[关键词]本体论 个性化服务 书目推送 高校图书馆
[分类号]G250
随着信息化时代的到来，人们对信息的实效性要求越来越高，高校图书馆如何不断地改进服务质量，更好地服务广大师生已成为一个紧迫课题。而如何及时主动地为广大师生提供个性化书目推送服务正是其中的要求之一。主动推送的书目信息必须符合用户需求，需要根据用户对馆藏书目检索和图书馆网络的使用情况，收集用户行为数据进行分析，从而挖掘出用户的潜在需求，再相对应地制定推送策略，为广大师生提供个性化的书目信息推送服务。这种个性化的书目推送服务，体现了阮冈纳赞提出的“图书馆五法则”中“每本书有其读者”，“节省读者的时间”这两条原则。
目前，针对本体论的研究是图书情报领域的研究热点，无论是领域本体论的构建还是个性化信息服务中基于本体论的用户兴趣模型的构建，都有很多研究成果报道，而关于书目信息推送服务，虽然也有较多的研究成果，如利用RSS信息聚合技术来实现图书信息推送服务，利用邮件及手机短信进行书目信息推送服务等，但利用本体论技术进行个性化书目信息推送服务的研究，还鲜有相关报道。本体论作为一种新的知识表示方式，由于具有良好的概念层次结构和对逻辑推理的支持，因而在实现个性化的书目信息推送服务中具有很好的应用前景。本文拟对此进行相关研究，为高校图书馆实现个性化书目信息推送服务提供参考。
1、高校图书馆个性化书目信息推送服务
高校图书馆个性化信息服务，是指针对不同的用户(学生或教师)，根据其个人信息，采取不同的服务策略，提供不同的服务内容来满足其对信息的不同需求。开展个性化的书目信息推送服务，就是在个性化书目信息推送系统的环境下，根据用户的特征提供用户需要的具有针对性的信息，同时通过对用户专业特征、研究兴趣的智能分析而主动地向用户推荐其可能需要的书目信息，以满足用户信息需求多元化的需要，提高图书馆的服务质量和服务层次。
高校图书馆提供的个性化书目信息推送服务有其自身的特点：①服务对象明确、层次分明。高校图书馆主要服务对象是高校的教学科研人员、行政管理人员和学生，就每类服务对象而言，又可再进行细分。比如：教师可分为教授、副教授、讲师、助教等，学生可分为博士研究生、硕士研究生、本科生等，这就要求高校图书馆根据各类对象对信息资源需求的侧重点不同而提供个性化书目信息推送服务。②服务对象知识化突出、专业化明显。高校师生是高校图书馆的主要服务对象，他们具有较高的文化水平，对专业知识的掌握比较深入，因而对信息服务的质量要求比较高，对书目信息的需求主要集中在相关专业及邻近专业上。因此，必须针对不同服务对象的不同特点提供书目信息推送，才能充分发挥个性化书目信息推送服务的重要作用。
2、书目信息及用户信息本体论库
为了实现基于本体论的个性化书目信息推送服务，建立一个能全面准确表达书目资源信息以及用户信息的本体论库是关键所在。该本体论库不但能全面准确地描绘出书目资源以及用户特征的标志信息，而且可以清晰地建立起书目资源之间、用户之间以及书目资源与用户之间的各种联系，这也正是基于本体论的个性化书目信息推送系统的优势所在。本体库设计如图1所示：
从图1可知，本体论库中至少要包括书目信息资源类、读者特征类和知识库类等3个类目。书目信息资源类的属性包括资源的标题、作者、相关知识以及相关读者等，其中相关知识的属性值域指向知识库类，可以建立起书目资源实例与知识库定知识领域实例的隶属关系；相关读者属性值域为读者特征类，可以建立起特定资源与该资源的目标读者之间的关联。读者特征类的属性包括读者类型、专业方向、学位学历、兴趣爱好以及关联读者，其中专业属性与兴趣属性，其值域指向知识库类的实例，以建立起用户与知识库领域实体的一对一或一对多关系。知识库类则以某个知识领域通用的概念为描述对象，建立并描述这些概念之间的关系。
3、基于本体论的用户兴趣模型
基于本体论的用户兴趣模型可以借助于书目信息本体论以及用户的个人信息资料来构建，其中的每一个概念都被赋予一个初始值为0的概念兴趣相关度。随着用户检索图书馆书目系统以及办理借阅次数的不断增加，通过对用户兴趣相关领域概念的提取以及对概念兴趣相关度的计算，不断在用户兴趣模型中累加此概念的兴趣相关度权重，这样经过一段时间，用户兴趣模型中概念兴趣相关度非零的概念节点逐渐趋于稳定，即用户兴趣模型逐渐收敛。其中概念兴趣相关度权重越高的概念表明其与用户的兴趣越相关。
3.1 用户兴趣的获取
目前各个图书馆的流通管理系统数据库中都积累了大量的读者借阅历史数据以及读者在办理借书证时留下的大量个人信息资料，利用这些信息我们可以挖掘出用户对图书资源的借阅偏好模式以及用户潜在的需求，获取用户的兴趣所在。
・根据用户个人信息进行聚类。虽然每个用户都有其个性化需求，但是在一定条件下，他们的需求会有相似性，因此可以收集用户公开的所有个人信息，将相同属性的用户聚类。例如：相同专业年级的学生对某些课程科目的信息需求是类似的，在馆藏书目系统中，他们也许就使用过同一个主题词进行检索。同一属性类的用户中，某一用户感兴趣的书目，另一用户也有可能感兴趣。
・根据用户检索数据进行分析。用户在使用书目查询系统时输入的检索记录，反映了用户感兴趣的书目信息，我们可以通过分析用户输入的检索词，包括题名、责任者、主题词以及分类号等，来获取用户的兴趣概念；在这个过程中，对于用户输入的责任者、主题词等检索项，可以直接提取作为用户的兴趣概念；对于用户输入的题名，则要先通过分词等技术抽取出能代表该书目内容的特征词语，然后把这些特征词语与领域本体论中的概念进行匹配，实现从特征词语到概念词语的转换，从而获取用户的兴趣概念；对于用户输入的分类号，要先把分类号转换成相应的类目概念作为用户兴趣概念。
・根据用户访问日志进行挖掘。图书馆网站的Web服务器积累了大量的用户访问数据，这些数据是用户真实意图和动机在行为上的表现。通过Web日志文件，我们可以获取用户的访问页面以及用户在每页停留的时间等数据。对这些数据进行分析，用户浏览页面上可能含有用户所寻找的信息，进一步挖掘用户的隐性需求。
3.2 概念兴趣相关度的获取
影响用户的概念兴趣相关度的主要因素有：①用户借阅某本书的时间Length。对于某本书，用户借阅时间越长，则表明用户对该书兴趣越大；②用户借阅或检索某本书距离现在的时间PassedTime。很明显，用户很久以前借阅的某本书和刚刚借阅的相比，后者用户更感兴趣；③用户的直接反馈Evaluation。用户对推送书目的评价最能反映用户对该书的兴趣程度。
考虑以上几个因素，用户借阅或检索某本书后，对该书所对应概念的兴趣度变化AI，可以参考如下的计算公式：
I＝W1*f1(Time，Length)＋W2*f2(PasssedT-ime)＋W3*f3(Evaluation)
(1)
其中，f1、f2、f3为三个函数，分别用于计算上述三个因素对该书目对应概念的兴趣相关度的影响。w1、w2、w3分别为这三个因素在影响概念的兴趣相关度变化量中所占的权重。
4、一种基于本体论的书目信息推送系统模型
该模型主要由以下几个部分组成：用户界面、书目信息推送模块、本体论服务器(包括用户兴趣模型、书目信息本体论库)、书目信息分析模块、书目信息数据库、个性化书目信息索引库等。
4.1 用户界面
用户界面在系统中的主要作用表现为：
・建立用户个人档案。当用户首次登录时，用户界面要求用户通过注册建立起自己的个人档案，内容涉及用户身份、知识背景、兴趣领域等方面的内容。用户档案的建立可以使系统构建初始的用户兴趣模型。
・选择推送模式。主页推送、邮件推送或手机短信方式。
・对用户行为进行动态监测。对用户行为的动态监测可以包括：用户借阅某本书的时间、用户借阅或检索某本书距离现在的时间、用户对推荐书目的评价等。用户界面通过以上对用户行为的监测分析，将结果反馈到用户偏好本体论库中，使用户的下一次查询能够得到更优化的结果。
・获取用户反馈信息。用户界面建立了用户对推送书目信息的评价机制，鼓励用户对推送书目信息给出量化的评价值，该值通过某种计算后，用于更新用户兴趣模型的内容，并据此对个性化书目信息索引库中的内容进行调整。
4.2 书目信息本体论库
书目信息本体论库在系统中的作用主要包括：
・利用书目信息本体论对书目信息进行语义标引。对于书目信息库中的每一条信息，书目信息分析模块首先提取其中的特征词，然后可以在书目信息本体论的协助下，将其转换为本体论中的概念词，并与具体的每一条书目信息建立映射关系，从而实现对书目信息的语义标引。
・利用书目信息本体论构建用户兴趣模型。利用本体论库构建的用户兴趣模型，不仅包含了用户的兴趣概念，还包含了用户兴趣概念之间的各种关联，这样系统可以在用户兴趣概念之间进行推理，挖掘出用户潜在的兴趣概念。另外，当用户对某一兴趣概念的概念兴趣相关度发生变化时，系统可以对与其相关联的兴趣概念的概念兴趣相关度做出相应的调整，从而使用户的兴趣模型更准确地反映用户的实际情况。
4.3 用户兴趣模型
在使用推荐系统时，比较突出的一个问题是客户信息的获取，然而在本系统中，由于高校图书馆书目推荐系统用户和使用环境的特殊性，系统可以方便地得到较为真实的用户偏好、个人信息等，使这一问题得到较好地解决。读者信息主要包括：①读者的基本个人信息，如所在院系、身份信息(教师还是学生)、职称信息、学生类别等。这些信息不需要读者自己输入，可以从学校管理信息系统获得；②读者的显／隐性输入信息，如读者输入关键字、书名、文献特征、读者的浏览记录等；③读者的历史借阅记录数据；④读者借阅过某些文献所给出的评价。
由于用户的兴趣知识属于一种隐性知识和动态知识，很难对其进行直接或明确的说明，因此用户偏好本体论库的构建也不可能是一劳永逸的，而是要通过系统对用户兴趣的动态追踪，不断深入挖掘，并在此基础上对用户兴趣模型的内容进行不断修正，才能比较准确地反映用户的兴趣偏好。
4.4 书目信息推送模块
书目信息推送可以基于以下三种方法：
・基于相关性书目信息的推送：推送系统根据用户感兴趣的书目信息来推送其它相关的书目信息，这种方式需要了解客户当前选择的书目信息。例如某位读者选择借阅了有关“电子商务”的书籍，推送系统就可以向其推荐其它关于“电子商务”图书的书目信息。
・基于相关性用户的推送：推送系统根据目前用户与其他已经借阅了某图书的其他用户之间的相关性进行推送。例如推送系统可以对某计算机学院的读者推送与其相类似(相同爱好、研究方向等)的其他读者借阅查看的资料。
・基于用户专业及兴趣的推送：推送系统可以根据某读者的历史借阅数据以及用户的专业、研究方向等，获得读者潜在知识需求，对读者进行书目信息推送。
推送的形式可以根据用户的不同情况，由用户选择以下三种方式中的一种：
・用户登陆图书馆网站查询时自动弹出推送书目信息。
・通过E-mail发送到用户邮箱。
・通过短信发送到用户的手机。
由于本体论具有良好的逻辑推理功能，因此，书目信息推送模块能够借助本体论从语义层面根据读者特征信息、资源特征信息和知识库信息，自动推理出与读者所从事专业、阅读兴趣等相匹配的书目信息资源。针对高校的特点，每个读者的特征类包含了关联读者属性，通过该属性，可在老师与学生之间、具有相同爱好读者之间建立联系，将资源信息推送给目标读者的同时推送给关联读者，实现点对面的资源推送。
4.5 书目信息分析模块
书目信息分析模块的功能主要是对书目信息进行语义概念层次上的分析与过滤，只保留下与用户相关的书目信息、过滤掉无关的。具体来说：①书目信息分析模块需要对所收集到的每一条书目信息进行特征词的抽取；②对于抽取的这些特征词，书目信息分析模块还需要在书目信息本体论的协助下，将其转换为本体论中的概念词语；③还要把含有这些转换为本体论中的概念词语与用户兴趣模型中的概念词进行匹配，只有匹配成功的概念词语所对应的书目信息资源才是需要保留的。将这些保留下来的书目信息按照某种规则排序后存入个性化书目信息索引库中，由书目信息推送模块按照某种方式推送给用户。
4.6 个性化书目信息索引库
系统自动为每个图书馆的用户建立个性化书目信息索引库，即从书目信息库中抽取出与用户相关的书目信息实体，滤出无关信息，满足了用户个性化书目信息需求。
个性化书目索引库中的书目信息是按照用户兴趣概念进行存储的，每个兴趣概念都与用户兴趣模型中的概念相对应。当用户兴趣模型中的用户兴趣发生变化时，个性化书目信息索引库相应地也会做出调整。在这里，我们假定个性化信息索引库中包含有一个对自身信息进行管理的管理服务器，管理服务器会把不符合用户兴趣的兴趣概念及其相应的书目信息从个性化书目索引库中删去，同时加进用户新产生的兴趣概念等。
关键词:语义;Web服务;OWL-S;服务匹配
中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2009)15-3989-04
Research on Web Service Matching Algorithm Based on Semantic
PENG Bo
(Computer Center,Anhui Medical University,Hefei 230032,China)
Abstract: The OWL-S/UDDI matching algorithm based on reasoning cannot differentiate the matching degree on the same results level,thus causing inaccuracy and incompleteness.According this shortcoming of reserch, this paper proposes a Web service matching algorithm based on similarity computing of ontology concept.The algorithm has three levels:the basic description matching,the function matching ,and the non-function matching(QoS).This algorithm can improves the efficiency of services matching.
