提供的例子和实验没有显示WS的语义冲突的解决方案参数。

至于我们的以前的工作40),我们建议WS注释模型集中在应对冲突WS的某些参数,如命名冲突,泛化冲突,冲突和聚合。此外,我们以前的工作定义映射规则通过语义Web的规则语言(SWRL)将检索到的医疗数据从不同的健康组织。WS注释模型采用后一个owl - s也表示支持WS组成模型表达式。然而,这种早期的模型不存在自动WS成分的方法。构造复合过程服务的过程是由管理员手动完成的。在另一个先前的研究(41),我们旨在解决分布式局部本体的数据级冲突从异构EHR系统中提取。我们提出了语义桥本体生成映射规则用于转换局部本体到常见的本体实例生成linked-patient数据实例。然而,这项工作没有提及的方法自动WS组成。

我们的方法在本文提出的基于语义WS组成技术不同于现有的研究主要在以下两个方面。(1)依赖图准备:本文图制备方法提出了构建语义关系的原子过程的输入和输出参数。这一过程旨在解决两种类型的语义冲突的参数(精确匹配和包含匹配),并提供基于规则的推理方法来自动构建WS的依赖图模型。(2)Nonredundant WS组成技术:介绍了图搜索算法利用向前搜索和向后搜索技术来发现潜在的WS道路。我们还提出了一个算法来消除冗余WS从潜在WS路径和生成nonredundant成分可以被导出的WS标准可执行语言,进一步用于创建WS调用。

8。结论和未来的工作

在本文中,我们提出了一个语义WS成分和搜索系统,分为两个子系统:管理时间子系统和运行时子系统。管理时间子系统提供依赖图准备能够支持灵活的语义匹配WS参数自动建立相关服务的依赖图。运行时子系统创建WS组成基于图搜索技术,可以有效地找到nonredundant WS成分的最令人满意的结果。提出的主要贡献WS组成系统的生产技术准备WS依赖图基于规则推理技术的语义Web技术。WS参数对语义相似度的确定(即使用定量和定性度。,similarity score, coefficient, and matching classes), which resulted in the WS dependency graph generation required for reducing the complexity in the WS composition process. Consequently, the system efficiently performs the nonredundant WS composition using a graph search algorithm. Our system was evaluated in the real-world setting of WS within the healthcare domain in the context of locating and invoking the consequential data retrieval services from different electronic health record systems. Additionally, we further evaluated the system in other WS domains, including tourism, business, education, multimedia, and geography, to ensure that the proposed approach performs independently in application domains. However, we recognize two directions for system improvement in future research, as presented in the following paragraphs.

语义匹配方面的依赖图中的制备方法,介绍了只有两种linguistic-based语义匹配规则,包含匹配和精确匹配,计算参数的服务之间的相似性得分。改善这种方法在未来的研究中,我们计划增强系统通过添加其他语义相似度策略的规则,如统计数据策略和自然语言处理。

WS构图方法提出了基于图搜索方法广度优先搜索。未来改进这种方法可能包括添加其他图搜索算法WS组合引擎。此外,介绍了非功能能力的服务质量到引擎可能丰富功能,使系统更有前途的WS成分和搜索。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是财务支持的计算机科学部门,通过研究科学教师,孔敬大学授予CSKKU12/2554 # 8。作者还表示最深的感谢Nongbuarawae医院,Chaiyaphum省、泰国、数据和技术支持。

