一种 web 服务关联图的构造方法

一种 Web服务关联图的构造方法

覃事刚 1 ，刘建勋 2 ，秦祖泽 1

1. 湖南电气职业技术学院汽车工程系 1, 湖南湘潭 411101;

2. 湖南科技大学知识处理与网络化制造湖南省普通高等学校重点实验室 2 ，湖南湘潭 411201

覃事刚湘潭大学

Web 服务关联语义索引的构建理论与实现方法的研究

提纲

本文结论

问题提出

论文思路

相关算法



问题提出



问题提出

很多 Web 服务之间存在联系

买入买入卖出卖出 B

C

A

B

C

Web Service1 Web Service2



问题提出

A4 A1A1

A4 A1 A4 A1 A2A1 A1A1 A1B3 A1A4 A1

A1A4 A1 A4 A1 A2A1 A1A1 A1B3 A1

B3

A1

A2A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

B3

A1

A1

B3

A1A4 A1 A2

A1

B3

A1A4 A2

A1

B3 A1A4 A1 A2

B3 A1A1

B3

A1A4 A1 A2

A1

B3

A1A4 A1

A2A1

B3 A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A1A4 A1

A1A4 A1 A2B3

A1A4

A1A2A1

B3

A1

A4A1 A2

A1

B3

A1A4 A1 A2

B3A1

A4 A1 A2A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A4

A4

A1

A4 A1

A1 A4 A1 A2

B3

A1A4 A1

A2

A1

B3

A1

A4

A1

A2B3

A1

A4 A1 A2A1

A4

A1

A4 A1

A1A4 A1 A2

A1

A1

A4 A1 A2A1

A1A4

A1

B3A1

A1A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A1 A2

A1

A4 A2A4 A2A2

A1

A1

B3

A1A4 A1 A2

A1

B3

A1

A2A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

B3

A1

A1

B3

A1A4 A1 A2

A1

B3

A1A4 A2

A1

B3 A1A4 A1 A2

B3 A1A1

B3

A1A4 A1 A2

A1

B3

A1A4 A1

A2A1

B3 A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A1A4 A1

A1A4 A1 A2B3

A1A4

A1A2A1

B3

A1

A4A1 A2

A1

B3

A1A4 A1 A2

B3A1

A4 A1 A2A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A4

A4

A1

A4 A1

A1 A4 A1 A2

B3

A1A4 A1

A2

A1

B3

A1

A4

A1

A2B3

A1

A4 A1 A2A1

A4

A1

A4 A1

A1A4 A1 A2

A1

A1

A4 A1 A2A1

A1A4

A1

B3A1

A1A1

B3

A1A4 A1 A2

A1B3

A1A4 A1 A2

A1

A1 A2

A1

A4 A2A4 A2A2

A1

A1

B3

A1A4 A1 A2

A1

A1 A

1 B1

A1

C1

C1

A1

B1

D

B1

A1

C1

A1

A2A4 C1

A3

互联网上的 Web 服务

Web Services Implicit

Relationship Graph, WSIRG



挑战

如何搜集互联网上的 Web 服务

如何挖掘出这些 Web 服务中存在的调用关系( 本论文解决的主要问

题 )



提纲

本文结论

问题提出

论文思路

相关算法



论文思路

一个 Web 服务是一个三元组 ws(N,Im,Om) ，其中 N 是服务名， Im 是该服务的所有操作（ Operation ）的输入消息（ input message ）集合{ imsg1,imsg2,…,imsgm } ， Om 是所有操作的输出消息（ output message ）集合 { omsg1, omsg2,…,omsgm } 。

给定一个 Web 服务集 U ＝ <W, M, > 。其中 W 表示服务名称的集合{ws1,ws2,ws3,ws4, ws5 ，…… } ， M 表示 W 中的所有 Web 服务对应的消息的集合 {m1,m2,m3,m4,m5 ，…… } ，为 W 中元素与 M 中元素的对应关系，若存在 <ws,m> 且 r<ws,m>=1 ，则 m 是 ws 的输入消息；若存在边<ws,m> 且 r<ws,m>=-1 ，则 m 是 ws 输出（返回）消息；若不存在边<ws,m> 且 r<ws,m>=0 ，则 m 不是 ws 的消息（ message ）。