Key words: semantic;Web service;OWL-S;service matching
1 引言
面向服务体系结构(SOA)是网络环境下分布式应用系统的概念模型,在这个模型中松散耦合的系统组件在网络上被描述、和调用。实现SOA的主要方式是基于WSDL/UDDI的Web服务技术,Web服务的关键是服务的发现,基于语法级的服务描述语言和基于关键字的服务匹配算法导致了服务查准率低。语义Web服务综合了语义网技术和Web服务技术的优点,通过扩展UDDI,加入领域本体库,为每个注册服务添加语义信息等技术能够为Web服务的自动发现、执行、解释和自动组合提供有效支持。
本文首先介绍了基于推理的OWL-S/UDDI语义Web服务匹配算法,针对其同一级匹配结果间不能进一步区分的问题,提出了一种基于本体概念相似度计算的语义Web服务分级匹配算法。
2 相关技术概述
2.1 本体
目前较为公认的本体定义是Rudi Stuger于1998年提出的:“本体是共享概念的明确的、形式化的规范描述[1]”。通俗地讲,本体是为了让计算机对现实世界某一领域中的概念及概念间的关系有明确、一致的理解而进行的形式化、规范化的描述。本体的优点在于它能指导人们对某一领域的知识达到一致的认识和理解,并使用计算机进行描述和逻辑推理,从而达到语义Web的目标。
2.2 Web服务描述语言
实现语义Web服务的关键步骤是对Web服务进行语义描述。OWL-S是一种描述Web服务的本体语言,其前身是DAML-S,它为Web服务提供了核心的标记语言结构,用于精确描述Web服务的属性和能力,这些描述能被计算机无二义性的解释理解,从而实现服务的自动发现、执行和组合。这个描述至少包括三个方面语义:ServiceProfile提供服务的抽象描述,如服务实体、服务可以实现的功能,以及服务的性能参数等;ServiceModel描述Web服务如何执行,包括服务执行的先后顺序、过程流程等;ServiceGrounding描述了如何调用Web服务,描述具体的绑定信息,例如服务地址、通信协议及消息格式等。
2.3 OWL-S ServiceProfile
OWL-S Profile描述服务的三个基本方面:服务提供者的信息、服务的功能和服务的其他特征。ServiceProfile第一组属性描述Web服务提供实体,包括提供者名称(ServiceName) 、描述文本(textDescription)和联系信息(ContactInformation)。 ServiceProfile第二组属性描述服务功能,这是最本质的部分,表达了服务性能的两个方面:一是从信息流角度:输入信息Inputs和输出信息Outputs;二是从状态流角度:服务所需的前置条件Precondition以及服务执行后的结果Effect。ServiceProfile第三组属性描述服务的其他特征,包括服务分类ServiceCategory和服务等级QualityRating(提供服务质量信息)等。
本文将ServiceProfile作为广告在服务注册中心,并利用ServiceProfile的信息进行服务匹配。同时,服务请求也将ServiceProfile作为表达服务查询条件的语言,从而使服务匹配能够更加方便。
3 基于语义的Web服务匹配算法
3.1 基于推理的OWL-S/UDDI服务匹配算法
基于推理的服务匹配是利用本体概念间的包含关系来判断服务的请求方和方的匹配程度。Massimo Paolucci等于2002年首先提出了一种基于DAML-S的服务匹配算法[2],利用DAML-S的Service Profile对服务的输入、输出、前提、效果(IOPE)进行匹配。该方法定义了四种匹配程度(以输出匹配为例,设outR为请求者的一个输出,outA为服务者的一个输出):
1) Exact: 当outR与outA相同或outR是outA的直接子类(subClassOf)时,结果为Exact。
2) Plug-In:如果outA包含outR,也就是说outA可能完全满足outR。
3) Subsume:如果outR包含outA,即outA能部分满足outR但不是完全满足。
4) Fail:在outR和outA之间没有任何包含关系,匹配失败。
随后,LeiLi等人对上述四种匹配类型进行了补充,在Subsume和Fail之间添加了Intersection,即outR与outA的交集是可满足的(outR∩outA≠Φ,但outR不包含outA),说明outA有可能满足outR的部分功能。从上述介绍可以看出,基于推理的OWL-S/UDDI服务匹配方法将服务间的匹配程度分为5个等级:Exact Plug-In Subsume Intersection Fail,但在同一等级内部无法进一步区分匹配度。
3.2 Web服务描述模型
在介绍匹配算法之前,先创建服务描述模型,将服务描述为:WS=.其中S是基本描述,是服务的公共属性,包括服务分类、服务名称,文本描述等。F是服务功能描述,即服务功能包括输入与输出,前提与结果等。NF是非功能的属性描述,如服务质量(QoS)。
3.3 Web服务匹配算法的分级匹配过程
算法的基本原理:服务请求者先提供一个OWL-S文档,对其所需服务进行描述。在预处理阶段,通过服务分类匹配(可通过属性ServiceCategory来判断)去掉不属于请求服务分类的注册服务,将分类符合的服务放入候选集中,首先进行基本描述匹配,经由基本描述匹配筛选的候选服务再参与功能匹配,合格的服务再进一步参与QoS非功能属性的匹配。下面详细介绍各部分的匹配过程。
3.3.1 基本描述的匹配
服务的名称和文本描述是已经在Web服务本体中的概念实体、概念属性以及概念间的关系,所以其计算的基础是概念间语义相似度。对于本体库中概念以及概念间上下位关系(subClassOf)形成的概念树,可用2个不同节点之间的距离来衡量节点概念间的相似度。因服务匹配的要求,定义概念树中节点的距离如下:
定义1概念树定义为一棵有向树,对于树中的每一条有向边,如果Vi是Vj的父节点,Vj是Vi的子节点,则Vi包含Vj。
定义2对于概念树中的任意2个节点Vi,Vj的距离distance(Vi,Vj),定义为:
1) 如果Vi与Vj为树中相同节点,则distance(Vi,Vj)=0
2) 如果从节点Vi没有路径到达Vj,且从节点Vi也没有路径到达Vj,则distance(Vi,Vj)=∞
3) 如果从节点Vi有路径到达Vj,则distance(Vi,Vj)为从Vi到达Vj的路径的长度。
4) 如果从节点Vj反方向有路径到达Vi,则distance(Vi,Vj)为Vj从到达Vi的路径长度的负数。
定义3概念树中2个节点所表示的概念相似度函数定义如下,设结点Vi表示的概念为Cvi,结点Vj表示的概念为Cvj。
其中AS是广告服务,RS是请求服务,Simsn(AS,RS)是服务名称的相似度,Simtd(AS,RS)是文本描述的相似度。SimBasic(AS,RS)的结果是0到1之间的实数值。其中wi是用户自定义的权值。
w1+ w2=1,0≤wi≤1,i=1,2
基本描述匹配算法描述:
BasicDescriptionMatch(RS,AS,Reasoner reasoner)
{
Int BasicMatch=0;
Ucandidates=Ф;//候选子集初始为空
BasicMatch=reasoner.SimBasic(RS,AS);//由推理机计算SimBasic
for (int i=0;ASФ;i++){
if BasicMatch>Num1 //Num1是用户设定的匹配阈值
ADD(Ucandidates,ASi);//将符合条件的AS加入候选集中
endif
}
}
3.3.2 服务功能的匹配
在这个阶段,使用基于WordNet和HowNet通过语义相似度的计算方法来计算请求服务与广告服务的匹配相似度。
WordNet是一个以同义词集合为单位来组织信息的语义词典,是基于英文的词汇语义网络系统。它为英语词语相似度的计算提供了便利。目前基于WordNet的相似度计算方法很多,如res、lin和jcn等方法使用WordNet中的上下位关系计算相似度;hso、lesk和vector等方法使用WordNet中包括上下位关系的所有关系计算相似度[3]。
为了在使用WordNet中所有信息关系的同时充分使用上下位关系,本文在计算英文信息的相似度时选择两个典型的方法:lin和lesk,其中对方法lin进行改进,再分别计算得到概念相似度Slin和Slesk,然后取Slin和Slesk的加权和作为英文概念最终的相似度值。
方法Lin是利用概率的方法计算两个概念的相似度。
在寻找词义Cvi和Cvj的共同上位词时,通过路径的方法,设定了一个系数αl/2。其中α是一个介于0和1之间的常数,用来调整随层次加深,相似度随之递减的程度, 表示在某个同义词层次结构中,寻找词义Cvi和Cvj的共同上位词的最大路径。由于Cvi和Cvj两个词义,故乘以1/2。
HowNet是一个用以揭示概念与概念之间以及概念所具有属性之间的关系的常识知识库,是目前最完善的汉语语义知识词典。本文设汉语概念的语义相似度为Sch,使用刘群[4]等人提出的基于HowNet的语义相似度计算方法可得到汉语概念相似度值。最后对英文概念相似度值和汉语概念相似度值加权平均得到公式(4):
其中μi是用户自定义的权值。μ1+μ2+μ3=1,0≤μi≤1,i=1,2,3
设Ains表示广告服务输入参数的集合,Rins表示请求服务输入参数的集合,Aous表示广告服务输出参数的集合,Rous表示请求服务输出参数的集合,Aprs表示广告服务的前提条件参数的集合,Rprs表示请求服务前提条件参数的集合,Aes表示广告服务影响参数的集合,Res表示请求服务结果影响参数的集合。在这里需注意的是这四个参数都是本体中的概念而不是原子数据类型。基于公式(4),函数SimIOPE(AS,RS)可计算服务的功能性特征(IOPE)的匹配度,其参数是广告服务(AS)和请求服务(RS),其结果是0至1之间的实数值。
服务功能的相似度计算公式如下:
其中α1、α2、α3、α4分别是输入集、输出集、前提条件集、结果影响集的权值,
α1+α2+α3+α4=1,0≤αi≤1,i=1,2,3,4. 权值可由用户决定,如果用户没有对权值的要求,则可采用默认的平均权值,即视这四个方面同等重要。
功能匹配算法描述:
由于PR和IO的匹配算法相似,在这里只对IO匹配加以说明。
ParametersMatch(RS,AS,Reasoner reasoner)
{
Ucandidates=Ф;//候选子集初始为空
//inputs匹配
int inMatch=0;
int inCount1=RS.getInputs().size;
int inCount2=AS.getInputs().size;
for(int i=0;i
for(int j=0;inCount1;j++){ //由推理机根据公式(5)计算相似度
inMatch=reasoner.Parametermatch(RS.getinputs(i),AS.getinputs(j));
ifinMatch>Num2 // Num2是用户设定的匹配阈值
ADD(Ucandidates,ASi);//将符合条件的AS加入候选集中
Endif
}
}
//outputs匹配
int outMatch=0;
int outCount1=RS.getOutputs().size;
int outCount2=AS.getOutputs().size;
for(int i=0;i
for(int j=0;outCount1;j++){ //由推理机根据公式(5)计算相似度
outMatch=reasoner.Parametermatch(RS.getoutputs(i),AS.getoutputs(j));
ifoutMatch>Num2 // Num2是用户设定的匹配阈值
ADD(Ucandidates,ASi);//将符合条件的AS加入候选集中
Endif
}
}
3.3.3 非功能属性QoS的匹配
功能性的匹配只满足了请求服务方静态的常规要求,这些常规要求相对固定。而如果用户想要获得高质量的Web服务,还需要用一些非功能的属性来量化其服务功能,这就是Web服务的QoS(Quality of Service),文献[5]中Joge Cardoso给出了服务质量评价模型中应包括的因素,具体包括费用(cost)、时间(time)、可靠性(reliability)。这里再增加信誉度(Credit)因素。
函数SimQoS(AS,RS)计算广告服务AS和请求服务RS的QoS相似度。可通过分别计算AS和RS的QoS中各维相似度的几何距离来计算。函数返回一个0至1之间的实数,返回值越接近1,说明AS和RS越相似。
服务质量匹配算法描述:
QoSMatch(RS,AS,Reasoner reasoner)
{
IntQoSMatch=0;
Ucandidates=Ф;//候选子集初始为空
QoSMatch=reasoner.SimQoS(RS,AS);//由推理机计算SimQoS
for (int i=0;ASФ;i++){
if BasicMatch>Num4 //Num4是用户设定的匹配阈值
ADD(Ucandidates,ASi);//将符合条件的AS加入候选集中
endif
}
}
4 算法性能分析
在评价服务匹配算法效率方面,通常用查准率和查全率来衡量一个Web服务匹配算法的好坏。查准率是指查询返回符合查询条件的Web服务数量与查询返回Web服务总数量的比率;查全率是指查询返回符合查询条件的Web服务数量与测试样本集中符合查询条件的Web服务数量的比率。查准率和查全率越高,服务匹配算法越好。为了验证本文匹配算法的有效性,设计了一个原型系统WSMS(服务匹配系统),本文选取医学诊断专家系统本体文件及100个可用于查询疾病诊疗方案的Web服务,对于本文算法和OWL-S/UDDI匹配算法进行仿真性能测试,测试结果如表1所示。
由此可见,本文算法综合考虑了服务的基本描述、服务功能和服务质量三个方面的相似度,具有较高的服务发现效率。
5 结束语
本文分析了基于推理的服务匹配算法的局限性,提出了一种基于本体概念相似度计算的服务匹配算法。实验结果表明该算法能过滤掉大多数不相关服务,缩小服务匹配范围,提高了服务匹配效率。下一步将完善算法和原型系统,考虑在语义网中存在多个异构本体情况下进一步改进服务匹配算法。
参考文献:
[1] Rudi Stuger,Richard Benjam ins V. Knowledge Engineering:Principles and Methods[J]. .Data and Knowledge Engineering 1998,25(2):161.