引用

1. 刘昱,x, a . Bouguettaya和b . Medjahed”部署和管理web服务:问题,解决方案,和方向,”VLDB日报,17卷,不。3、537 - 572年,2008页。视图:出版商的网站|谷歌学术搜索
2. 绿洲”,Web服务业务流程执行语言版本2.0,“http://docs.oasis-open.org/wsbpel/2.0/OS/wsbpel-v2.0-OS.html。视图:谷歌学术搜索
3. W3C,”Web服务编排接口(WSCI) 1.0”,http://www.w3.org/TR/wsci/。视图:谷歌学术搜索
4. s . a . McIlraith t . c .儿子,h·l·曾“语义Web服务”,IEEE智能系统和他们的应用程序,16卷,不。2,46-53,2001页。视图:出版商的网站|谷歌学术搜索
5. 该h . d . Aissani,“语义Web服务:标准、应用程序的挑战和解决方案,“网络和计算机应用》杂志上,44卷,第151 - 134页,2014年。视图:谷歌学术搜索
6. W3C,”Web服务的语义标记后(owl - s)”https://www.w3.org/Submission/OWL-S/。视图:谷歌学术搜索
7. W3C,“Web服务建模本体(WSMO)”http://www.w3.org/Submission/WSMO/。视图:谷歌学术搜索
8. W3C,”语义标注wsdl和xml模式,”https://www.w3.org/TR/2007/REC-sawsdl-20070828/。视图:谷歌学术搜索
9. s . c .哦,d . Lee, s r·t·库马拉”有效的web服务组合多样化和大规模的服务网络,“IEEE服务计算,1卷,不。1,15-32,2008页。视图:出版商的网站|谷歌学术搜索
10. o . Hatzi d . Vrakas m . Nikolaidou n . Bassiliades d . Anagnostopoulos说道,Vlahavas,”一个集成的方法来自动语义Web服务组合通过规划,“IEEE服务计算,5卷,不。3、319 - 332年,2012页。视图:出版商的网站|谷歌学术搜索
11. 陈甘g .邹y, y, b .张”web服务的动态组合在大规模服务存储库,使用高效的规划者”以知识为基础的系统卷,62年,第112 - 98页,2014年。视图:出版商的网站|谷歌学术搜索
12. j . Puttonen a . Lobov m·a·c·索托和j·l·m·Lastra”在工厂自动化规划进行语义Web服务组合”,先进的工程信息卷,29号4、1041 - 1054年,2015页。视图:出版商的网站|谷歌学术搜索
13. m . Ghallab豪,c . Knoblock et al .,“PDDL规划领域定义语言,”《人工智能规划系统(航- 98)美国宾夕法尼亚州,匹兹堡,1998。视图:谷歌学术搜索
14. z Kootbally Schlenoff c, c . Lawler t·克雷默和s . k . Gupta,“对健壮的组装与知识表示规划领域定义语言(PDDL)”机器人和电脑一体机制造33卷,42-55,2015页。视图:出版商的网站|谷歌学术搜索
15. p . Rodriguez-Mier m . Mucientes和m .喇嘛”heuristic-based搜索算法自动的web服务组合,”2011年IEEE国际会议上的Web服务(ICWS)华盛顿特区,页81 - 88,美国2011年。视图:谷歌学术搜索
16. 郑胜耀林·g·t·林k . m .曹国伟和c . c .罗,“成本效益的计划图方法对大规模web服务组合,”数学问题在工程ID 783476条,卷。2012年,21页,2012。视图:出版商的网站|谷歌学术搜索
17. k .悦,m .悦w·刘,李x”类型匹配的图论方法在web服务组合中,“计算信息系统杂志》上》第六卷,没有。7,2141 - 2149年,2010页。视图:谷歌学术搜索
18. k·d·h·Shin h·李,石川,“基于方法提高web服务组合通过明确规范的正确性和速度的功能语义,“国际期刊的网络和网格服务,10卷,不。4、297 - 318年,2014页。视图:出版商的网站|谷歌学术搜索
19. k . m .曹国伟m . Younas n·格里菲思,“BPEL4WS-based协调网格服务的设计,”计算机在工业领域卷,57号8 - 9,778 - 786年,2006页。视图:出版商的网站|谷歌学术搜索
20. f . Curbera r•w·a·纳吉和s . Weerawarana”实现BPEL4WS: BPEL4WS的架构实现,”并发性和计算:实践和经验,18卷,不。10日,1219 - 1228年,2006页。视图:出版商的网站|谷歌学术搜索
21. S.-M。黄,Y.-T。楚,工程学系。李,d . c .日圆,“加强冲突检测机制web服务组成:一个业务流程模型转换的方法,”信息与软件技术,50卷,不。11日,第1087 - 1069页,2008年。视图:出版商的网站|谷歌学术搜索
22. h . m . Lee Yoon、h . Shin和d·g·李,“智能动态工作流支持无处不在的web服务的制造环境,”《智能制造,20卷,不。3、295 - 302年,2009页。视图:出版商的网站|谷歌学术搜索
23. 问:z . j . Yu, j .刘贤美瑞j .汉c . Liu, t·h·努尔”自适应web服务的模型驱动的开发流程和规则方面,“计算机与系统科学杂志》上,卷81,不。3、533 - 552年,2015页。视图:出版商的网站|谷歌学术搜索
24. d .托西和美国Morasca支持web服务的半自动语义注释:一个系统的文献回顾,“信息与软件技术卷。61年,至少需要补充16至32,2015页。视图:出版商的网站|谷歌学术搜索
25. W3C”,参考Web本体语言(OWL)。”http://www.w3.org/TR/owl-ref/。视图:谷歌学术搜索