论文思路给定一个 Web 服务集 U={ws1,ws2,ws3,ws4,ws5} ，该集合 U 对应的消息

集合 MSGset= inMSGset outMSGset ={m1,m2,m3,m4,m5} ，其 Web 服务与消息之间的分配关系如图所示

ws5ws1 ws2 ws3 ws4

m1 m2 m3 m4 m5

返回消息集outputMSGset

m1 m2 m3 m4 m5输入消息集inputMSGset

Web服务集U

ws5ws1 ws2 ws3 ws4 ws5ws1 ws2 ws3 ws4

m1 m2 m3 m4 m5


m1 m2 m3 m4 m5m1 m2 m3 m4 m5



m1 m2 m3 m4 m5m1 m2 m3 m4 m5输入消息集inputMSGset

Web服务集U

ws5ws1 ws2 ws3 ws4


Web服务集U




Web服务集U

ws5ws1 ws2 ws3 ws4

m1 m2 m3 m4 m5


Web服务集U


m1 m2 m3 m4 m5


m1 m2 m3 m4 m5m1 m2 m3 m4 m5


Web服务集U

这样做具有下优点： i) 可以建立 Web 服务集与输入 / 输出消息集之间的二元关系 , 用以揭示 Web 服务间的潜在调用关系； ii) 可以可视化的方式直观的表达这种调用关系。

iF （ W， M ，

i ）

iF （ W， M ，

i ）

oF （ W， M ，

o ）

oF （ W， M ，

o ）

iP({ws3,ws4},{m1,m3})

oP({ws2},{m1,m2,m3})

AiPBiPBPoAPoiPPo .,..,.

||

1

||

1

)(Fo

n

Fi

mmn iPPoFiFoGws

Gws

将给定的 Web 服务集 U=<W,M, > 分解为两个二元组： Ui=<W,M, i> 和Uo=<W,M, o> 。其中 , Ui 表示 Web 服务集与输入消息之间的二元关系，

Uo 表示 Web 服务集与输出消息之间的二元关系；



提纲

本文结论

问题提出

论文思路

相关算法



相关算法——子项集 F 构造算法及分析

ws5ws1 ws2 ws3 ws4


Web服务集U




Web服务集U

子项 :iP1({m1,m2,m3},{ws4}) ， iP2({m3,m5},{ws1}) ， iP3({m2,m4},{ws5}) ， iP4({m1,m3},{ws3,ws4}) ， iP5({m1,m2},{ws2,ws4}) ， iP6({m1},{ws2,ws3,ws4}) ， iP7({m2},{ws2,ws4,ws5}) ， iP8({m3},{ws1,ws3,ws4})

ws1 ws3 ws4

m3

ws4

m1 m2 m3

ws5

m2 m4

ws1 ws3 ws4

m3

ws5ws2 ws4

m2

ws3 ws4

m1 m3

ws2 ws4

m1 m2

ws2 ws3 ws4

m1

在给定Web服务与消息二元关系上的子项集 F的构建

P1 P2 （公式 9 ）=( A1, B1) (A2, B2)=( A1 A2, B1 B2)=P3 (A3, B3) ( 服务集扩展运算，其中 P3 U 且满足 f(A3)=B3) P1P2 （公式 10 ）=( A1, B1) (A2, B2)=( A1, A2, B1 B2)= P3 (A3, B3)( 消息集扩展运算，其中 P3 U 且满足 k(B3)= A3)