[2] Massimo Paolucci,Takahiro Kawamura,Terry R Payne. Semantic matching of Web services capabilities[C]. In Proceedings of the First International Semantic Web Conference(ISWC).
[3] 余晓峰.面向译文选择的双语语义词典自动构建研究[D].哈尔滨:哈尔滨工业大学,2005:30-42.
内容摘要：新服务开发流程前端阶段是新服务开发的起始，决定着新服务开发的方向和效率。本文对新服务开发前端阶段进行了分析，并提出了一些建议，以期对企业服务开发活动有所帮助。
关键词：新服务 开发 前端阶段
服务概念的定义
在服务设计和新服务开发文献中经常会提到服务概念这一术语。各学者也从不同方面对服务概念进行了定义。Heskett（1986）将服务概念定义为企业希望顾客、员工、股东和债权人能够感知到的服务。Edvardsson和Olsson（1996）提出服务概念是服务的原型和服务活动的写照，并将服务概念定义为企业对顾客欲被满足的需求是什么，这些需求如何被满足，企业为顾客做什么以及怎么做的具体描述。Lovelock（1999）等将服务概念分解为服务营销概念和服务操作概念。服务营销概念描述了顾客可以从服务中得到的利益，服务操作概念描述了服务如何传递给顾客。Johnston和Clark（2001）认为服务概念包括服务操作概念、服务体验概念、服务结果概念和服务价值概念。服务操作概念描述服务如何被传递，服务体验概念描述顾客对于服务的直接体验，服务结果概念描述顾客得到了什么利益，服务价值概念描述了顾客感受到的利益与享受服务所付出的成本之间的比较。
国内学者蔺雷和吴贵生（2007）提出服务概念是指服务的原型，即能够为顾客创造和传递效用和利益的服务及各种子服务，主要包括两方面内容即对顾客需求的描述；通过相应形式的服务内容或服务包的设计满足顾客需求的方式。总之，服务概念是服务设计和开发中的一个关键阶段，服务概念由对顾客需求的理解而产生，并需要与企业的战略和竞争意图相一致。
服务概念开发的流程
（一）创意产生
服务创意产生的重要目的就是在识别顾客需求的基础上产生具有很大潜力的新服务创意。从内部上看，新服务创意的来源可以是营销部门、高级管理层、其他管理者和员工。特别地，第一线员工是新服务创意的重要来源。第一线员工在服务过程中需要与顾客直接交流，这样就使得员工在与顾客的日常接触中获得第一手资料，这些资料可以帮助企业能够深入了解不断变化的需求和市场动态，同时也是新服务概念产生的重要源泉。一些服务企业也认识到了员工是新服务创意的重要来源，它们越来越注重开发员工的知识和创造力，如柯达和美国航空公司建立了促进员工交流和沟通的创新系统；同时企业内部的研发部门也是新服务创意的重要来源。从外部上看，新服务创意的来源可以是顾客、竞争者、管制放松和外部专家。特别地，顾客是新服务创意的重要外部来源。Matting，Sanden和Edvardsson（2004）提出：从开创性和顾客价值来说，顾客的创意比专业服务开发人员的创意更具有创新性。Martin和Horne（1995）指出在创意产生阶段，顾客信息利用显得尤为关键，此外由于服务的易模仿性，竞争者也被认为是新服务创意的重要来源。例如，Teixeira和Ziskin（1993）提出接近80%的银行认为同业竞争者是新产品创意的重要来源。
在理论与实践中也形成了许多概念或创意开发方法（杨德林，2006），有思维法，包括主体促进法、思路扩展法、水平思考法等；协作法，包括头脑风暴法、专家调查法等；分析法，包括问题分析法、需求分析法、属性分析法等；系统法，包括TRIZ方法、创造力模板法、QFD方法等。
（二）创意筛选
服务创意筛选是新服务开发过程中的重要环节，是对众多服务创意进行筛选，以评选出符合市场需求、企业战略和自身能力的服务概念的过程。服务创意筛选，需要构造适当的指标体系并选择合适的筛选技术。概念筛选可以使用定性或定量标准。大多数服务企业都使用正式的筛选程序，其中利润、销售额和市场份额估计也常用作筛选的标准。一些企业还将新服务对企业形象的潜在影响作为特定的筛选标准。Kelly和Storey（1999）通过案例研究，将概念筛选标准概括为：财务表现、市场表现、特定管理输入、战略计划和可得资源等五项指标。财务表现主要是指成本、回收期、利润、收入等方面，市场表现包括市场利益、顾客需求和同业竞争等，特定管理输入包括用户评价、产品经理输入等，战略计划包括与企业计划的适合性、与整体战略的适合性等，可得资源包括系统能力、传递能力等。
此外，企业总体战略、服务创新战略目标和更具体化的新服务开发管理目标，都可能成为创意筛选的标准。关于创意筛选标准的选择，主要考虑：新服务开发目标兼容性、可能构造的服务产品的独特优势、成本、可能的系统协同效应、企业的资源与能力约束以及具体服务行业的特征因素等几个方面。
关于创意筛选方法，Rochford （1991）提出常用的筛选方法有分级法、清单法和分值法。Ambler和Styles（1996）发现服务企业最常用的筛选方法有顾客筛选、运营筛选、战略筛选、技术筛选和市场筛选。总之，在创意筛选过程中可能会出现更多必须考虑取舍的因素，这使得筛选标准的制定成为一个难点。因而现在也没有一个公认的创意筛选标准。因此，普遍的服务创意筛选标准的设立将是未来研究的一个重要方向。
（三）概念开发
服务概念是在服务创意的基础上形成的，是对服务创意的概念化，将创意变得更加具体化、结构化。根据Edvardsson和Olsson 观点，服务概念是服务的原型和服务活动的写照，并将服务概念定义为企业对顾客欲被满足的需求是什么，这些需求如何被满足，企业为顾客做什么以及怎么做的具体描述。同时，一个典型的服务概念应包括对新服务的描述，采用新服务的原因，新服务特性利益的概述和继续开发的合理性。许多学者认为，由于服务的特性，在进行服务描述时不仅要关注核心服务，还要关注附加服务。核心服务是服务企业向顾客提供服务的主要内容。附加服务包括便利和支持。便利是为让顾客使用核心服务而附加的服务，具有方便核心服务使用的作用。支持的作用是增加服务的价值或者使企业的服务同其他竞争者的服务区分开来，它经常被企业作为一种差别化战略而使用。
（四）概念测试
概念测试具体要解决三个方面的问题：顾客对新服务创意的理解程度；顾客对新的服务概念的接受程度及喜好点；新服务能让顾客感受到哪些特别好处，符合他们尚没被满足的需求。通过概念测试可以看出顾客的认可程度，征求顾客意见，不断对新服务概念进行修改和完善。
在概念测试阶段中可以采用定性测试与定量测试两种方法，但与定量测试相比，企业可能更偏向于定性测试。同时，各利益相关者都可以加入到概念测试中。企业还可以通过多种方式进行概念测试，如客户调查、目标组调查或测试目标市场对新服务概念的反应等。
综上所述，服务概念的开发是新服务开发获得成功的基础，同时又是难点。服务本身的无形特性决定了服务概念具有一定的模糊性，难以明确表达，也不具有新产品开发中可以触知的产品原型。因此，服务企业要对顾客需求进行全面、深入的分析，尽量准确地表达服务概念的内涵，减少抽象性，使新服务开发具备坚实的基础。
企业新服务概念开发的建议
明确新服务概念开发的原则。企业进行新服务概念开发须明确和坚持以下原则：概念开发需面向市场，以顾客需求为关注焦点；坚持战略导向，树立基于资源、能力和技术积累的新服务开发理念；尽可能采用集成化新服务概念开发方法。
新服务概念开发需要强有力的组织结构。新服务开发组织应具有高度的灵活性，高效快速的信息传递系统，较高的管理权利，充分的决策自等。总的原则是使新服务开发能快速、高效地进行。新服务创意或概念构思来源于多个方面，这表明有效的新服务开发应该是多部门集成式的、跨职能的团队开发。基于此新服务概念开发的组织架构应充分体现组织的支持与承诺、高层管理者的积极参与、企业内部合作和相互支持、快速的概念筛选决策和有效的信息沟通等要求。随着新服务开发项目复杂性越来越高，其沟通和协调的工作量越来越大，因此建立专门的项目小组成为越来越多的研究者和管理者倾向的项目管理方式。此外，多功能团队是将企业服务战略规划转化为商业收益的枢纽，其工作质量的好坏直接涉及高层管理者的决策和服务开发的顺利实施，因此如何加强对其管理有着特别重要的意义。
注重顾客需求和顾客参与。顾客需求的识别决定着服务概念开发能否成功，因此，在概念开发阶段能否有效识别顾客需求决定着整个开发项目能够成功，同时满足顾客需求的理念也应贯穿在整个服务开发过程中。只有站在顾客的立场上，制定和实施企业服务开发战略，才能生产出真正满足消费者需求的新服务。同时，顾客参与新服务概念开发减少了该阶段的模糊性，使该阶段活动更准确、更清晰。
注重员工培训、培养创新文化。企业新服务概念开发是企业业务层对市场需求信息的感悟、预测、分析进而产生新服务概念的活动，这个活动流程的效率与企业的制度和创新文化导向有着重要的相关性。 同时，要关注员工的知识学习，积极鼓励员工不断学习和创新，形成知识共享，培养良好的创新氛围。综上所述，新服务概念开发是新服务开发的重要起点，对新服务开发的最终成功至关重要。然而，无论是在国内还是国外，关于新服务概念开发的研究文献很少，这也凸显出未来该方面研究的重要性和紧迫性。
参考文献：
1.Lovelock C,Vandermerwe S,Lewis B. Services Marketing:A European Perspective[M].London:Prentice Hall Europe,1999
2.Johnston R,Clark G.Service Operations Management[M].Harlow,UK:Prentice Hall,2001
3.蔺雷，吴贵生.服务创新[M].清华大学出版社，2007
关键词：大豆；农业本体；信息服务；人工智能
中图分类号：TP311．52；S565．1 文献标识码：A 文章编号：0439－8114（2012）15－3336-04
Ontology－Based Construction and Realization of Soybean Information Service System
SU Xian－xin，XU Wen－juan，ZHAO Hong－liang
（College of Agronomy，Shenyang Agricultural University，Shenyang 110161， China）
Abstract： A soybean information service system constructed based on the theory of agricultural ontology and the core ideas and implementation ideas were designed． Through the use of the characteristics of ontology knowledge content to achieve soybean realize precise storage， and through the reasoning functions of ontology tools to improve the soybean ontology construction’s efficiency and accuracy， which would achieve the storage of professional knowledge content of the system database and the application of information service system． Finally a good domain ontology library could provide the basis for the realization of artificial intelligence in the field．