26. j·拉奥和苏x”,自动化web服务组合方法的调查,”语义Web服务和Web过程组成:第一次国际研讨会,SWSWPC 2004美国圣地亚哥CA, 2004年7月6日修改选定的论文,j·卡多佐,a . Sheth Eds。海德堡,页43-54,激飞柏林,柏林,海德堡,2005年。视图:谷歌学术搜索
27. a . l . Lemos f·丹尼尔,和b . Benatallah”Web服务组合:技术和工具的调查,“ACM计算调查,48卷,不。3,1-41,2015页。视图:谷歌学术搜索
28. g·罗德里格斯,a的索里亚和m·坎波”人工智能在面向服务的软件设计中,“人工智能技术的工程应用53卷,第104 - 86页,2016年。视图:出版商的网站|谷歌学术搜索
29. p . j . Rao Kungas, m . Matskin”成分的语义Web服务使用线性逻辑定理证明,“信息系统没有,卷。31日。4 - 5,340 - 360年,2006页。视图:谷歌学术搜索
30. j . Kwon d·李,“基于两阶段算法冗余的web服务组合,”数据与知识工程,卷71,不。1,第91 - 69页,2012。视图:出版商的网站|谷歌学术搜索
31. 美国夏威夷本岛,a邦萨尔·g·古普塔,“语义Web服务自动组合,”2007年IEEE国际会议上的Web服务(ICWS 2007),页150 - 158,盐湖城,UT,美国,2007年。视图:谷歌学术搜索
32. h . n . Talantikite d Aissani, n . Boudjlida”语义标注为web服务发现和组合,”计算机标准和接口没有,卷。31日。6,1108 - 1117年,2009页。视图:出版商的网站|谷歌学术搜索
33. f . Garcia-Sanchez l。Sabucedo, r . Martinez-Bejar l . a . Rifon r . Valencia-Garcia和j·m·戈麦斯”在电子政务应用智能代理和语义web服务环境中,“专家系统,28卷,不。5,416 - 436年,2011页。视图:谷歌学术搜索
34. 美国邦萨尔,a .邦萨尔·g·古普塔,m·b·布莱克,“广义语义Web服务组合,”面向服务的计算和应用,10卷,第133 - 111页,2016年。视图:出版商的网站|谷歌学术搜索
35. 美国诉Hashemian f . Mavaddat,“基于web服务组合方法”学报2005年研讨会上应用和互联网,页183 - 189,意大利,2005年。视图:谷歌学术搜索
36. 美国Dong-Hoon和l . Kyong-Ho”一个自动化的组成信息基于功能语义web服务,”2007年2007年IEEE国会服务(服务),页300 - 307,盐湖城,UT,美国,2007年。视图:出版商的网站|谷歌学术搜索
37. n . Ukey r .他k·辛格,A .米拉尼和诉Poggioni”的双向启发式搜索web服务组合与成本,”国际期刊的网络和网格服务》第六卷,没有。2、160 - 175年,2010页。视图:出版商的网站|谷歌学术搜索
38. b . a . j . p . j . Wang Wang Chen和n . j .顾“最低成本服务组合服务覆盖网络,”全球Web-Internet和网络信息系统,14卷,不。1,第103 - 75页,2011。视图:谷歌学术搜索
39. g·a·米勒,“WordNet:英语词汇数据库,”ACM的通信,38卷,不。1995年11日,页。39-41,ACM出版社,纽约。视图:出版商的网站|谷歌学术搜索
40. 美国Sonsilphong: Arch-int, s . Arch-int”为医疗信息集成、基于规则的语义Web服务注释”第八届国际会议上计算和网络技术(ICCNT2012)。IEEE庆州,页147 - 152年,韩国,2012年。视图:谷歌学术搜索
41. 美国Sonsilphong: Arch-int、美国Arch-int和c . Pattarapongsin”医疗数据的语义互操作性的方法:解决数据级冲突,”专家系统,33卷,不。6,531 - 547年,2016页。视图:出版商的网站|谷歌学术搜索
42. m·保鲁西t .河村建夫,t·r·佩恩和k . p . Sycara“语义web服务的匹配能力,”语义Web程序的第一个国际会议上语义网,页333 - 347,2002,气象出版社。视图:谷歌学术搜索
43. d·马丁,m . Burstein d·麦克德莫特et al .,“后将语义web服务与owl - s、”万维网,10卷,不。3、243 - 277年,2007页。视图:出版商的网站|谷歌学术搜索
44. 吴z和m·帕尔默,“动词语义和词汇选择,”第32届年会94年对计算语言学协会(ACL),计算语言学协会,页133 - 138 NM,拉斯克鲁塞斯美国,1994年。视图:谷歌学术搜索
45. n Arch-int和s Arch-int”语义本体映射为互操作性的学习资源系统使用一个基于规则的推理方法,”专家系统与应用程序,40卷,不。18日,第7443 - 7428页,2013年。视图:出版商的网站|谷歌学术搜索
46. p . Jaccard”植物的分布在高山Zone.1,”新植物学家,11卷,不。2,37-50,1912页。视图:出版商的网站|谷歌学术搜索
47. SYSTAP”Bigdata®,”https://www.blazegraph.com/company/。视图:谷歌学术搜索
48. ApacheJena”,推理者和规则引擎:Jena的推理的支持,“https://jena.apache.org/documentation/inference/。视图:谷歌学术搜索
49. 郑张y, z, m . r .律”WSExpress: QoS-aware web服务的搜索引擎,”第八届IEEE国际会议上的Web服务(ICWS2010),页91 - 98,迈阿密,佛罗里达,美国,2010年。视图:谷歌学术搜索

版权

版权©2017 Ngamnij Arch-int等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。