Automatic Abstract Service Generati

Automatic Abstract Service Generation from Web Service Communities
Xumin Liu
Department of Computer Science
Rochester Institute of Technology
[e-mail]
Hua Liu
Xerox Research Center
Webster, NY
[e-mail]
Abstract—The concept of abstract services has been widely
adopted in service computing to specify the functionality of
certain types of Web services. It significantly benefits key
service management tasks, such as service discovery and
composition, as these tasks can be first applied to a small
number of abstract services and then mapped to the large scale
actual services. However, how to generate abstract services is
non-trivial. Current approaches either assume the existence
of abstract services or adopt a manual process that demands
intensive human intervention. We propose a novel approach to
fully automate the generation of abstract services from a service
community that consists of a set of functionally similar services.
A set of candidate outputs are first discovered based on prede-
fined support ratio, which determines the minimum number of
services that produce the outputs. Then, the matching inputs
are identified to form the abstract services. We propose a set
of heuristics to effectively prune a large number of candidate
abstract services. An comprehensive experimental study on
real world web service data is conducted to demonstrate the
effectiveness and efficiency of the proposed approach.
Keywords-web service; abstract web service; web service
community;
I. INTRODUCTION
Service-Oriented Architecture (SOA) provides a flexible
platform to address interoperability issues in a large scale
and heterogeneous environment [16]. Web services, regarded
as the most promising backbone technology that enables the
modeling and deployment of SOA, have enjoyed great attention
and wide adoption from both academia and industry.
This results in the large and ever-increasing number of Web
services available on the Web, which, on the other side,
introduces significant difficulties of discovering desirable
Web services and composing services to provide a valueadded
service. The current standard service discovery theme
relies on UDDI, which has suffered from its two major
limitations: keyword-based discovery theme and relatively
high expectation on the input from service providers [14].
The concept of an abstract service has been proposed and
widely adopted in the literature to allow service discovery
and composition in a top-down fashion [6]. An abstract service
specifies the functionality of a certain type of services,
e.g., weather or map services. It can be mapped to the group
of actual services that provide the specified functionality.
Finding a desired service can start at identifying the matched
abstract service and then search in the corresponding service
group. Hence, both the efficiency and accuracy of service
discovery are expected to be improved through narrowing
down the searching space. Similar to service discovery,
service composition can start at designing the composition
schema by identifying suitable abstract services and building
up a schema-level workflow. The schema will then be instantiated
by finding actual services for the abstract services
and orchestrate them [4]. Following the same rationale,
abstract services also facilitate the process of dealing with
the frequent changes in service oriented enterprises [3], [9].
While the usage of abstract services holds tremendous
promise, how to generate abstract services poses a set of
key challenges. Existing approaches usually adopt a manual
process to create abstract services and generate the mapping
to the concrete services. The process starts by designing an
abstract service based on the designer’s view of the service
space and user query requirements. To have a complete and
comprehensive view of the service space, the designer needs
to manually go through all service descriptions, which is
time consuming and error prone. This is simply infeasible
for a large number of web services. Moreover, the designer
will also need to manually specify the mapping between
an abstract service and the corresponding concrete services.
An alternative way is to ask service providers to link their
services to abstract services when publishing services. This
is, however, impractical considering the autonomous and
independent nature of service providers.
Inspired by existing Web service community learning approaches,
automating the process of generating abstract services
and their mapping to concrete services can be achieved
by following two steps: (1) generates a functionality-based
service organization to group together services providing
similar functionalities, i.e., forming service communities; (2)
extracts common functional features of services within a service
community to describe abstract services. Existing web
service community learning approaches can be leveraged
to bootstrap service communities [17], [7], [8], [13], [5].
These approaches compute the similarity between WSDL
descriptions by leveraging information retrieval techniques
(e.g. TF/IDF) to model each web service as a vector of
terms. They then apply data clustering algorithms to generate
service communities based on the service similarity. These
works differ mostly in the constructions of the term vectors,
2012 IEEE 19th International Conference on Web Services
978-0-7695-4752-7/12 $26.00 © 2012 IEEE
DOI 10.1109/ICWS.2012.41
154
calculations of the similarity metrics, and clustering algorithms
(e.g., QT, k-means, SVD, and SS-BVD). However,
these work only generate the mapping between a service
community and its member services and lack sufficient summative
description of functionality of the member services,
i.e., abstract services. Simply using cluster centroids or
representative terms to label a service community is far away
from being sufficient. First, such labels cannot precisely capture
the functionality of all member services. Users still need
to go through a service’s description to determine whether
the service provides the desired functionality. Second, it is
not guaranteed that the labels have high coverage of member
services’ functionality.
To address these issues, we propose an automatic abstract
service generation process to extract functional features
of a service community’s member services. All possible
abstract services will be generated to ensure maximum
coverage. The number of concrete services that instantiate
an abstract service is no less than a predefined threshold in
order to guarantee precision. In the remaining parts of the
paper, we use abstract service and functional label in an
exchangeable manner. We leverage association rule mining
techniques to efficiently generate and prune the candidate
abstract services [2]. We start with finding possible output
of an abstract service by checking whether there are enough
number of services generating the output. For each output
as such, we enumerate all possible input and check whether
there are enough number services from the result of the first
step that consume the given input. The mapping between
an abstract service and the member services are generated
during the process. We apply a set of heuristics to improve
the efficiency and scalability of the process.