Key words： soybean； agricultural ontology； information service； artificial intelligence
农业本体论可以描述农业领域内相关知识结构，从而为农业知识表达做好铺垫。农业本体也是农业领域内知识的概念、属性、过程和它们之间相互关系形式化、具体化的描述。这种描述可成信息系统中可移植、可重用、可共享的组件或数据代码， 让硬件能够理解，并可以通过本体关系进行推理，为用户及上端软件系统使用提供了统一的术语及概念，使知识准确性提高，有利于获取、提高获取速度并增加知识可靠性［1］。
针对我国大豆产业现在所面临的诸如外国粮商控制、转基因大豆侵害、集约性、农民分辨知识能力差等问题，构建一个能提供准确信息获取、专业知识问答等功能的信息系统，从而推动我国大豆产业发展。
1 大豆信息服务系统的理论基础
构建大豆信息服务系统需要以下三大领域知识作为基础：本体论相关知识和本体构建方法；农业信息理论、农业推广理论、大豆专业知识；数据库知识、开发工具的使用。
本体理论的应用主要以农业本体理论为支持，通过对大豆知识的细化然后得出大豆相关本体及层次分类，利用本体开发工具进行构建［2］。如protégé2000。在设计和构建本体的同时要熟悉大量的大豆相关知识，了解该作物的习性、分类、生理特点、病理、种植分布等。并且还要结合农业推广等相关理论争取既能进行细化的本体构造，同时也能在服务系统进行大豆知识普及和推广。图1为基于本体的大豆信息服务系统构建思路。
2 大豆信息服务系统的本体构建
2．1 本体概念
经过了这么多年的发展，我国的学者根据对本体概念的理解，将本体的定义归纳为6点［3］。①本体是对某领域的概念化的描述；②一个本体的声明转换到另一个声明可能会不可逆；③概念是现实对象在某些或某属性空间上的投影；④任何本体不可能包含对象全部属性，只会限制到所研究的领域范围内；⑤投影的规则可能非常复杂，会涉及多次投影和其他转换；⑥对同一领域的概念化有某些共同点，但是概念化可能会有差异存在。
2．2 大豆本体的构建方法
大豆信息系统主要围绕大豆信息进行相关的信息服务，关于大豆本体的构建方法可以遵循以下思想。
1）确定领域本体及其构建范围和目标。首先确定将要构建的大豆领域相关本体，构建本体的目标是通过本体精准定位及描述领域本体内的概念及知识信息，同时可以通过语义推理对大豆相关信息进行处理。如信息增殖、合理化分类。最主要的问题是通过本体可以准确分辨领域内的信息内容，避免模糊不清的关键字影响查询结果，或者对于查询结果人们抱有不确定性从而影响学习和使用领域知识［4］。
关键词：计算机技术；互联网；云计算；概念算法
1 计算机云计算的概念及应用特征分析
1.1 云计算概念剖析
随着IT产业的进步与发展，计算机互联网提供的服务种类迅速增加，如地图，搜索及其他租赁业务等，互联网服务内容的多样性有效带动了用户规模的进一步扩大，用户数量的急剧增加使得互联网服务得以迅速普及，为有效满足用户对服务实用性及可靠性的需求，互联网服务在不同集群中建立起了分散的数据控制中心，以实现对数据资源的充分开发，同时为用户提供更为优质的服务，而这正是计算机云计算的发展前提。在市场经济中，云计算属于一种全新的商业计算模型，集中了数据储存，数据计算及其他多种软件服务，并将服务模式转化为交付和使用的方式，以实现对互联网动态服务资源的虚拟化处理。经虚拟化处理后的互联网服务资源，其规模能够得到无限扩展，而这正为互联网用户提供了数据信息及时获取的有效途径，极大的满足了当下互联网用户的需求。从数据处理角度分析，云计算是并行处理，分布处理以及网格计算的商业实现。通过在大量分散的计算机上建立起非本地计算机的远程服务，再通过互联网将多个计算机远程服务终端连接成一个庞大的数据网络，并通过互联网将数据资源上传至数据网络中，这样，当用户需要对某些数据进行调阅时，便可利用任意网络设备对数据网络进行访问，进而实现互联网数据的云计算。
1.2 计算机云计算应用特征分析
在计算机云计算中，以计算机群为基础实现的数据网络构建，使得局域范围内的数据存储在一定程度上具备了互联网的网络特性，并实现了数据的云端存储和访问，不仅取用便捷，费用也十分低廉。云计算这一工程实现了计算机计算能力向市场商品的转化，独特的数据处理模式也使其具备了一定的应用特征。云计算具备可拓展性。当用户的数据服务需求增加，云计算能够依据用户的需求将资源进行动态划分，以此为用户匹配可用的虚拟资源，在满足其需求的同时，进一步发掘出信息网络数据资源。由于云计算的整体构架是基于互联网而实现的，而互联网运行的本质是为用户提供服务，因此云计算具有以网络服务为中心的特性，在现实中，用户能够通过多种网络终端进行网络数据连接，并以此为基础体验云计算服务。在计算机云计算中，数据概念计算的方法打破了多层次资源的异构性分类方式，通过对数据资源进行统一的管理和调配，以此在互联网中建立起池化数据库，从而为客户提供更为平等而多样性的服务，加之云计算能够处理无限大的数据量，因此更能够从多方面满足用户的不同需求，所以说云计算具有资源池化的特性。
2 云概念计算中的不确定推理
在计算机云计算中，由于概念计算规则既可以是一对多的，也可以是多对一的，所以在云计算规则中多规则和单规则计算方式都具有一定的不确定性，开展对不确定性的开发与研究，对云计算的开展是具有十分重要的意义的。云计算中的一对多的规则能够表示为IF A1，A2，……An，then B，规则中指出多定性概念值是不确定推测的前提条件，通过采用云计算中的概念计算，能够进一步确定云数据发生器的构造规则。而在云计算的概念计算中，为表示前件对应的多维论域的空间数值，必须要以多维云结构为基础而实现，所以云概念计算中的不确定推理也对云结构提出了一定要求，为有效控制云计算中的不确定性，应采取有效的方案对云计算结构加以改进和完善。如设定云计算中规则前件有2个概念变量，其中每个变量对应5个定性概念值，所以经计算可知每个前件可能有25个概念值，这也就意味着经过组合前件可能具有25个定性概念值，论域空间中也需要25个二维云相对应，因此云计算中不确定推理过程是具有一定复杂性的。在云概念实际应用中，推理规则体现的关键是如何处理好多规则之间的关系，通过控制输入值以激活云计算中的定性规则，然后采用计算机云计算中的概念计算方法进行数据计算，便能够最终以数据期望值作为云计算推理结论并加以输出。
3 云概念计算实现过程阐述
3.1 计算云化过程
在利用n元进行样本云计算过程中，论域为Ω=（U1*U2*U3……*Un），那么便在Ω论域中抽取参数值m个定义为样本参数值，在对参数值进行对应次数的运算后，将每个样本参数值与计算结果进行对比，并定义结果值为s，s=F（a1，a2，a3……an）。在计算样本参数值后，依据云计算中的转换定律，将每次的n元计算转换为n元计算规则R，并将R带入多对一的计算规则中，即为IF a1，a2，a3，……an，then S，通过对样本中所有的样本参数值进行云概念计算，这样便能够得到m个云概念计算规则所构成的集合。在计算云化过程中，数据的数值变量因素是影响到云概念计算的重要因素，所以在云概念计算过程中，应更为注重对数值和数值变量的云化。数值的云化是指数值变量按照设定好的云概念计算方式加以运算，如在数值云化过程中，首先假设构造U是在过程P中产生的，设定一个定性概念集合为A，在A中包含有K各定性概念，那么概念集合A就可以表示为A={A1，A2，A3，……An}，集合中数值变量定义为a，a的集合便能够形成一个定性概念T，最后按照归约化条件 ΨA（μ（a）μT（a）|AT）来实现隶属程度u（a）的最大化。数值变量的云化与数值的云化过程稍有差别，数值变量的云化是以论域U中的数值变量为基础的，通过对定性概念集合A中的每个概念进行云概念计算，并将计算后的数据以（Ex，En，He）的形式表现出来，进而实现数据变量的云化。
3.2 云概念计算过程
在对数值和数值变量进行云化处理后，能够得出一组数据云概念计算的计算规则，计算规则表明了云概念计算的实质是一种云的推理过程。在此推理过程中，数据推算的过程如图所示：
由图可知，在云概念计算中，当给定一组参数值a1，a2，a3……an之后，对参数值进行云化处理，处理后的数据被呈递给云推理引擎，引擎能够依据云化处理后的数据特征推算出不同参数值之间的计算规则，最后将规则化之后的参数值进行云化，最终输出结果值。在数值云化的过程中，云概念计算通过对参数值a1，a2，a3……an进行数值云化，以通过参数值计算得出一个定性概念Ti，并形成定性概念的参数值，以此来确定云概念计算中的云参数值，为后期云参数的不确定推理提供必要的数据参考。经过云推理引擎处理后的参数值是一个表征定性概念的云，而并非数据本身，因此要完成云概念计算应将在推算过程中引入具体的数值，进而实现云概念计算理论在实际数值计算中的应用。此外，云的数值化计算要按照参数值的规则进行，在对参数值进行云计算时，要以参数值的云化过程为前提，通过云化过程中的计算得出参数值的云规则，进而完成云概念计算结果值的填充。
4 云计算中概念计算的实现途径探究
计算机云概念计算服务的根本目的是为用户提供简捷易操作的数据服务，因此在云概念计算的实际应用中，应进一步简化系统处理过程，数据处理复杂性的降低，不仅节省了系统进行数据计算占用的空间资源，也能够提升系统的服务效率。为有效实现云概念计算，通常将计算过程分为预处理过程和功能实现过程两部分。在预处理过程中，系统的各项功能被逐一分解并进行抽象化处理，处理后的功能无需系统进行再处理，便可直接应用到云概念计算系统的计算过程中。系统计算过程的简化，进一步提升了云概念计算的计算效率，也使得系统功能得以优化，为今后云计算系统的发展奠定了稳固的基础。云概念计算过程中，数据的计算量十分庞大，并且计算的精确度也要得到有效保障，而由于云计算系统中的预处理过程是一次性的，一旦得出计算结果便无法修正，所以为保证云概念计算的准确性，还要对云计算过程进行定期检修与维护。
随着计算机互联网技术的日益普及，云计算这一概念也正在逐渐受到社会各领域的高度关注，其在市场中的广泛应用将会有效促进商业模式的转变，在实现科技飞跃的同时，为市场经济的发展带来巨大的商业机遇。由于我国云概念计算服务仍处于初步发展阶段，市场竞争力不足，资源开发仍不完善，因此采取科学有效的方法促进云计算服务的发展是十分必要的。
[参考文献]
[1]于德华.计算数学和科学工程计算及其在中国的若干发展[J].数学进展，2009，3（2）：1-6.
[2]李一德，孟海军.隶属云和隶属云发生器[J].计算机研究与发展，，1995，32（5）：15-30.
[3]史雪梅，陈辉.定性定量互换模型及其应用[D].南京：通信工程技术学院，2013：12-30.
关键词：语义描述；UDDI；匹配模型；本体
中图分类号：TP393文献标识码：A 文章编号：1009-3044(2007)18-31566-02
Semantic Description of Service Matching System Based on OWL Ontology
LI Fa-ying,LU Wu-kui
(Dept of Computer and Technology Xiangnan University,Chenzhou 423000, China)
Abstract:In the distributed compute environment, Web service discovery and service matching is essential to information utilization efficiently. Traditional Web Service matching and discovering is realized on the semantic level based on UDDI. Service matching model is not concerned on semantic. Semantic plays an important role in service-matching system, data semantic, function semantic and SQS are analyzed in this paper.