相关算法——子项集 F 构造算法及分析其基本思想是：在已

存在的分组集合中，对所有的分组两两做服务对象集扩展运算或是消息集扩展运算，生成新的分组并添加到分组集合续继参与相应的扩展运算，直到所有分组均满足f(A)=B 的条件时结束。其中，初始分组集={({w1},f({w2})),({w1},f({w2})),……, ({w|W|},f({w|

W|}))} 。



相关算法——子项集 F 构造算法及分析

在如图 5所示的函数 ConstructF中，初始集合中的元素个数 ||=|W|=n，对任意一子项 (Ai,Bi)，满足 |Ai|=1 ， |Bi|=|B|-1,即任意的两个 ei，其相对应 Bi集合中，有且只有 |Bi|-1个消息元素msg Bi相同，此时该算法的时间复杂度处于最坏情况。那么，把某个 (A0,B0) 且 |A0|=1扩展成 (A’,B’) 且 |A’|=|A|-1需要执行f(n-1)时间，依次对每个 ei进行扩展的总的执行的时间为 f(n(n-1))时间，因此该算法的时间复杂度为： O(f(n(n-1))=O(n2)。



相关算法—— WSIRG 的构造算法及分析

在这个算法中，函数执行时间由三部分组成：构造输入子项集时间、构造输出子项集时间和 Fo×Fi所用时间。构造输入 /输出子项集时间已经知道均为O(n2) ，而 Fo×Fi 执行时间取决于 |Fi| 和 |Fo|，在最坏的情况下，有 |Fo|=| W*| 和 |Fi|=| W*| ，假设 | W |=n ， | W*|=n(n+1)/2 ，则有Fo×Fi 执行时间 = [n(n+1)/2]*[ n(n+1)/2]，因此该算法的时间复杂度为： O(n4)。



提纲

试验分析

问题提出

论文思路

相关算法



试验 ( 一 )

可以看出，在服务总数比较小的两种逻辑结构的构建时间几乎差不多，但随着服务总数的增多，WSIRG的构建时间明显小于WSG的时间 ,体现了新方法的优势。



试验 ( 二 )

基于 WSG 的服务发现方法和基于WSIRG 的服务方法的服务发现时间的对比结果如图所示。可看出，基于 WSIRG的服务发现响应时间相对较少，并随着服务总数越来越多，服务发现的速度相对越来越快，优势明显。



结果分析

从以上的实验结果可以看出，新方法存在以下优势： WSIRG 与基于断言关系的 WSG 的构建方法相比， WSIRG 优势比较明显，这主要是在 WSIRG 的顶点不是单个的 Web 服务，而是同类的 Web 服务集，在构造 WSIRG 时，先对给定的 Web 服务集进行分类划分为不同的顶点集，然后再构造成 WSIRG ，虽然，在理论上 WSIRG 的构造算法在最坏情况下的复杂度为 O(n4) ，但在实际情况中几乎不可能出现或是接近最坏情况，实验证明亦是如此，因此，对给定的 Web 服务集，其 WSIRG 的顶点数远少于 WSG 的顶点数，所以，在服务发现响应的时间上基于WSIRG 的服务发现也占有很大的优势，随着服务数量越多，优势越明显。同时，也发现基于 WSIRG 的服务发现实验过程中，返回的结果比较多，包含的输入 / 输出消息等参数信息比较的明确，能很好的为服务组合提供数据参考。



本文小结

为了完成 Web 服务间自适应调用关联的问题，从服务间的逻辑调用关系出发，提出一种 Web 服务隐式逻辑关联图的构造方法。在该方法中， Web 服务被简化为三元组，给定的 Web 服务集对应的三元关系集可分解为两个简单的二元关系：输出子项集和输入子项集，服务链是输出子项集和输入子项集连接运算的结果，构成 Web 服务关联图的边。本文并给出了子项集的构造算法和 Web服务关联图的构造算法，并进行了相关实验。

实验结果证明WSIRG构造方法是可行的，并且，在WSIRG中进行服务发现，有利于提高服务发现效率。



谢谢！欢迎各位专家批评指正！

一种 web 服务关联图的构造方法

Documents