The remainder of this paper is organized as follows. In
Section II, we formally define an abstract service and its
support ratio. We then present the abstract service generation
problem that we address. In Section III, we propose
a process of generating abstract services from a service
community. Possible functional labels are enumerated in a
heuristic way. We use a bitmap to efficiently check each
label’s support ratio. In Section IV, we present a comprehensive
experimental study to demonstrate the effectiveness
and performance of the proposed algorithms. In Section V,
we discuss some representative related works. In Section VI,
we conclude our paper and discuss future work.
II. PROBLEM STATEMENT
A. Abstract Service and support ratio
An abstract service should be describe in terms of the
functional capacity of member services of a service community,
i.e., the ability of transducing a set of input to a
set of output. [1]. A query requirement specified in terms
of abstract services will be mapped to concrete services if
there is a match. A query requirement is usually formatted as
looking for a service that takes a given input and generates
Table I
MEMBER SERVICES IN WEATHER COMMUNITY
ID Input Output
s1 city, state, country weather, gas_price
s2 zipcode weather, gas_price
s3 city, state, country weather, map_url
s4 geocode map_url, gas_station
s5 zipcode weather
a given output. An example would be: find a service that
takes an address as input and returns weather information.
Along with this line, we define an abstract service as:
Definition II.1 An abstract service (or functional label)
is a binary l = {l.I, l.O}, where l.I = {i1, i2, ..., im} is its
input, and l.O = {o1, o2, ..., on} is its output.
Through an abstract service l of a service community c,
users can understand what type of queries can be satisfied
by c’s member services. That is, being provided with the
data items in l.I, the instances of l can generate all the data
items in l.O. To measure the portion of services in c that can
satisfy the query, we first define the support of a concrete
service as follows.
Definition II.2 A concrete service s is said to support an
input I, denoted as s.I ˆ (I), if s.I ⊆ I; s is said to support
an output O, denoted as s.Oˆ (O), if s.O ⊇ O; s is said to
support an abstract service l, denoted as sˆ(l), if s.I ˆ (l.I) and
s.Oˆ (l.O).
Based on Definition II.2, we compute the support ratio
of an abstract service (or functional label) as follows. Let
S = {s1, s2, ..., st} be the set of all member services in a
service community. The support ratio σ(l) is calculated as
follows:
σ(l) = |{si|si ∈ S ∧ sˆ(l)}|
|S| (1)
Example II.1 Suppose the weather com

ผลลัพธ์ (ไทย) 1:

สร้างบริการบทคัดย่ออัตโนมัติจากเว็บบริการชุมชนหลิว Xuminแผนกวิทย์สถาบันเทคโนโลยีโรเชสเตอร์[e-mail]เล่าหัวศูนย์วิจัย Xeroxเว็บสเตอร์ [e-mail]นามธรรมซึ่งแนวคิดของนามธรรมได้รับกันอย่างแพร่หลายนำมาใช้ในบริการคอมพิวเตอร์เพื่อระบุการทำงานของบางชนิดของบริการบนเว็บ มากประโยชน์คีย์บริการงาน เช่นบริการค้นหา และองค์ประกอบ เป็นงานเหล่านี้สามารถแรกกับขนาดเล็กจำนวนบทคัดย่อบริการ และจากนั้น แมปขนาดใหญ่บริการจริง อย่างไรก็ตาม วิธีการสร้างบริการแบบนามธรรมเป็นไม่ใช่เล็กน้อย ปัจจุบันวิธีคิดอย่างใดอย่างหนึ่งอยู่ของบทคัดย่อการบริการ หรือกระบวนการด้วยตนเองที่ต้องการนำมาใช้การแทรกแซงบุคคลแบบเร่งรัด เราเสนอวิธีนวนิยายทำการสร้างบริการนามธรรมจากบริการเต็มชุมชนที่ประกอบด้วยชุดของบริการที่มีฟังก์ชันคล้ายกันชุดของผู้สมัครที่แสดงผลมีการค้นพบครั้งแรกโดยใช้ prede-ปรับอัตราการสนับสนุน การกำหนดจำนวนขั้นต่ำบริการที่ผลิต outputs แล้ว อินพุตตรงกันเป็นระบุเพื่อให้บริการบทคัดย่อ เราเสนอชุดของลองผิดลองถูกลิดผู้สมัครเป็นจำนวนมากได้อย่างมีประสิทธิภาพบริการบทคัดย่อ การศึกษาทดลองที่ครอบคลุมในข้อมูลการบริการเว็บโลกจริงจะดำเนินการเพื่อแสดงให้เห็นถึงการประสิทธิผลและประสิทธิภาพของวิธีการนำเสนอคำสำคัญเว็บบริการ บริการเว็บนามธรรม บริการเว็บชุมชนI. บทนำสถาปัตยกรรมที่มุ่งเน้นบริการ (SOA) มีความยืดหยุ่นแพลตฟอร์มการปัญหาทำงานร่วมกันในพื้นที่ขนาดใหญ่และสิ่งแวดล้อมที่แตกต่างกัน [16] เว็บเซอร์วิส ถือเทคโนโลยีแกนหลักสัญญาเป็นที่สุดที่ช่วยให้การสร้างโมเดลและการใช้งานของ SOA มีความสุขความสนใจดีและยอมรับมากมายจาก academia และอุตสาหกรรมซึ่งผลจำนวนเว็บขนาดใหญ่ และมีมากบริการบนเว็บ ซึ่ง ในด้านอื่น ๆปัญหาสำคัญของการค้นพบต้องแนะนำเว็บบริการและการเขียนให้เป็น valueaddedบริการ รูปแบบการค้นพบบริการมาตรฐานปัจจุบันอาศัย UDDI ซึ่งได้รับความเดือดร้อนจากวิชาสองข้อจำกัด: ชุดรูปแบบค้นหาตามคำสำคัญ และค่อนข้างความคาดหวังสูงในการป้อนข้อมูลจากผู้ให้บริการ [14]มีการเสนอแนวคิดของบริการเป็นนามธรรม และนำมาใช้อย่างกว้างขวางในวรรณคดีให้บริการค้นหาและองค์ประกอบในด้านลง [6] ให้บริการบทคัดย่อระบุการทำงานของบริการ บางชนิดเช่น สภาพอากาศหรือแผนผังบริการ สามารถแม็ปไปยังกลุ่มบริการจริงที่ให้การทำงานที่ระบุค้นหาการบริการต้องสามารถเริ่มต้นที่ระบุที่ตรงกันบทคัดย่อบริการแล้ว ค้นในบริการที่สอดคล้องกันกลุ่ม ดังนั้น ทั้งประสิทธิภาพและความถูกต้องของบริการค้นพบคาดว่าจะปรับปรุงได้ โดยจำกัดให้แคบลงลงในช่องค้นหา คล้ายกับการค้นพบบริการองค์ประกอบของบริการสามารถเริ่มต้นที่การออกแบบองค์ประกอบแบบแผน โดยระบุบริการเหมาะนามธรรม และอาคารค่าลำดับระดับเค้าร่าง จะสามารถสร้างอินสแตนซ์แบบแผนแล้วโดยการค้นหาจริงบริการบริการบทคัดย่อและ orchestrate เหล่านั้น [4] เหตุผลเดียวกัน ต่อไปนี้บริการนามธรรมยังช่วยในการจัดการกับเปลี่ยนแปลงบ่อยในบริการมุ่งเน้นวิสาหกิจ [3], [9]ขณะที่การใช้บริการนามธรรมถือมหาศาลสัญญา วิธีการสร้างชุดโพสท่าบริการบทคัดย่อความท้าทายที่สำคัญ แนวทางที่มีอยู่มักจะนำคู่มือการสร้างบริการแบบนามธรรม และสร้างการแม็ปบริการคอนกรีต กระบวนการเริ่มต้น ด้วยการออกแบบการบริการนามธรรมตามมุมมองของนักออกแบบของบริการพื้นที่และผู้ใช้แบบสอบถามความต้องการ มีความสมบูรณ์ และมุมมองที่ครอบคลุมพื้นที่บริการ ผู้ออกแบบต้องไปด้วยตนเองผ่านทางบริการคำอธิบายทั้งหมด ซึ่งเป็นใช้เวลาและข้อผิดพลาดง่าย นี้เป็นเพียงแค่ถอดสำหรับตัวเลขขนาดใหญ่ของบริการบนเว็บ นอกจากนี้ แบบจะต้องระบุการแม็ประหว่างด้วยตนเองให้บริการบทคัดย่อและบริการคอนกรีตเกี่ยวข้องทางเลือกที่จะถามผู้ให้บริการการเชื่อมโยงของพวกเขาบริการบริการบทคัดย่อเผยแพร่บริการ นี้การ อย่างไรก็ตาม ได้พิจารณาการปกครองตนเอง และธรรมชาติของผู้ให้บริการอิสระแรงบันดาลใจชุมชนบริการเว็บที่มีอยู่ วิธีการเรียนรู้อัตโนมัติการสร้างบริการแบบนามธรรมและสามารถทำการแม็ปการบริการคอนกรีตตามขั้นตอนที่ 2: (1) สร้างฟังก์ชันโดยใช้องค์กรการบริการกับกลุ่มกันให้บริการฟังก์ชันคล้าย เช่น ขึ้นรูปบริการชุมชน (2)สารสกัดจากคุณสมบัติทั่วไปทำงานของบริการในการบริการชุมชนเพื่ออธิบายนามธรรมบริการ เว็บที่มีอยู่สามารถ leveraged บริการชุมชนวิธีการเรียนรู้การเริ่มต้นระบบบริการชุมชน [17], [7], [8], [13], [5]วิธีนี้คำนวณความคล้ายคลึงกันระหว่าง