Key words:Semantic description; Web service matching; UDDI; matching model; ontology
1 引言
Web服务是当前信息行业中的一个比较前沿的概念，该概念主要有以下两个方面的含义：从全球互联网信息的供需状态角度看，Web服务是对信息的整合。Web服务为分布式计算环境提供了一个信息获取平台，该平台在原来的为用户提供有用数据的基础上提升到为用户提供优质服务。为全球互联网这一分布式计算环境提供了技术支撑作用。当前Web服务主要是基于UDDI的，UDDI语法级的基于关键字的服务发现和服务匹配具有以下几个缺陷：一是Web服务的搜索效率低下，不能实现高效率服务匹配；二是搜索到的有用Web服务数量有限，不能满足高级用户的需求；三是由于UDDI注册库的不灵活性影响了Web服务的动态合成。为了实现Web服务的智能化匹配和Web服务的动态合成，需要对分布式环境下的信息资源进行更为详细的语义描述。为此，业界很多学者正在致力于研究语义网理论及其应用，试图解决分布式环境下的信息共享及高效信息检索的智能化。
语义WEB是对WEB的一个扩展和延伸。在1998年，因特网之父Berners-Li就提出了语义Web模型。从层次结构角度看，该模型将整个语义WEB的实现理想化为七个层次，其中最底层仍然涉及到对原始数据的编码，第三层是本体层，通过本体开发者在该层建立共同一致的概念库，支持基于本体的智能化推理。推理功能的具体实现主要由现成的推理机完成。语义网和Web服务的有机结合就构成了语义Web，这一概念最早是由在论文1中提出的。
2 基于语义服务匹配系统中的语义
在分布式计算环境中，增强WEB服务中的语义可以提高智能化Web服务检索和Web服务合成。根据在Web服务中语义信息的性质将语义分为3类，分别是数据语义，功能语义和服务质量语义。
2.1 数据语义
今天，越来越多的WEB应用需要通过交换数据来实现操作。RDF是基于XML实现Web应用间语义互操作的资源描述框架。从数据语义这个角度看，语义是数据所代表的概念的含义，是对数据的抽象或者更高层次的逻辑表示。数据语义即是在实现服务发现过程所需的输入参数以及获取的服务输出信息。要实现服务参数的输入和服务结果的输出，传统的Web服务使用WSDL作为主要的描述语言，输入参数和输出结果在WSDL中通过操作标记来实现，其中的操作标记仅仅提供了输入参数和输出数据的语法和结构的内容，主要用来在服务调用时决定参数的输入形式，为参数的输入提供一种约束和限制。数据语义在更高层次超过了E-R模型等数据库建模语言的表达范围，是保证数据管理系统达到可扩展性、高效性和健壮性要求的一个关键元素。如果说正确的语法表达是保证计算机之间进行信息交换和处理的前提，则数据语义的描述是数据可被计算机正确理解和推理的基础。
2.1.1 数据语义的分类
根据数据语义的实现方式不同，将数据语义分为程序式语义和声明式语义两种。前者是将信息所代表的含义即语义以硬编码的方式写入到应用中的信息语义建模方法，分离了信息的语义和信息的语法描述，将对信息的理解固化到特定的代码逻辑中。程序式语义的主要缺陷是不具备扩展性和通用性，难于维护和集成。后者将数据的语义描述与特定的应用逻辑分离，将数据的语义描述纳入到数据层，将数据语义的解释留给通用的形式化系统，例如一阶逻辑，描述逻辑等推理系统，与具体的数据和应用逻辑无关，具有非常好的适应性和可重用性。因此数据基于语义的描述就是以声明式的语义建模方法对数据的语义进行描述。这样可以大大减轻应用处理数据的压力。
2.1.2 数据的语义描述模型――RDF
RDF(ResourceDescriptionFramework)是W3C推荐的用来解决数据语义描述的标准。其特点是通过一个简单的模型来表示任意类型的数据，模型由节点和节点间带有标记的连接弧组成。节点表示WEB上的资源，弧表示资源的属性。RDF和XML是互为补充的。首先，RDF希望以一种标准化，互操作的方式来规范XML的语义。XML文档可以通过简单的方式实现对RDF的引用。如例2所示。
例2 XML对RDF的引用示例
xmlns="省略/TR/WD-rdf-syntax#"
about="省略/test/page"
s:Author ="省略/staff/Ora"/>
借助RDF，表达同一事实的XML描述就可以被转化为统一的RDF陈述。对于例1，它们可以表示为下面的RDF模型。
图1 RDF描述框架图
2.2 功能语义
与Web服务相关的一个重要操作是绑定操作，绑定操作将服务提供方与服务请求方联系起来，从而实现根据服务请求者提出的服务请求查找到合适的Web服务的重要功能。对于服务功能语义信息的描述通常从层次观点出发，根据服务对外提供的具体功能分别在语义层次上定义。例如在机械制造行业中，任何一个复杂零件的制造都可以对其进行分解，对一个复杂的零件体可分解为若干个基元体。如图3中的零件体，可分解成以下各个基元
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
在服务匹配系统中，功能语义细粒度方面定义了详细的语义信息，这样便于在某一个信息系统中搜索到满足需要的更准确的信息，功能语义除了输入语义和输出语义外，还包括操作功能分类、异常处理、前提条件和得到服务后的必要补充条件，所有这些语义性操作在匹配系统中都以本体概念形式来表示，如果定义Web服务操作的功能语义为F(s,o)，则有下列定义式成立：F(s,o)=，其中，Fc(s,o)是以本体概念形式表示的操作o的功能分类，该功能分类为服务匹配提供了粗粒度的Web服务获取依据；I(s,o)是以本体概念形式表示的操作o的输入，O(s,o)是以本体概念形式表示的操作o的输出，E(s,o)是以本体概念形式一表示的操作o在执行期间的抛出异常，该异常可以为在服务匹配期间对错误的输入信息进行校对，如果不符合服务的输入格式，则要求用户重新输入信息，如果在语义上没有与服务请求者相符合的服务，则不用进行后面的各项操作，在一定程度上节约了服务匹配时间，提高了服务匹配效率；P((s,o)是以本体概念形式一表示的操作o的前提条件，Po(s,o)以本体概念表示的操作o执行后可能带来的影响。
Web服务的功能定义为一组相关的操作，将这些操作映射到本体中的概念，这样便于Web服务提取功能语义也便于实现基于本体和语义的自动推理。表1是用功能语义描述的订书操作。
表1 Web服务语义定义举例
对于上述的功能语义，在提供了本体的基础上，可以将各项功能语义映射到本体中，本体中相应概念的名称与具体的本体库直接相关，由于本文不涉及本体库的创建，因此，关于功能语义与本体的映射关系在此省略。
2.2 服务质量语义
基于以上给出的数据语义，加上服务的功能语义，可以很好地完成Web服务发现任务。如何从众多的侯选服务中选择最合适的Web服务是衡量服务匹配系统和质量的关键技术问题。而什么样的服务才是高质量的真正满足需要的服务，怎样从定性和定量两方面来评价Web服务的质量，是一个匹配系统不可忽略的。Web服务的质量状况与领域本身有关，一般来说，用QoS来表征服务在定性和定量方面存在的问题，如果服务质量跟某个具体的领域相关，则称该QoS规则为领域独立QoS规则；如果某个QoS规则可以应用于所有领域，而不管其功能性和特殊性，则此QoS规则是领域具体QoS规则。很显然，领域具体QoS规则是具有通用性，但这两种QoS规则可以基于共同的本体来共享语义，该本体必须同时拥有领域独立QoS规则和领域具体QoS规则。
领域独立QoS规则和领域具体QoS规则的描述方式和定义方式有所不同。对于领域独立的QoS规则可以描述基于时间、费用、可用性和可靠性等多项指标来定义，独立QoS规则具有动态性和不确定性，并且不同的领域拥有不相同的指标项；领域具体QoS规则具有稳定性和通用性，如服务输出，只要执行了Web服务都有一个输出信息。通过以下的QoS定义可以建立领域内专门的QoS规则。QoS(si,oj)=,其中，T(s,o)为Web服务s调用操作o的执行时间，C(s,o)为Web服务s调用操作o的费用，R(s,o)是Web服务s调用操作o的可靠性，A(s,o)为Web服务s调用操作o的可用性，DS(s,o)为服务和操作层的领域QoS规格。
每个QoS规范说明包括一个四元组，即QoSi(s,o)=，其中，name为参数名称，comparisonOp为比较操作符，val为数量值，unit为度量单位。。
根据功能语义和服务质量语义，任何一个服务匹配和服务发现操作的整个语义可定义如下：OP(si,oj)=。其中F(si,oj)是功能语义，描述服务可以做什么，即具体完成什么功能；QoS(si,oj)是QoS规则说明，保证Web服务如何实现可以完成得更好。语义将会伴随Web服务的整个生命周期，参与复杂的语义交互操作，为Web服务高质量、高效率的实现提供了切实可行的保障。
3 结束语
在当今的分布式计算环境下，语义WEB技术在实际的应用领域中起到了关键性的作用，应用领域中的服务发现和服务合成是以服务匹配技术为基础的，语义在服务匹配系统中扮演着重要角色。通过对服务匹配系统中的语义分析，深入理解智能化匹配的实质。为彻底改善匹配系统的智能化程度带来了深刻影响。下一步的研究将侧重各种语义的详细分析，如何将多种类型的语义结合在具体的应用系统中，通过不同类型语义描述的结合来实现更高效的智能化服务匹配。
参考文献：
[1]满君丰，邱银安,等.语义Web服务框假模型研究[J].计算机继承制造系统,2005,10(11):1375-1379.
[2]MAN Junfeng,LIU Qiang,YANG Ding. Research on the representation method of spatial data[J]. Computer Application,2004,24(11):97-100.
[3]AGGARWAL R, VERMA K, MILLERJ. Constraint driven Web service composition in METEOR-S[A]. Proceedinggs of IEEE International Conference on Services Computing[C].California, CA, USA:World Scientific Public Co.2004.111-114.
[4]ZHENG Xiaodong, WANG Zhijian, ZHOU Xxiaofeng. Research and implementation of a distributed-computingmodel based on Web service[J].Computer Engineer and Application,2004,49(1):144-147.
[5]McGuinness. Web ontology language(OWL)[EB/OL]. 省略/2001/sw/WebOnt/,2002.
[6]CARDOSOJ, SHETH P. Semantice-workflow composition[J]. Journal of Intelligent Information Systems,2003,21(3):191-255.
[7]CARDOSO J, SHETH A,MILLER J.Quality of service for workflows and Web service processes[J].Journal of Web Semantics,2004,24(3):25-32.
[8]尹晓璐，李广军. 基于语义的Web服务查询[J].实验科学与技术,2005(1) .
[9]张维明，宋峻峰.面向语义WEB的领域本体表示、推理与继承研究[J].计算机研究与发展,2006，43(1).
