支持服务组合的需求模型及其可满足性判定

计算机科学与探索 ›› 2011, Vol. 5 ›› Issue (5): 458-466.

支持服务组合的需求模型及其可满足性判定

叶荣华¹, 金芝^2,3, 钟发荣¹

1. 浙江师范大学计算机科学与技术研究所, 浙江金华 321004
2. 北京大学高可信软件技术教育部重点实验室, 北京 100871
3. 中国科学院数学与系统科学研究院, 北京 100190

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

Requirement Model and Satisfiability Decision for Service Composition

YE Ronghua, JIN Zhi, ZHONG Farong

1. Institute of Computer Science and Technology, Zhejiang Normal University, Jinhua, Zhejiang 321004, China 2. Key Laboratory of High Confidence Software Technologies, Ministry of Education, Peking University, Beijing 100871, China 3. Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 服务组合一般是根据用户需求来查找匹配的服务并对其进行组合, 但用户需求往往是基于自然语言的, 很难用于服务的自动组合。提出了一种基于环境本体的组合服务需求模型, 该模型以环境实体上的意图为基础, 将关联意图集定义为任务。引入Petri 网作为任务间的控制逻辑关系, 并给出了一种判定需求可满足性的方法。最后选择旅行安排作为具体案例, 展示了该模型的有效性。

关键词: 组合服务需求, 意图, 任务, Petri 网, 环境本体

Abstract: Generally, the achievement of service composition depends on finding the matched services according to user requirements. Nevertheless the user’s needs, which are expressed by natural language usually, are difficult to be used for aggregating services. This paper proposes a requirement model based on environment ontology for composition service. This model is based on the concepts — intention which is defined on one environment entity, and task
which is a set of associated intentions. Furthermore, Petri net is applied to represent the relationship between tasks in one requirement, and a method to distinguish requirement is given in this model. Finally, a specific example, travel arrangement, demonstrates the effectiveness of the model.

Key words: composition service requirement, intention, task, Petri net, environment ontology

叶荣华1 , 金芝2,3 , 钟发荣1 . 支持服务组合的需求模型及其可满足性判定[J]. 计算机科学与探索, 2011, 5(5): 458-466.

YE Ronghua, JIN Zhi, ZHONG Farong. Requirement Model and Satisfiability Decision for Service Composition[J]. Journal of Frontiers of Computer Science and Technology, 2011, 5(5): 458-466.

[1]	高仰, 刘渊. 融合知识图谱和短期偏好的推荐算法[J]. 计算机科学与探索, 2021, 15(6): 1133-1144.
[2]	李颖浩, 嵩天, 杨雅婷. 面向边缘计算的组合拍卖式任务卸载机制[J]. 计算机科学与探索, 2021, 15(1): 73-83.
[3]	侯丽仙，李艳玲，林民，李成城. 融合多约束条件的意图和语义槽填充联合识别[J]. 计算机科学与探索, 2020, 14(9): 1545-1553.
[4]	杨晨，宋晓宁，宋威. SentiBERT：结合情感信息的预训练语言模型[J]. 计算机科学与探索, 2020, 14(9): 1563-1570.
[5]	赵鹏飞，李艳玲，林民. 面向迁移学习的意图识别研究进展[J]. 计算机科学与探索, 2020, 14(8): 1261-1274.
[6]	廖芸，张骁，廖士中. 统一框架下在线核选择的竞争性分析[J]. 计算机科学与探索, 2020, 14(7): 1126-1132.
[7]	刘娇，李艳玲，林民. 胶囊网络用于短文本多意图识别的研究[J]. 计算机科学与探索, 2020, 14(10): 1735-1743.
[8]	姜芸，何伟，崔立真，杨倩，刘磊. 移动情景和用户轨迹感知的众包服务推荐[J]. 计算机科学与探索, 2019, 13(9): 1471-1480.
[9]	张贤贤，王浩宇，郭耀，徐国爱. 基于众包和机器学习的移动应用隐私评级研究[J]. 计算机科学与探索, 2018, 12(8): 1238-1251.
[10]	孙怀英，虞慧群，范贵生，陈丽琼. 支持SDN的Hadoop中的时间最小化任务调度[J]. 计算机科学与探索, 2018, 12(11): 1767-1776.
[11]	裴树军，宋冬梅，孔德凯. Map/Reduce下快速剪枝算法在复杂任务调度中的应用[J]. 计算机科学与探索, 2018, 12(1): 72-81.
[12]	彭瑶，祖辰，张道强. 基于超图的多模态特征选择算法及其应用[J]. 计算机科学与探索, 2018, 12(1): 112-119.
[13]	杜晓婷，王楠. 基于上下文的飞控软件老化缺陷定位方法研究[J]. 计算机科学与探索, 2017, 11(8): 1214-1223.
[14]	张吉赞，苑雅娟. 多核共享资源冲突延迟上限优化方法[J]. 计算机科学与探索, 2017, 11(8): 1224-1234.
[15]	李艳玲，颜永红. 统计中文口语理解执行策略的研究[J]. 计算机科学与探索, 2017, 11(6): 980-987.