WSDLคำอธิบาย โดยใช้เทคนิคการเรียกข้อมูล(เช่น TF/idf บาง)แบบแต่ละบริการเว็บเป็นเวกเตอร์ของเงื่อนไขการ พวกเขาใช้ข้อมูลคลัสเตอร์อัลกอริทึมการสร้างแล้วชุมชนบริการบริการคล้ายคลึง เหล่านี้ทำงานที่แตกต่างกันส่วนใหญ่ในการก่อสร้างของเวกเตอร์ระยะ2012 IEEE เว็บบริการ 19 ประชุมนานาชาติ978-0-7695-4752-7/12 $26.00 © 2012 IEEEดอย 10.1109/ICWS.2012.41154คำนวณการวัดความคล้ายคลึงกัน และอัลกอริทึมคลัสเตอร์(เช่น คิวที k หมายถึง SVD และ SS BVD) อย่างไรก็ตามงานนี้สร้างการแม็ประหว่างบริการเท่านั้นชุมชน และบริการสมาชิก และการขาดพอ summativeคำอธิบายของการบริการสมาชิกเช่น บทคัดย่อบริการ เพียงแค่ใช้ centroids ของคลัสเตอร์ หรือเงื่อนไขตัวแทนการบริการชุมชนไม่ไกลจากไม่เพียงพอ แรก ป้ายดังกล่าวไม่สามารถจับภาพอย่างแม่นยำการทำงานของบริการสมาชิกทั้งหมด ผู้ใช้ยังคงต้องไปผ่านคำอธิบายของบริการเพื่อกำหนดว่าบริการให้การทำงานที่ต้อง ที่สอง เป็นไม่รับประกันว่า ป้ายชื่อที่มีความครอบคลุมสูงของสมาชิกฟังก์ชันการทำงานของบริการการแก้ไขปัญหาเหล่านี้ เราเสนอบทคัดย่อโดยอัตโนมัติกระบวนการสร้างบริการการขยายลักษณะการทำงานบริการของชุมชนบริการสมาชิก เป็นไปได้ทั้งหมดบริการนามธรรมที่จะสร้างให้สูงสุดความครอบคลุมการ จำนวนบริการคอนกรีตที่สร้างอินสแตนซ์บริการเป็นนามธรรมคือ ไม่น้อยกว่าขีดจำกัดที่กำหนดไว้ล่วงหน้าในสั่งรับประกันความแม่นยำ ในส่วนที่เหลือของการกระดาษ เราใช้บริการแบบนามธรรมและป้ายชื่อที่ทำงานในการลักษณะกำนัล เราใช้ประโยชน์จากความสัมพันธ์กฎเหมืองเทคนิคการสร้าง และลิดฟังได้อย่างมีประสิทธิภาพบทคัดย่อบริการ [2] เราเริ่มต้น ด้วยการค้นหาผลลัพธ์ได้บริการเป็นนามธรรมโดยการตรวจสอบว่า มีเพียงพอจำนวนของการบริการที่สร้างผลผลิต สำหรับแต่ละผลลัพธ์เช่น ที่เราระบุการป้อนข้อมูลได้ทั้งหมด และตรวจสอบว่ามีบริการเพียงพอเลขจากผลครั้งแรกขั้นตอนที่ใช้ป้อนข้อมูลให้ การแม็ประหว่างสร้างบริการนามธรรมและบริการสมาชิกในระหว่างกระบวนการ เราใช้ชุดของลองผิดลองถูกปรับปรุงประสิทธิภาพและการขยายขนาดของกระบวนการส่วนเหลือของเอกสารนี้มีการจัดระเบียบดังนี้ ในส่วนที่สอง เรากำหนดบริการเป็นนามธรรมอย่างเป็นกิจจะลักษณะและสนับสนุนอัตราส่วน เรานำเสนอการสร้างบริการแบบนามธรรมแล้วปัญหาที่เราอยู่ ในส่วน III เราเสนอกระบวนการสร้างบริการนามธรรมจากการบริการชุมชน นำป้ายสามารถทำงานในการวิธีแล้ว เราใช้บิตตรวจสอบแต่ละอย่างมีประสิทธิภาพอัตราส่วนของป้ายสนับสนุน ในส่วน IV เรานำเสนอครอบคลุมศึกษาแสดงให้เห็นถึงประสิทธิภาพและประสิทธิภาพการทำงานของอัลกอริทึมนำเสนอ ในส่วน Vเราหารือเกี่ยวกับงานที่เกี่ยวข้องบางตัวแทน ในส่วน VIเราสรุปกระดาษของเรา และหารือเกี่ยวกับงานในอนาคตคำสั่งครั้งที่สองปัญหาอ.นามธรรมและอัตราส่วนให้บริการบทคัดย่อควรจะอธิบายในแง่ของการกำลังทำงานของสมาชิกของชุมชนบริการเช่น ความสามารถของ transducing ชุดของเข้าชุดของผลลัพธ์ที่ [1] . สอบถามความต้องระบุในเงื่อนไขของนามธรรมจะแมปกับบริการคอนกรีตถ้ามีการแข่งขัน มักจะมีการจัดรูปแบบข้อกำหนดแบบสอบถามเป็นค้นหาการบริการที่ใช้ป้อนข้อมูลที่กำหนด และสร้างโต๊ะผมบริการสมาชิกในชุมชนอากาศรหัสอินพุทเอาท์พุทs1 เมือง รัฐ ประเทศอากาศ gas_prices2 รหัสไปรษณีย์อากาศ gas_prices3 เมือง รัฐ ประเทศอากาศ map_urls4 geocode map_url, gas_stations5 รหัสไปรษณีย์อากาศผลผลิตที่กำหนด มีตัวอย่าง: ค้นหาการบริการที่ใช้อยู่เป็นข้อมูลป้อนเข้า และคืนค่าข้อมูลสภาพอากาศพร้อมกับบรรทัดนี้ เรากำหนดบริการเป็นนามธรรมเป็น:ข้อกำหนด II.1 ให้บริการบทคัดย่อ (หรือป้ายชื่อที่ทำงาน)เป็น l ไบนารี = {l.I, l.O }, ที่ l.I = { i1, i2,..., im } มีความป้อนข้อมูล และ l.O = { o1, o2,..., บน} เป็นผลลัพธ์ของการโดย l