随着云计算研究与应用的逐步展开和迅速普及， 服务的数量增长速度也不断加快。在这样一个海量的集合上，通过服务发现和组合来满足用户的服务需求， 其难度在不断增加。一方面由于服务具有分布、自治的特征， 且数量急剧增长，在海量的服务资源中选择可互操作的服务候选者存在巨大困难; 另一方面云计算环境中用户需求多变， 业务流程日益复杂， 服务资源无法即时适应其变化。计算要求面向用户需求，以服务为基本单位， 通过服务的协同和交互快速构建软件系统， 已经成为构建大规模分布式系统的主流计算方式， 这就迫切需要发展一种新的服务发现框架。
传统的服务发现机制通常关注服务本身的属性和内在特征，而忽略了服务发现的宗旨是来尽可能满足用户的需求，这必然成为按需服务发现的瓶颈。 要提高服务资源发现的效率和质量，需要以需求为引导，为需求者提供一种更好的服务表现形式，将需求者最关心的内容呈现给他们，而将服务实现的技术细节尽可能的隐藏起来，减少服务提供者和服务需求者对于服务理解上存在的鸿沟，让用户快速定位到自己真正需要的服务资源。
本体（Ontology）是用于描述或表达某一领域知识的一组概念或术语，它可以用来组织知识库较高层次的知识抽象，也可以用来描述特定领域的知识， 利用本体知识规则集的表现方式，聚类分析Web信息在语义层次上的共享和交换， 可以大大加强Web的功能， 使其成为自然语言处理， Web信息检索， 数据库和知识库的管理， 异构数据集成， Web页面语义研究，快速揭示海量信息资源中用户在语义、语用和知识上的需求。在越来越多的研究中开始利用本体解决特定环境下的语义搜索和标签聚类的需求， 发现用户共同关心的需求等核心问题。
从现有知识源（如文本、词典、遗留知识库或本体、数据库模式等）获取领域知识、以（半）自动方式构造或改编本体，即所谓的本体学习（Ontology Learning），是开发本体的有效途径。人们已进行了许多有关语义Web基础架构如本体语言OWL、编辑器、推理引擎等方面的工作，在聚类搜索引擎的理论研究中，O. Zamir提出Web信息聚类的STC（Shared Term Clustering）方法，依靠共同词组进行聚类， 以后缀树的层次结构作为类的层次结构，其中关键词组的发现没有考虑词组的稳定性和完整性，没有考虑语义的问题，不能适用于中文等语言， D.Cutting等人提出Web信息聚类的Scatter/Gather系统，由于是采用传统的启发式聚类算法进行聚类，难以避免启发式聚类算法的种种缺点。Y. Wang等人提出基于超链接（hyperlink）进行万维网信息聚类，这种方法需要下载并分析实际的网页，因此不可能做到在线聚类。
本文提出一种基于本体的Web页面聚类系统，综合聚类方法和领域知识的优点，将用户提交的查询与领域本体匹配， 提取背景知识来提供聚类的参数确定同时也增强了聚类结果的可解释性， 通过将其应用到搜索引擎的背景下，大大方便了用户需求信息的查找，同时聚类用户需求，实现查询集合的优化。
二、本体的应用
Internet上的信息资源具有海量、分布、动态、复杂、开放等特点，需求本体信息的发现， 用户如何从这些海量的数据中查找自己所需要的有用的信息， 自动地从Web上发现、抽取和过滤信息，同时满足用户在特殊环境下的语义、语用和知识上的需求成为自动文本信息抽取的一个重要环节。文本信息抽取（text information extraction）是指从文本中自动抽取相关的或特定类型的信息。 目前文本信息抽取模型主要有三种： 基于词典的抽取模型， 基于规则的抽取模型和基于隐马尔可夫模型（Hidden Markov Model， HMM）的抽取模型。采用HMM 存在的主要问题是没有考虑文本的上下文特征信息和文本词汇本身包含的特征信息， 而这些信息对于实现正确的文本信息抽取是非常有用的。
面对快速增长的Web信息，很多基于Web的应用面临着相关领域本体缺乏的问题，因为许多的本体构建严重依赖于以专家为中心的方式实现的， 这种以手工为主的构建不仅代价很高，无法进行大规模扩展，同时要促使大量的用户和领域专家为语义Web来构建本体也存在相当的困难，因此研究自动的，通用的领域本体构建方法是解决这一问题的关键。
本体是共享概念模型的明确的形式化规范说明，它一方面可以帮助用户明确其信息需求，把未意识到的、未清晰表达的客观信息需求进一步显性化;同时让系统确定检索词在本体中的确定位置，从而帮助机器理解用户的检索意图，为用户提供更精确、更相关的知识和信息。 Web上的搜索引擎部分地解决了资源发现的问题，但由于它的策略是基于关键字的匹配，缺乏对Web文档内容的全面把握和深层语义的正确理解，因此返回的结果远不能使用户满意。搜索结果中包括大量与用户需求无关的信息， 从而使用户需要花费大量的时间去找到自己真正需要的信息， 因此找到一种有效的方法解决这些问题具有重要意义。 随着语义识别技术的发展，出现了多种基于Web的本体描述语言，如RDF（Resource Description Framework），DAML+OIL，OWL（Ontology Web Language，参考Http：//）等。OWL作为W3C的推荐标准，是其所倡导的语义万维网（Semantic Web）的核心技术之一， 意在提供一种语言， 能够用于描述Web文档和应用中因有的类和类之间的关系。它通过定义类和类的属性来形式化一个领域， 声明和定义对象和对象的属性， 以及在OWL形式化语义允许的程度上对类（Class）和个体（Individual）进行推进。在这些方法中， 主要分为两大类：一类是脱机的聚类， 主要是通过网络蜘蛛（Spider）采用一定的爬行策略从各网站收集网页， 然后再对其聚类， 比较典型的有根据包法来给出一种相似度量;另一类是联机的方法，这种方法主要通过对查询结果聚类，主要是以主体为依据进行聚类。比较著名的Vivisimo就是采用的这种方法，还有相关的如Grouper与Carrot等。这些方法都在一定的程度上取得了好的效果。但在本质上没有对用户查询的意图很好现解，在聚类的时候决定聚类的个数时不能很好地确定，从而使得最后的聚类结果的可解释性方面比较差。
三、基于本体的Web页面聚类的具体实现过程
基于本体的Web页面聚类系统，主要分为四个部分，如图1所示：页面采集与预处理，本体的应用，页面的特征表示，聚类。
图1 模型结构
具体的系统模型结构和处理过程为：在模型中根据用户提交的查询返回一个结果集， 同时解析用户提交的查询后将其匹配到一个领域本体，得到一个分类的背景知识，然后对结果集体进行分类区分为XML或HTML，然后分别对页面进行解析，再根据领域本体对解析后产生的特征向量进行降维，从而为下一步的聚类做好准备，然后在分类背景知识的启发下对页面的特征表示向量进行聚类，并用用户提交的查询与领域本体匹配得到的信息作为聚类结果的表示依据，这样的有效加快聚类的收敛速度，同时提高了结果的可解释性。
1. 页面的收集与预处理
页面的收集主要采用网络蜘蛛根据一定的策略从网站上采集相关的网页，然后对这些页页进行预处理。
Web数量预处理就是去掉Web页面中与需要信息无关的其他内容，提取对分类和过滤有用的信息。主要分为两个过程：一个是对页面中控制符的分析，然后是怎样处理这些控制符。页面中控制符主要包括标题，即网页源代码中用（<title>和[</title>标记的文字;关键字;页面描述，跟关键字类似的，在网页的头部说明中可以使用<meta name=
"description" content="..." />的形式来描述页面内容;链接，链接元素用来描述两个文档或者文档和URL之间的关系;网页的正文部分：除了少数的专业网站外，大部分网站都是主要用自然语言书写。对于在HTML文档中出现的各种控制符号没必要把所有的都考虑进去，在实际训练的过程中，为了简化分析处理过程，仅考虑下面的控制符：TITLE（标题），META（置标），HREF（链接）等。
在本文中挖掘时用到的本体侧重于一个较小的主题，对应于一个较小的领域应用。 因此在此描述的是现实中的一个较小的领域应用，同时在应用中采用OWL来描述。下面是一个计算机媒体OWL本体，其中的一个类层次如图2所示。
图2 类层次
其中一个类的OWL语言描述如下：
<owl：Class rdf：ID=“人工智能”>
<rdfs：subClassOf rdf：resource=“#媒体”/>
</owl：Class>
2. 本体的匹配
将一个词汇的集合映射到一个领域本体时，希望得到一个公认的概念集，开始我们有一个集合O={O1， O2，…，On}，通过将集合O与领域本体匹配后我们得到一个概念集C={C1，C2，…， Cm}，这个领域本体用OWL表示的本体有三种对象，制定四种不同的映射，具体如下：
（1）当集合O中Oi（i=1，2，…，n）与本体中类可以直接匹配时，将匹配到的概念Cj（j=1，2…m）直接加入集合C中。
（2）当集合O中Oi（i=1， 2，…， n）与本体中类属性可以直接匹配时，如果还和别的类匹配或那个类的实例匹配时，则遵循类的优先性最高，实例次之，属性最低，则将该类或实例所属的类作为匹配的概念输出，否则，则将该属性属于的类加入到集合C中。
（3）当集合O中Oi（i=1，2，…，n）与本体中某个个体匹配时，当不与其它的类或属性匹配时，则直接将其所属的类加入集合C中，否则根据优先级将其类名作为概念加入集合C中。
（4）当集合O中的元素与任何一个对象匹配不上时，则将其丢弃。
在语义相似度的计算中，在本文定义了一个新的计算概念之间的模型，具体的定义如下：一个概念C1和一个概念C2，它们各自在本体中定义的属性为C1={C11，C12，...，C1n }：C2={C21， C22， ...， C2m}，当{C11，C12， ...，C1n }* C22， ...， C2m}={P1， P2， …， Pk}，同时定义其中集合P={P1， P2， …，Pk}中每个概念的权重分别为{w1，w2，…，wk}，则可以得到两概念之间的相似性为：
Sim（C1，C2）=（w1+w2+…+wk）/k
通过将两个概念的属性的集合相交，得到一个集合，然后根据每个集合中每个元素的权重相加后求平均值，这样把这个值作为两个概念之间的相似度。
3. 基于本体的VSM表示模型
通过对文本集进行一定的特征提取后，得到每个文档的一个特征向量，得到特征向量后，通过将每个特征项与领域本体匹配，然后得到一个与本体匹配的新的特征向量。
通过分词后，每个文档表示成di（t1，t2，…tn）（其中i=1，2，…m），将tj（j=1，2，…n）与领域本体匹配后得到一个新的向量Ont_d1=（c1，c2，…cn）。在传统的VSM模型中，文本空间被看作是一个有一组正交词条表示的向量空间，每个文本表示为其中一个规范化特征向量V（d）=（（t1，w1（d）;t2，w2（d）…tn，wn（d）），其中t1为词条项，w1（d）为t1在d中的权重。TF-IDF是一种常用的词条权重确定方法。由于ti在文本中既可以重复出现又应该有先后次序关系，分析起来有一定难度，为了简化分析，可以暂不考虑ti在文本中的先后次序并要求ti互异（即没有重复）。这时可以把t1，t2，…tn看成一个n维的坐标系，而w1，w2…wn为相应的坐标值，因此一个文本就表示为n维空间的一个向量，我们称V（d=（w1，w2…wn）为文本d的向量表示或向量空间模型。其中每个词条的权重计算如下：
tfidf（d，t）：=tf（d，t）×log（■）
其中D为文档集，d为任意文档，t为一个文档中的词，tf（d，t）为t在文档d中出现的频率，|D|为文档集的总数，tf（t）为词t在文档集中出现的次数，那么tfidf（d，t）就为词t在文档d中的权重。
由于现在的词条都是通过把以前的词匹配到领域本体上得到的一个概念向量，因此会得到新的一个计算权重的公式：
cwi■ptwk
其中cwi为概念c在表示文档di时的权重，twk为匹配前的词根据TF-IDF计算得到的权重，其中p为：
p=1 twk与概念cwi匹配0 twk与概念cwi不匹配
通过将所有的与概念匹配的词条的权重相加，那么得到一个新的表示一个文本的词义表示模型，每一个文本可以表示成V（d）=（cw1，cw2，…cwm）。
4. 基于本体的K-Means聚类算法
以此初步构建的本体结构复杂，冗余数据较多，运用K-中心点聚类算法对其调整，完成用户兴趣本体构建。选用该聚类算法，是因为其考虑了概念间关系，避免了文本聚类带来的语义信息丢失。在K-Means中需要初始的聚类参数，也就是确定聚类点的数目，这对用户来说是很难确定的，在这里通过将用户的查询匹配到领域本体上确定一个聚类点的数目Ont_k，然后再聚类完成后结果的展示也以匹配的概念来表示，这样很好地解决了传统方法中聚类的结果可解释性不强的问题。算法的描述如下：
（1）根据用户提交的查询的关键字匹配到一个领域本体上得到一个概念分类数Ont_k，作为要生成的聚簇数目k;
（2）按某种原则选取k个初始聚簇中心，C（ c1，c2，…ck），采用随机选取原则，设置初始迭代次数为r=1;
（3）对文本集合中没有分好类的每个文本di，依次计算它与各个聚簇中心cj的相似度sim（di，cj），这里将欧风里德距离作为相似度计算公式;
（4）计算新的聚簇中心，新的聚簇中心为这一轮迭代中分到该聚簇中的所有文本特征向量的均值，即
cj=■■d
其中Fi为聚簇cj的文本集合，nj为Fj中的文本数，d为文本特征向量;
（5）如果所有聚簇中心均达到稳定或者说准则函数收敛，结束;否则，r=r+1，goto（4）;
（6）通过将中心点与概念类匹配，确定其对应的表示方式。
由此可知，该算法是基于迭代的过程。通常，初始点不同，聚类结果也不同。该算法运行速度快，时间复杂性为o（knr），其中n为总文本数，k为聚簇数，r为迭代次数。算法的缺点是必须事先确定k值，而在许多情况下，无法事先知道文本集合中的主题类别数目，在这里通过与领域本体匹配，确定了k的数目，大大提高了收敛速度。
四、 多用户需求发现本体构建
多用户兴趣本体构建通过聚类调整得到更直观的用户兴趣本体，该本体概念由高频特征词组成，打破领域本体局限，实现多领域用户兴趣的挖掘。如果将有关联用户的兴趣本体合并，构建多用户兴趣本体，可发现用户潜在兴趣，其过程分为用户聚类和本体合并两步。
（1）用户聚类。从后台数据库中提取用户信息，包括性别、年龄、受教育程度、从事行业等维度。选用K-means 算法对其聚类，找出关联客户。
（2）用户兴趣本体合并。将关联客户的兴趣本体用数据模型表示并按如下公式逐一合并，可得到多用户兴趣本体。用Ca， Cb分别表示A，B用户兴趣概念，Ra， Rb分别表示用户的分类关系集合，合并公式如下：
（Ca∪Cb）∩（Ra∪Rb）∩（（Ca*Ra）∪（Ca*Rb）） ∩ （（Cb*Ra）∪（Cb*Rb））
由此，完成多用户本体的构建。
该本体由多个用户兴趣本体合并而成，合并后概念和关系数量迅速增加，可对其再进行一次无尺度图K-Means聚类调整。
五、 结束语
本文通过将领域本体与文本的聚类方法结合，在搜索数据返回的结果的背景下，对页面集进行聚类，根据用户提交的查询与领域本体的匹配，得到聚类参数和最后可解释的概念表述方式，在特征向量模型的构建方面通过将页面分词后的词语与本体匹配得到一个概念的向量模型，这样有效地提高了聚类的速度和增加了聚类结果的可解释性，并在一个引擎的环境下实现。
一、第三方物流的基本概念及其产生
1）第三方物流的概念
第三方物流（the third—party logistics）的概念源自于管理学中的Out－souring。Out－souring意指企业动态地配置自身和其它企业的功能和服务，利用外部的资源为企业内部的生产经营服务。将Out一souring引人物流管理领域，就产生了第三方物流的概念。所谓第三方物流是指生产经营企业为集中精力搞好主业，把原来属于自己处理的物流活动，以合同方式委托给专业物流服务企业，同时通过信息系统与物流服务企业保持密切联系，以达到对物流全程的管理和控制的一种物流运作与管理方式。因此第三方物流又叫合同制物流（Contract logistics）。提供第三方物流服务的企业，其前身一般是运输业、仓储业等从事物流活动及相关的行业。从事第三方物流的企业在委托方物流需求的推动下，从简单的存储、运输等单项活动转为提供全面的物流服务，其中包括物流活动的组织、协调和管理、设计建议最优物流方案、物流全程的信息搜集、管理等。第三方物流的概念已广泛地被西方流通行业所接受，亚太物流协会副主席澳大利亚墨尔本理工大学教授哈蒙德到我国参观考察时曾在多种演讲场合宣传第三方物流的概念及其应用。
北方交通大学的丁晓琳等在《物流技术》1999年第三期《不可忽视的“第三方物流”一文中对美国第三方物流的现状及发展趋势作了如下介绍：“1997年，在美国主要市场（汽车、化学、计算机。日用品、医药品、医疗器械）第三方物流的占有率达到73％，还有16％的企业研究未来使用第三方物流……”对于第三方物流的评价，该文也给出了一个抽样调查结果：“29％认为成功，54％回答基本上成功……”
（二）第三方物流产生的原因
1、第三方物流产生是社会分工的结果
在Out-souring等新型管理理念的影响下，各企业为增强市场竞争力，而将企业的资金、人力、物力投人到其核心业务上去，寻求社会化分工协作带来的效率和效益的最大化。专业化分工的结果导致许多非核心业务从企业生产经营活动中分离出来，其中包括物流业。将物流业务委托给第三方专业物流公司负责，可降低物流成本，完善物流活动的服务功能。
2、第三方物流的产生是新型管理理念的要求
进人九十年代后，信息技术特别是计算机技术的高速发展与社会分工的进一步细化，推动着管理技术和思想的迅速更新，由此产生了供应链、虚拟企业等一系列强调外部协调和合作的新型管理理念，既增加了物流活动的复杂性，又对物流活动提出了零库存、准时制、快速反应。有效的顾客反应等更高的要求，使一般企业很难承担此类业务，由此产生了专业化物流服务的需求。第三方物流的思想正是为满足这种需求而产生的。它的出现一方面迎合了个性需求时代企业间专业合作（资源配置）不断变化的要求，另一方面实现了进出物流的整合，提高了物流服务质量，加强了对供应链的全面控制和协调，促进供应链达到整体最佳性。
3、改善物流与强化竞争力相结合意识的萌芽
物流研究与物流实践经历了成本导向、利润导向、竞争力导向等几个阶段。将物流改善与竞争力提高的目标相结合是物流理论与技术成熟的标志。这是第三方物流概念出现的逻辑基础。
4、物流领域的竞争激化导致综合物流业务的发展
随着经济自由化和贸易全球化的发展，物流领域的政策不断放宽，同时也导致物流企业自身竞争的激化，物流企业不断地拓展服务内涵和外延，从而导致第三方物流的出现。这是第三方物流概念出现的历史基础。
二、信息技术发展对第三方物流概念的影响
第三方物流之所以在短短几年内逐步完善，得到西方的认可，是与信息技术的广泛应用分不开的。信息技术所起的关键作用，可综合为以下几点：
（一）支持其独立
信息技术的参与，使物流行业的专业性增强，最终促使其从企业其它业务中成功地分离出来。一方面，在各类信息技术尤其是目前新兴的网络技术的支持下，各企业间的商务合作可以通过网络磋商。协调、交易和结算，原材料、零部件的供应地、生产地和消费地三者分离已很普遍，多方参与同一项生产的同时又要求尽量减少库存，使物流活动难度增加，专业性增强。另一方面，信息技术大量应用于物流领域中，专业信息处理系统。条码技术。自动分拣／存取巧跟踪系统、电子订货系统。电子数据交换等技术的产生推动了物流活动向信息化、自动化、网络化、智能化和柔性化方向发展，加速了物流行业成为高新科技产业的一份子，从而降低了企业自己管理物流业务的必要性。
（二）促进沟通和合作
信息技术的介人支持第三方物流与供应链中其它环节的沟通与信息共享，并根据物流需求方的工作进展．及意向调整物流计划，提供最优的物流方案。许多原来不可能实现的管理思想如零库存。准时制、快速反应等，在信息技术条件成熟后，其实现成为可能，保证了作为服务方的第三方物流的高质量工作，促进了整个供应链的高度集成，使物流网络真正实现增值网的功能。
（三）加强管理和控制
第三方物流通过与供应商。制造商、分销商、用户等建立EDI联系、应用条形码、实行货物实时跟踪，来获得需求可见性和资产可见性，据此提出简洁、高效、符合各方需求的物流方案，进而控制第三方物流的活动进程，对整个供应链条的补给和供应加以调整，从而达到从原材料的供应到商品消费前整个物流过程的高效率和低成本的目的。
第三方物流是在信息技术的支持下成长起来的，如果没有小批量生产。精益生产、柔性加工、敏捷制造等现代生产方式，第三方物流根本没有存在的必要，没有现代信息技术，第三方物流也无法满足这类现代生产方式的要求。
三、第三方物流为物流中心带来新的机遇和挑战
目前我国的物流业还处于起步阶段，随着物流业在国民经济中的地位日益提高，我国发展物流业已成当务之急。第三方物流概念的出现，为生产经营者提供了开放的。良好的物流服务体系，也为物流中心提供了新的发展机遇，即通过物流活动的管理和组织，将物流服务作为一种资源提供给需要的企业。
（一）第三方物流概念为物流中心带来新的机遇
其一，物流需求的产生为物流中心的发展提供了机会，企业的物流服务需求是物流中心提供物流服务的基础。Out—souring等管理理念的应用，会使更多企业接收和应用第三方物流。过去，流通企业常直接进行贸易活动，与生产经营企业共同分享商品利润，容易同生产经营企业产生利益矛盾。一旦条件允许，生产经营企业就跳过流通企业直接进行交易。表面上看生产经营企业可从中收回一部分利润，实际上这些企业付出的物流成本之高难以计数。第三方物流概念的出现，使企业从大而全的误区中解脱出来，寻求专业化的第三方物流企业管理其物流活动，由此产生了物流服务需求，物流中心以其专业化的管理、优良的设施设备、高效的服务成为提供需求的首选企业。
其二，高品质的物流服务为物流中心带来更多机遇。当生产经营企业产生物流服务需求时，物流中心应迅速准确地提供物流的设计。管理、组织、协调。实施、沟通等第三方物流服务。此时物流中心与生产经营企业共同分享的乃是第三方物流服务所带来的物流成本节约的一部分，易与生产企业达成共识和合作，而良好的共识和合作则是形成供应链并保证供应链高效工作的首要条件。满意的物流服务供给，会促进更多物流需求的产生，这是一个良性循环的过程。
其三，信息技术及供应链理论的应用，将为第三方物流提供良好的发展环境。作为第三方，需与委托方和相关方面保持密切联系，共享需求和物流信息，高科技信息技术的广泛应用为其打下了良好的工作基础。供应链理论的推广，使接受物流服务的各方都认识到第三方物流带来的好处，同时认识到协调和合作的重要性，支持第三方物流的发展。
（二）物流中心面临的挑战
作为物流服务的提供者，物流中心面临着巨大的挑战。
其一，在思想认识上，与第三方物流概念还存在着一定的差距。以往的物流，主要强调通过内部信息的利用和共享，达成高效的物流，赚取利润。而第三方物流，则更强调提供最有利于用户的服务，强调与供应链中其它成员的联系和合作，认为第三方物流企业的利润来自于委托物流成本节约的一部分，两者间的利益是一致的。目前大多数物流企业还没有形成这样的管理策略，在认识上还没有意识到第三方物流或合同制物流应该成为企业生存和发展的基石。同时生产经营企业的管理人员也没有充分认识到Out—sourcing管理策略对于改善其物流系统提高其竞争力的重要意义。
其二，人员素质上，物流业将朝着信息化、自动化、网络化的方向发展，第三方物流也是高新技术支持下的管理策略。它要求物流工作人员掌握计算机知识、网络知识、自动化技术，掌握物流优化管理理论与方法，但是目前我国的物流企业工作人员的业务素质较低，难以达到第三方物流概念要求的提供综合物流业务的要求。同时生产经营企业的管理人员也还缺乏有关实施Out—sourcing策略的业务素质。
其三，硬件设施设备方面，我国物流中心的设施设备普遍比较落后，未达到第三方物流的条件，智能化、自动化仓库还比较少，仓储运输系统的整合效能比较低，尤其是自动化技术和计算机网络技术，还不能保证随时随地的资产可见，也不能形成对物流服务需求全面及时的了解，更难以达到对物流过程的合理、有效的控制，难以满足货主企业的要求。
其四，管理水平上，第三方物流不但对物流企业管理自身的能力有很高的要求，还要求企业有在复杂情况下（兼顾多方需求）的管理和协调能力。而我国的很多企业还停留在经验管理、粗放管理阶段，未能解决好先进管理思想、管理方法、管理技术的实际应用问题；另一方面，由于技术、设备等条件的落后，致使管理水平难以上台阶。
其五，信息技术上，第三方物流要求能及时获取各成员的信息，适时和适量地安排供应和存货。我国的网络普及情况较差，EDI技术还很落后，难以实现不同计算机系统之间数据的传递和交换，将影响物流中心与用户各方的沟通和协作，阻碍物流服务质量的提高。
四、应用第三方物流概念发展我国物流中心的应对策略
综上所述，为了加快我国物流中心向第三方物流基地转化，拓展物流服务市场需求，应从以下几个方面着手准备应对策略：