บริการบทคัดย่อของการบริการชุมชน cผู้ใช้สามารถเข้าใจแบบสอบถามชนิดใดน่าพอใจโดย c's บริการสมาชิก ที่อยู่ ที่มีการรายการข้อมูลใน l.I อินสแตนซ์ของ l สามารถสร้างข้อมูลทั้งหมดสินค้าใน l.O. ส่วนบริการใน c ที่สามารถวัดตอบสนองการสอบถาม เราต้องการการสนับสนุนของคอนกรีตบริการดังนี้ข้อกำหนด II.2 s บริการคอนกรีตกล่าวสนับสนุนการใส่ผม สามารถบุเป็นˆ s.I (I), ถ้า s.I ⊆ฉัน s กล่าวสนับสนุนO สามารถบุเป็น s.Oˆ (O), ถ้าออก s.O ⊇ O ว่า sสนับสนุน l บริการบทคัดย่อ สามารถบุเป็น sˆ(l) ถ้า s.I ˆ (l.I) และs.Oˆ (l.O)เรายึดนิยาม II.2 คำนวณอัตราส่วนการสนับสนุนบริการบทคัดย่อ (หรือป้ายชื่อที่ทำงาน) ดังนั้น ปล่อยให้S = {s1, s2,..., เซนต์} สามารถตั้งค่าบริการสมาชิกทั้งหมดในการบริการชุมชน การสนับสนุนอัตราส่วน σ(l) จะคำนวณเป็นดังนี้:Σ(l) = | {si|si ∈ S ∧ sˆ(l) } || S| (1)ตัวอย่าง II.1 สมมติว่า อากาศ com

ผลลัพธ์ (ไทย) 2:

การสร้างบริการบทคัดย่ออัตโนมัติจากบริการเว็บชุมชน
Xumin หลิว
กรมวิทยาการคอมพิวเตอร์
Rochester Institute of Technology
[e-mail]
หัวหินหลิว
ศูนย์วิจัยซีร็อกซ์
เว็บสเตอร์, นิวยอร์ก
[e-mail]
บทคัดย่อ-แนวคิดของการบริการที่เป็นนามธรรมได้รับการยอมรับอย่างกว้างขวาง
นำมาใช้ในการคำนวณบริการเพื่อระบุการทำงานของ
บางประเภทของบริการเว็บ มันมีความหมายผลประโยชน์ที่สำคัญ
งานการจัดการการบริการเช่นการให้บริการและการค้นพบ
องค์ประกอบเช่นงานเหล่านี้สามารถนำมาใช้เป็นครั้งแรกที่จะมีขนาดเล็ก
จำนวนของการบริการที่เป็นนามธรรมและแมปแล้วขนาดใหญ่
บริการที่เกิดขึ้นจริง แต่วิธีการที่จะสร้างบริการที่เป็นนามธรรม
ที่ไม่น่ารำคาญ วิธีการอย่างใดอย่างหนึ่งในปัจจุบันถือว่าการดำรงอยู่
ของการบริการที่เป็นนามธรรมหรือนำมาใช้ดำเนินการด้วยตนเองที่ต้องการ
การแทรกแซงของมนุษย์อย่างเข้มข้น เราเสนอวิธีการใหม่ในการ
อย่างเต็มที่โดยอัตโนมัติรุ่นของการบริการที่เป็นนามธรรมจากการให้บริการ
ชุมชนที่ประกอบด้วยชุดของบริการที่คล้ายกันตามหน้าที่.
ชุดของผลผู้สมัครที่ได้รับการค้นพบครั้งแรกขึ้นอยู่กับ prede-
อัตราส่วนการสนับสนุนปรับซึ่งกำหนดจำนวนขั้นต่ำของ
การบริการ ที่ผลิตเอาท์พุท จากนั้นปัจจัยการผลิตที่ตรงกัน
จะมีการระบุถึงรูปแบบการให้บริการที่เป็นนามธรรม เราเสนอชุด
ของการวิเคราะห์พฤติกรรมอย่างมีประสิทธิภาพตัดเป็นจำนวนมากของผู้สมัคร
บริการที่เป็นนามธรรม ศึกษาทดลองที่ครอบคลุมเกี่ยวกับ
โลกข้อมูลบริการเว็บจริงจะดำเนินการเพื่อแสดงให้เห็นถึง
ประสิทธิภาพและประสิทธิผลของวิธีการที่นำเสนอ.
คำเว็บบริการ บริการเว็บนามธรรม เว็บบริการ
ชุมชน
ครั้งที่หนึ่ง บทนำ
สถาปัตยกรรมเชิงบริการ (SOA) ให้มีความยืดหยุ่น
แพลตฟอร์มในการแก้ไขปัญหาการทำงานร่วมกันในขนาดใหญ่
และสภาพแวดล้อมต่างกัน [16] บริการเว็บได้รับการยกย่อง
เป็นเทคโนโลยีกระดูกสันหลังมีแนวโน้มมากที่สุดที่ช่วยให้
การสร้างแบบจำลองและการใช้งานของ SOA มีความสุขความสนใจที่ดี
และการยอมรับกว้างจากทั้งสถาบันการศึกษาและอุตสาหกรรม.
นี้ส่งผลในจำนวนมากและเพิ่มมากขึ้นของเว็บ
บริการที่มีอยู่บนเว็บ ซึ่งในด้านอื่น ๆ ที่
แนะนำปัญหาสำคัญของการค้นพบที่น่าพอใจ
บริการเว็บและการแต่งการบริการเพื่อให้ valueadded
บริการ การค้นพบรูปแบบการบริการมาตรฐานในปัจจุบัน
อาศัยอยู่กับ UDDI ซึ่งได้รับความเดือดร้อนจากสองรายใหญ่ของ
ข้อ จำกัด : ชุดรูปแบบการค้นพบคำหลักที่ใช้และค่อนข้าง
. ความคาดหวังสูงในการป้อนข้อมูลจากผู้ให้บริการ [14]
แนวคิดของการบริการที่เป็นนามธรรมได้รับการเสนอและ
นำมาใช้กันอย่างแพร่หลาย ในวรรณคดีเพื่อให้บริการการค้นพบ
และองค์ประกอบในแบบบนลงล่าง [6] บริการนามธรรม
ระบุการทำงานของบางประเภทของบริการ
เช่นบริการสภาพอากาศหรือแผนที่ มันสามารถแมปไปยังกลุ่ม
ของการบริการที่เกิดขึ้นจริงที่ให้การทำงานที่ระบุ.
หาบริการที่ต้องการสามารถเริ่มต้นที่ระบุตรงกับ
การบริการที่เป็นนามธรรมแล้วค้นหาในการให้บริการที่สอดคล้องกัน
ในกลุ่ม ดังนั้นทั้งประสิทธิภาพและความถูกต้องในการให้บริการ
การค้นพบที่คาดว่าจะได้รับการปรับปรุงให้ดีขึ้นผ่านการลด
ลงพื้นที่ค้นหา ที่คล้ายกันในการให้บริการการค้นพบ
องค์ประกอบบริการสามารถเริ่มต้นที่การออกแบบองค์ประกอบ
คีโดยการระบุบริการที่เป็นนามธรรมที่เหมาะสมและสร้าง
ขึ้นเวิร์กโฟลว์คีระดับ คีจะถูก instantiated
โดยการหาบริการที่เกิดขึ้นจริงสำหรับการให้บริการที่เป็นนามธรรม
และ orchestrate พวกเขา [4] ต่อไปนี้เหตุผลเดียวกัน
บริการนามธรรมยังอำนวยความสะดวกในกระบวนการของการจัดการกับ
การเปลี่ยนแปลงบ่อยในผู้ประกอบการที่มุ่งเน้นการให้บริการ [3], [9].
ในขณะที่การใช้งานของบริการที่เป็นนามธรรมอย่างมากถือ
สัญญา, วิธีการสร้างบริการที่เป็นนามธรรม poses ชุดของ
ความท้าทายที่สำคัญ . วิธีการที่มีอยู่มักจะนำมาใช้เป็นคู่มือ
ขั้นตอนในการสร้างบริการที่เป็นนามธรรมและสร้างการทำแผนที่
ของการบริการที่เป็นรูปธรรม กระบวนการเริ่มต้นด้วยการออกแบบ
ที่เป็นนามธรรมให้บริการขึ้นอยู่กับมุมมองของนักออกแบบในการให้บริการ
พื้นที่และความต้องการของผู้ใช้แบบสอบถาม ที่จะมีความสมบูรณ์และมี
มุมมองที่ครอบคลุมพื้นที่การให้บริการออกแบบต้อง
ด้วยตนเองผ่านทุกรายละเอียดการให้บริการซึ่งเป็น
เวลานานและผิดพลาดง่าย นี้เป็นเพียงไปไม่ได้
สำหรับจำนวนมากของการบริการเว็บ นอกจากนี้นักออกแบบ
จะต้องระบุการทำแผนที่ด้วยตนเองระหว่าง
บริการนามธรรมและการบริการที่เป็นรูปธรรมที่สอดคล้องกัน.
ทางเลือกคือการขอให้ผู้ให้บริการของพวกเขาที่จะเชื่อมโยง
การให้บริการของการบริการที่เป็นนามธรรมเมื่อได้ให้บริการเผยแพร่ นี้
เป็น แต่ทำไม่ได้พิจารณาตนเองและ
ธรรมชาติที่เป็นอิสระของผู้ให้บริการ.
แรงบันดาลใจจากที่มีอยู่วิธีการเรียนรู้ของชุมชนบริการเว็บ
อัตโนมัติกระบวนการในการสร้างบริการที่เป็นนามธรรม
และการทำแผนที่ของพวกเขาเพื่อการบริการที่เป็นรูปธรรมสามารถทำได้
โดยทำตามขั้นตอนที่สอง (1) สร้าง ฟังก์ชันการทำงานพื้นฐานของ
องค์กรให้บริการไปยังกลุ่มด้วยกันบริการให้
ฟังก์ชันการทำงานที่คล้ายกันคือการสร้างชุมชนให้บริการ; (2)
สารสกัดจากคุณสมบัติการทำงานร่วมกันในการให้บริการที่อยู่ในการบริการ
ชุมชนในการอธิบายถึงการให้บริการที่เป็นนามธรรม ที่มีอยู่บนเว็บ
วิธีการเรียนรู้ของชุมชนบริการสามารถ leveraged
บูตบริการชุมชน [17], [7] [8] [13] [5].
วิธีการเหล่านี้คำนวณความคล้ายคลึงกันระหว่าง WSDL
รายละเอียดโดยใช้ประโยชน์จากเทคนิคการดึงข้อมูล
(เช่น TF / IDF) แบบบริการเว็บแต่ละเวกเตอร์ของ
ข้อกำหนด จากนั้นพวกเขาใช้ขั้นตอนวิธีการจัดกลุ่มข้อมูลในการสร้าง
ชุมชนให้บริการขึ้นอยู่กับความคล้ายคลึงกันบริการ เหล่านี้
แตกต่างกันการทำงานส่วนใหญ่ในการก่อสร้างของเวกเตอร์คำว่า
IEEE 2012 ที่ 19 การประชุมระหว่างประเทศเกี่ยวกับบริการเว็บ
978-0-7695-4752-7 / 12 $ 26.00 © 2012 IEEE
ดอย 10.1109 / ICWS.2012.41
154
การคำนวณของตัวชี้วัดความคล้ายคลึงกันและการจัดกลุ่ม อัลกอริทึม
(เช่น QT, k-หมายถึง SVD และ SS-BVD) อย่างไรก็ตาม
การทำงานเหล่านี้เพียง แต่สร้างแมประหว่างการบริการ
ชุมชนและบริการสมาชิกและขาดปลายทางเพียงพอที่
รายละเอียดของการทำงานของบริการสมาชิก
เช่นการให้บริการที่เป็นนามธรรม เพียงแค่ใช้ centroids กลุ่มหรือ
แง่ตัวแทนป้ายบริการชุมชนจะอยู่ห่างไกล
จากการเป็นที่เพียงพอ ครั้งแรกที่ป้ายดังกล่าวไม่สามารถจับภาพได้อย่างแม่นยำ
การทำงานของบริการสมาชิก ผู้ใช้ยังคงต้อง
ไปผ่านคำอธิบายของบริการเพื่อตรวจสอบว่า
การให้บริการให้การทำงานที่ต้องการ ประการที่สองก็จะ
ไม่รับประกันว่าฉลากมีความคุ้มครองสูงของสมาชิกใน
การทำงานบริการ.