1、加强物流中心是提供第三方物流服务的物流基地的认识，要求物流中心以建立供应链为目的，并以供应链其它成员的利益为出发点，站在供应链的角度理解和管理物流。只有这样，才能更好了解用户的需求，从用户的角度出发，提供全方位的服务；也只有这样，才能以正确的态度加强同用户的合作，协同供应链各方最大限度地减少物流费用，提高物流服务的效益。同时积极加大物流意识特别是第三方物流概念的宣传普及工作，让更多的生产经营者理解“第三方物流”、“合同制物流”，理解Out—sourcing的管理策略，刺激第三方物流的市场需求。
2、加强对专业物流人员的专业知识的培训，培养他们对信息技术等高科技知识的学习、掌握和运用的能力，为将来的物流现代化打下坚实的人才基础。利用各种机会加强有关第三方物流概念以及物流管理理论方法的学习。同时可以资助有关院校对于MIM学员。在职进修干部进行物流知识、物流资源优化配置方面的知识培训，这些人对于未来的第三方物流市场的需求将起到重要作用。这是一种远期投资，从物流中心的长远发展考虑值得投资。
3、作为连接供应和消费各方的枢纽，要求物流中心必须具备先进自动化设施设备。这些设备应该从物流中心延伸到供应链的末端。除了传统的物流自动化技术以外，要加强对于物流过程资产可见性系统的研究开发与应用。
4、在物流管理活动中，要破除旧的管理思想的束缚，加强高科技技术在管理实践中的运用，增强物流活动的可控性，切实提高物流管理水平。
一、第三方物流的基本概念及其产生
1）第三方物流的概念
第三方物流（the third—party logistics）的概念源自于管 理学 中的out－souring。out－souring意指企业动态地配置自身和其它企业的功能和服务，利用外部的资源为企业内部的生产经营服务。将out一souring引人物流管理领域，就产生了第三方物流的概念。所谓第三方物流是指生产经营企业为集中精力搞好主业，把原来属于自己处理的物流活动，以合同方式委托给专业物流服务企业，同时通过信息系统与物流服务企业保持密切联系，以达到对物流全程的管理和控制的一种物流运作与管理方式。因此第三方物流又叫合同制物流（contract logistics）。提供第三方物流服务的企业，其前身一般是运输业、仓储业等从事物流活动及相关的行业。从事第三方物流的企业在委托方物流需求的推动下，从简单的存储、运输等单项活动转为提供全面的物流服务，其中包括物流活动的组织、协调和管理、设计建议最优物流方案、物流全程的信息搜集、管理等。第三方物流的概念已广泛地被西方流通行业所接受，亚太物流协会副主席澳大利亚墨尔本理工大学教授哈蒙德到我国参观考察时曾在多种演讲场合宣传第三方物流的概念及其 应用 。
北方 交通 大学的丁晓琳等在《物流技术》1999年第三期《不可忽视的“第三方物流”一文中对美国第三方物流的现状及发展趋势作了如下介绍：“1997年，在美国主要市场（汽车、化学、 计算 机。日用品、医药品、医疗器械）第三方物流的占有率达到73％，还有16％的企业 研究 未来使用第三方物流……”对于第三方物流的评价，该文也给出了一个抽样调查结果：“29％认为成功，54％回答基本上成功……”
（二）第三方物流产生的原因
1、第三方物流产生是 社会 分工的结果
在out-souring等新型管理理念的 影响 下，各企业为增强市场竞争力，而将企业的资金、人力、物力投人到其核心业务上去，寻求社会化分工协作带来的效率和效益的最大化。专业化分工的结果导致许多非核心业务从企业生产经营活动中分离出来，其中包括物流业。将物流业务委托给第三方专业物流公司负责，可降低物流成本，完善物流活动的服务功能。
2、第三方物流的产生是新型管理理念的要求
进人九十年代后，信息技术特别是计算机技术的高速发展与社会分工的进一步细化，推动着管理技术和思想的迅速更新，由此产生了供应链、虚拟企业等一系列强调外部协调和合作的新型管理理念，既增加了物流活动的复杂性，又对物流活动提出了零库存、准时制、快速反应。有效的顾客反应等更高的要求，使一般企业很难承担此类业务，由此产生了专业化物流服务的需求。第三方物流的思想正是为满足这种需求而产生的。它的出现一方面迎合了个性需求 时代 企业间专业合作（资源配置）不断变化的要求，另一方面实现了进出物流的整合，提高了物流服务质量，加强了对供应链的全面控制和协调，促进供应链达到整体最佳性。
3、改善物流与强化竞争力相结合意识的萌芽
物流研究与物流实践经历了成本导向、利润导向、竞争力导向等几个阶段。将物流改善与竞争力提高的目标相结合是物流理论与技术成熟的标志。这是第三方物流概念出现的逻辑基础。
4、物流领域的竞争激化导致综合物流业务的发展
随着 经济 自由化和贸易全球化的发展，物流领域的政策不断放宽，同时也导致物流企业自身竞争的激化，物流企业不断地拓展服务内涵和外延，从而导致第三方物流的出现。这是第三方物流概念出现的 历史 基础。
二、信息技术发展对第三方物流概念的影响
第三方物流之所以在短短几年内逐步完善，得到西方的认可，是与信息技术的广泛应用分不开的。信息技术所起的关键作用，可综合为以下几点：
（一）支持其独立
信息技术的参与，使物流行业的专业性增强，最终促使其从企业其它业务中成功地分离出来。一方面，在各类信息技术尤其是 目前 新兴的 网络 技术的支持下，各企业间的商务合作可以通过网络磋商。协调、交易和结算，原材料、零部件的供应地、生产地和消费地三者分离已很普遍，多方参与同一项生产的同时又要求尽量减少库存，使物流活动难度增加，专业性增强。另一方面，信息技术大量应用于物流领域中，专业信息处理系统。条码技术。自动分拣／存取巧跟踪系统、电子订货系统。电子数据交换等技术的产生推动了物流活动向信息化、自动化、网络化、智能化和柔性化方向发展，加速了物流行业成为高新科技产业的一份子，从而降低了企业自己管理物流业务的必要性。
（二）促进沟通和合作
信息技术的介人支持第三方物流与供应链中其它环节的沟通与信息共享，并根据物流需求方的工作进展．及意向调整物流计划，提供最优的物流方案。许多原来不可能实现的管理思想如零库存。准时制、快速反应等，在信息技术条件成熟后，其实现成为可能，保证了作为服务方的第三方物流的高质量工作，促进了整个供应链的高度集成，使物流网络真正实现增值网的功能。
（三）加强管理和控制
第三方物流通过与供应商。制造商、分销商、用户等建立edi联系、应用条形码、实行货物实时跟踪，来获得需求可见性和资产可见性，据此提出简洁、高效、符合各方需求的物流方案，进而控制第三方物流的活动进程，对整个供应链条的补给和供应加以调整，从而达到从原材料的供应到商品消费前整个物流过程的高效率和低成本的目的。
第三方物流是在信息技术的支持下成长起来的，如果没有小批量生产。精益生产、柔性加工、敏捷制造等 现代 生产方式，第三方物流根本没有存在的必要，没有现代信息技术，第三方物流也无法满足这类现代生产方式的要求。
三、第三方物流为物流中心带来新的机遇和挑战
目前我国的物流业还处于起步阶段，随着物流业在国民经济中的地位日益提高，我国发展物流业已成当务之急。第三方物流概念的出现，为生产经营者提供了开放的。良好的物流服务体系，也为物流中心提供了新的发展机遇，即通过物流活动的管理和组织，将物流服务作为一种资源提供给需要的企业。
（一）第三方物流概念为物流中心带来新的机遇
其一，物流需求的产生为物流中心的 发展 提供了机会， 企业 的物流服务需求是物流中心提供物流服务的基础。out—souring等管理理念的 应用 ，会使更多企业接收和应用第三方物流。过去，流通企业常直接进行贸易活动，与生产经营企业共同分享商品利润，容易同生产经营企业产生利益矛盾。一旦条件允许，生产经营企业就跳过流通企业直接进行交易。表面上看生产经营企业可从中收回一部分利润，实际上这些企业付出的物流成本之高难以计数。第三方物流概念的出现，使企业从大而全的误区中解脱出来，寻求专业化的第三方物流企业管理其物流活动，由此产生了物流服务需求，物流中心以其专业化的管理、优良的设施设备、高效的服务成为提供需求的首选企业。
其二，高品质的物流服务为物流中心带来更多机遇。当生产经营企业产生物流服务需求时，物流中心应迅速准确地提供物流的设计。管理、组织、协调。实施、沟通等第三方物流服务。此时物流中心与生产经营企业共同分享的乃是第三方物流服务所带来的物流成本节约的一部分，易与生产企业达成共识和合作，而良好的共识和合作则是形成供应链并保证供应链高效工作的首要条件。满意的物流服务供给，会促进更多物流需求的产生，这是一个良性循环的过程。
其三，信息技术及供应链 理论 的应用，将为第三方物流提供良好的发展环境。作为第三方，需与委托方和相关方面保持密切联系，共享需求和物流信息，高 科技 信息技术的广泛应用为其打下了良好的工作基础。供应链理论的推广，使接受物流服务的各方都认识到第三方物流带来的好处，同时认识到协调和合作的重要性，支持第三方物流的发展。
（二）物流中心面临的挑战
作为物流服务的提供者，物流中心面临着巨大的挑战。
其一，在思想认识上，与第三方物流概念还存在着一定的差距。以往的物流，主要强调通过内部信息的利用和共享，达成高效的物流，赚取利润。而第三方物流，则更强调提供最有利于用户的服务，强调与供应链中其它成员的联系和合作，认为第三方物流企业的利润来自于委托物流成本节约的一部分，两者间的利益是一致的。 目前 大多数物流企业还没有形成这样的管理策略，在认识上还没有意识到第三方物流或合同制物流应该成为企业生存和发展的基石。同时生产经营企业的管理人员也没有充分认识到out—sourcing管理策略对于改善其物流系统提高其竞争力的重要意义。
其二，人员素质上，物流业将朝着信息化、自动化、 网络 化的方向发展，第三方物流也是高新技术支持下的管理策略。它要求物流工作人员掌握 计算 机知识、网络知识、自动化技术，掌握物流优化管理理论与 方法 ，但是目前我国的物流企业工作人员的业务素质较低，难以达到第三方物流概念要求的提供综合物流业务的要求。同时生产经营企业的管理人员也还缺乏有关实施out—sourcing策略的业务素质。
其三，硬件设施设备方面，我国物流中心的设施设备普遍比较落后，未达到第三方物流的条件，智能化、自动化仓库还比较少，仓储运输系统的整合效能比较低，尤其是自动化技术和计算机网络技术，还不能保证随时随地的资产可见，也不能形成对物流服务需求全面及时的了解，更难以达到对物流过程的合理、有效的控制，难以满足货主企业的要求。
其四，管理水平上，第三方物流不但对物流企业管理自身的能力有很高的要求，还要求企业有在复杂情况下（兼顾多方需求）的管理和协调能力。而我国的很多企业还停留在经验管理、粗放管理阶段，未能解决好先进管理思想、管理方法、管理技术的实际应用 问题 ；另一方面，由于技术、设备等条件的落后，致使管理水平难以上台阶。
其五，信息技术上，第三方物流要求能及时获取各成员的信息，适时和适量地安排供应和存货。我国的网络普及情况较差，edi技术还很落后，难以实现不同计算机系统之间数据的传递和交换，将 影响 物流中心与用户各方的沟通和协作，阻碍物流服务质量的提高。
四、应用第三方物流概念发展我国物流中心的应对策略
综上所述，为了加快我国物流中心向第三方物流基地转化，拓展物流服务市场需求，应从以下几个方面着手准备应对策略：
1、加强物流中心是提供第三方物流服务的物流基地的认识，要求物流中心以建立供应链为目的，并以供应链其它成员的利益为出发点，站在供应链的角度理解和管理物流。只有这样，才能更好了解用户的需求，从用户的角度出发，提供全方位的服务；也只有这样，才能以正确的态度加强同用户的合作，协同供应链各方最大限度地减少物流费用，提高物流服务的效益。同时积极加大物流意识特别是第三方物流概念的宣传普及工作，让更多的生产经营者理解“第三方物流”、“合同制物流”，理解out—sourcing的管理策略，刺激第三方物流的市场需求。
2、加强对专业物流人员的专业知识的培训，培养他们对信息技术等高科技知识的 学习 、掌握和运用的能力，为将来的物流 现代 化打下坚实的人才基础。利用各种机会加强有关第三方物流概念以及物流管理理论方法的学习。同时可以资助有关院校对于mim学员。在职进修干部进行物流知识、物流资源优化配置方面的知识培训，这些人对于未来的第三方物流市场的需求将起到重要作用。这是一种远期投资，从物流中心的长远发展考虑值得投资。
3、作为连接供应和消费各方的枢纽，要求物流中心必须具备先进自动化设施设备。这些设备应该从物流中心延伸到供应链的末端。除了传统的物流自动化技术以外，要加强对于物流过程资产可见性系统的 研究 开发与应用。
4、在物流管理活动中，要破除旧的管理思想的束缚，加强高科技技术在管理实践中的运用，增强物流活动的可控性，切实提高物流管理水平。