เพื่อแก้ไขปัญหาเหล่านี้เราเสนอนามธรรมอัตโนมัติ
บริการกระบวนการผลิตที่จะดึงคุณสมบัติการทำงาน
ของบริการสมาชิกชุมชนบริการ เป็นไปได้ทั้งหมด
บริการนามธรรมจะถูกสร้างขึ้นมาให้มีความ
คุ้มครอง จำนวนของการบริการที่ยกตัวอย่างที่เป็นรูปธรรม
นามธรรมบริการไม่น้อยกว่าเกณฑ์ที่กำหนดไว้ล่วงหน้าใน
การสั่งซื้อที่จะรับประกันความแม่นยำ ในส่วนที่เหลือของ
กระดาษที่เราใช้บริการนามธรรมและฉลากการทำงานใน
ลักษณะแลกเปลี่ยน เราใช้ประโยชน์จากการเชื่อมโยงการทำเหมืองแร่การปกครอง
ได้อย่างมีประสิทธิภาพเทคนิคในการสร้างและตัดผู้สมัคร
บริการนามธรรม [2] เราเริ่มต้นด้วยการหาการส่งออกที่เป็นไปได้
ของการบริการที่เป็นนามธรรมโดยการตรวจสอบว่ามีมากพอที่
จำนวนของการบริการสร้างเอาท์พุท สำหรับการส่งออกในแต่ละ
เป็นเช่นนี้เราระบุการป้อนข้อมูลที่เป็นไปได้ทั้งหมดและตรวจสอบว่า
มีผู้ให้บริการจำนวนเพียงพอจากผลในครั้งแรก
ที่ใช้ขั้นตอนการป้อนข้อมูลที่ได้รับ การทำแผนที่ระหว่าง
บริการที่เป็นนามธรรมและบริการที่สมาชิกจะถูกสร้างขึ้น
ในระหว่างกระบวนการ เราใช้ชุดของการวิเคราะห์พฤติกรรมในการปรับปรุง
ประสิทธิภาพและความยืดหยุ่นของกระบวนการ.
ที่เหลือของบทความนี้มีการจัดระเบียบดังต่อไปนี้ ใน
ส่วนที่สองเราอย่างเป็นทางการกำหนดนามธรรมและบริการของ
อัตราส่วนการสนับสนุน จากนั้นเราจะนำเสนอรุ่นบริการนามธรรม
ปัญหาที่เราอยู่ ในส่วนที่สามเราเสนอ
กระบวนการในการสร้างบริการที่เป็นนามธรรมจากการให้บริการ
ชุมชน ป้ายกำกับการทำงานที่เป็นไปได้มีระบุใน
วิธีแก้ปัญหา เราใช้บิตแมปได้อย่างมีประสิทธิภาพตรวจสอบแต่ละ
อัตราส่วนการสนับสนุนป้าย ในส่วนที่สี่เรานำเสนอที่ครอบคลุม
การศึกษาการทดลองแสดงให้เห็นถึงความมีประสิทธิผล
และประสิทธิภาพของขั้นตอนวิธีการที่นำเสนอ ในส่วนวี
เราจะหารืองานที่เกี่ยวข้องบางตัวแทน ในส่วนที่หก
เราสรุปกระดาษของเราและหารือเกี่ยวกับการทำงานในอนาคต.
ครั้งที่สอง ปัญหางบ
ก บทคัดย่อบริการและการสนับสนุนอัตราการ
บริการที่เป็นนามธรรมควรจะอธิบายในแง่ของ
ความสามารถในการทำงานของบริการสมาชิกของชุมชนให้บริการ
คือความสามารถของ transducing ชุดเข้ากับ
ชุดของการส่งออก [1] แบบสอบถามที่ระบุความต้องการในแง่
ของการให้บริการที่เป็นนามธรรมจะถูกแมปของการบริการที่เป็นรูปธรรมถ้า
มีการแข่งขัน ต้องการแบบสอบถามมีรูปแบบมักจะเป็น
มองหาบริการที่ใช้เวลาการป้อนข้อมูลที่ได้รับและสร้าง
ตาราง
บริการสมาชิกในสภาพอากาศที่ชุมชน
ID อินพุตเอาต์พุต
เมือง s1 รัฐสภาพอากาศที่ประเทศ gas_price
สภาพอากาศรหัสไปรษณีย์ s2, gas_price
เมือง s3 รัฐสภาพอากาศที่ประเทศ map_url
s4 geocode map_url, gas_station
s5 รหัสไปรษณีย์สภาพอากาศที่
ส่งออกได้รับ ตัวอย่างจะเป็น: หาบริการที่
ใช้อยู่เป็น input และส่งกลับข้อมูลสภาพอากาศ.
พร้อมกับสายนี้เรากำหนดบริการที่เป็นนามธรรมเช่น
ความละเอียด II.1 บริการนามธรรม (หรือฉลากทำงาน)
เป็นลิตรไบนารี = {li ดูเถิด} ที่ Li = {i1, i2, ... , im} เป็นของ
การป้อนข้อมูลและแท้จริง = {o1, o2, ... , บน} เป็นเอาท์พุท.
ผ่านการบริการที่เป็นนามธรรมลิตรบริการชุมชนค ,
ผู้ใช้สามารถเข้าใจสิ่งที่ประเภทของคำสั่งสามารถพอใจ
โดยการให้บริการสมาชิกของค นั่นคือการให้กับ
รายการข้อมูลในลี่กรณีของลิตรสามารถสร้างข้อมูลทั้งหมดที่
รายการใน lO การวัดส่วนหนึ่งของการบริการในคที่สามารถ
ตอบสนองการสอบถามเราก่อนกำหนดการสนับสนุนของคอนกรีต
บริการดังต่อไปนี้
นิยาม II.2 บริการของคอนกรีตมีการกล่าวถึงการสนับสนุน
การป้อนข้อมูลที่ผมแสดงเป็น sI (I) ถ้า sI ⊆ฉัน; s มีการกล่าวถึงการสนับสนุน
O ออกแสดงเป็น s.O (O) ถ้าเป็นเช่นนั้น⊇ O; s มีการกล่าวถึง
การสนับสนุนการบริการที่เป็นนามธรรมลิตรแสดงเป็นวินาที (ลิตร) ถ้า sI (Li) และ
s.O (lO).
จากนิยาม II.2 เราคำนวณอัตราส่วนการสนับสนุน
ของการบริการที่เป็นนามธรรม (หรือการทำงาน ฉลาก) ดังต่อไปนี้ ให้
S = {s1, s2, ... , เซนต์} เป็นชุดของบริการสมาชิกใน
ชุมชนของบริการ การสนับสนุนอัตราส่วนσ (ลิตร) จะถูกคำนวณเป็น
ดังนี้
σ (ลิตร) = | {si | si ∈ S ∧ s (ลิตร)} |
| S | (1)
ตัวอย่าง II.1 สมมติว่าสภาพอากาศที่ดอทคอม

ผลลัพธ์ (ไทย) 3:

บทคัดย่ออัตโนมัติบริการรุ่นจากเว็บบริการชุมชน
xumin หลิว

ภาควิชาวิทยาการคอมพิวเตอร์ สถาบันเทคโนโลยีโรเชสเตอร์
XL @ CS rit . edu
หัวหลิว

ศูนย์วิจัยซีร็อกซ์ เว็บสเตอร์ , นิวยอร์ก
หัว หลิว @ ซีร็อกซ์ . com
นามธรรมแนวคิดของการบริการที่เป็นนามธรรมได้รับอย่างกว้างขวางใช้ในการคำนวณ
บริการ ระบุการทำงานของ
บางชนิดของบริการเว็บ มันมีคุณประโยชน์
การจัดการงานบริการ เช่น การค้นพบและ
ส่วนประกอบบริการ เช่น งานเหล่านี้สามารถก่อน ใช้ไปนิดเดียว
บริการบทคัดย่อและแมปไปยัง
ขนาดใหญ่ที่แท้จริงบริการ อย่างไรก็ตาม วิธีการสร้างบริการบทคัดย่อ
ไม่ไร้สาระ แนวทางปัจจุบันให้ถือว่าการดำรงอยู่
บริการบทคัดย่อหรือใช้คู่มือกระบวนการที่ความต้องการ
การแทรกแซงของมนุษย์ที่เข้มข้นเรานำเสนอแนวคิดใหม่

ได้อย่างเต็มที่โดยอัตโนมัติรุ่นของบริการบทคัดย่อจากบริการ
ชุมชนที่ประกอบด้วยชุดของบริการที่คล้ายกัน functionally
ชุดของผู้สมัครเอาต์พุตจะถูกค้นพบครั้งแรกโดย prede -
ปรับสนับสนุนอัตราส่วนที่กำหนดจำนวนขั้นต่ำของ
บริการผลิตเอาท์พุท แล้วที่กระผม
ระบุรูปแบบการบริการนามธรรมเราขอเสนอชุด
ของฮิวริสติกอย่างมีประสิทธิภาพพรุนเป็นจำนวนมากของผู้สมัครบริการนามธรรม

ที่ครอบคลุมการศึกษาทดลอง
ข้อมูลบริการเว็บโลกจริง มีวัตถุประสงค์เพื่อแสดงให้เห็นถึง
และประสิทธิภาพของวิธีการที่เสนอ บริการเว็บ
คำหลัก ; บริการเว็บนามธรรม บริการเว็บ


ผมแนะนำชุมชน มุ่งเน้นการให้บริการสถาปัตยกรรม ( SOA ) มีความยืดหยุ่น
แพลตฟอร์มเพื่อแก้ไขปัญหาร่วมกันใน
ขนาดใหญ่และสภาพแวดล้อมที่แตกต่างกัน [ 16 ] เว็บบริการถือว่าเป็นแนวโน้มมากที่สุด

แบบกระดูกสันหลังเทคโนโลยีที่ช่วยให้การใช้งานของ SOA และมีความสุข
สนใจมากและกว้างยอมรับทั้งจากสถาบันการศึกษาและอุตสาหกรรม .
นี้ผลลัพธ์ในจํานวนมากและเพิ่มมากขึ้นของบริการเว็บ
ที่มีอยู่บนเว็บ ซึ่ง