摘  要： 收集語義Web服務搜索研究的3個主要內容：服務資源的索引、搜索條件的表達和服務資源的匹配、排序方面的相關工作，對當前研究工作進行了分類歸納，最后歸納語義Web服務搜索所面臨的挑戰(zhàn)。
關鍵詞： 語義Web服務；搜索條件；索引；表達方法；匹配

1 語義Web服務搜索
    語義Web服務[1]源自2001年Berners Lee提出語義Web[2]的概念，并繼承了大量有關Web服務的研究成果，是語義Web技術和Web服務[3]技術相結合的產物。相關研究主題包括：服務發(fā)布/注冊、服務搜索、服務組合、服務調用/執(zhí)行、服務管理/監(jiān)控等。在上述研究主題中，語義Web服務搜索處于整個語義Web服務生命周期中的關鍵位置。服務的組合和調用都必須以找到滿足用戶需求的服務資源為前提條件，而服務的搜索又與語義Web服務資源的發(fā)布和注冊機制密切相關，這使得服務資源的搜索功能在整個語義Web服務生命周期中起著承上啟下的重要作用。
語義Web服務搜索利用語義Web服務的描述模型和描述語言給予Web服務的語義信息進行搜索操作[4]，以獲得滿足用戶需求的Web服務資源。這種方式能夠提高服務搜索的精度，改善用戶體驗，并為語義Web服務的組合、執(zhí)行提供更為可靠地支持。
2 語義Web服務搜索相關研究主題
　目前語義Web服務搜索相關研究的側重點都集中在如何利用語義信息進行服務的匹配，即在大量已有語義服務資源的基礎之上，快速、準確地搜索和發(fā)現滿足用戶需求的服務。對于語義Web服務搜索的研究工作，通常從以下3個方面進行，即服務資源的收集/索引、搜索條件表達/處理和服務資源的匹配/排序[5]。語義Web服務的相關研究內容和語義Web服務搜索的研究主題可用下圖1說明。

　語義服務資源的收集和索引研究涉及語義Web服務的發(fā)布和注冊機制，服務資源的收集，以及對于收集的服務資源進行索引和索引資源后續(xù)管理方面的問題。語義搜索條件的表達則主要研究提供一種方法，使用戶利用語義信息，清晰、明確地表達其對所需服務資源的需求。語義Web服務資源的匹配/排序研究用戶對Web服務資源的需求的語義描述與Web服務資源的語義信息的契合程度，并根據契合程度對服務資源進行排序，以便擇優(yōu)選擇。
3 Web服務資源收集/索引
3.1 傳統(tǒng)的注冊和發(fā)布機制
　UDDI主要提供基于Web服務的注冊和發(fā)現機制，為Web服務提供3個重要的技術支持：標準的描述Web服務的機制；調用的Web服務的機制；可以訪問的Web服務注冊中心。UDDI規(guī)范由OASIS標準化組織制定。其缺點是僅支持語法層的操作，在服務的注冊階段無法準確的描述服務的功能，而在服務的搜索階段也是僅提供基于關鍵字的匹配策略，因而無法提供精確的搜索結果。另一方面UDDI集中式Web服務發(fā)現結構也存在缺乏可擴展問題。
3.2 分布式注冊中心
　為了解決注冊中心因為缺乏有效分布式策略而導致的系統(tǒng)存在可擴展問題，Perryea等[6]提出通過注冊中心組成社區(qū)（community），利用服務間的依賴關系生成食物鏈來幫助發(fā)現Web服務，這種方式雖然提高了發(fā)現效率，卻導致大量的額外存儲，降低了可擴展性。Verma等[7]通過聯(lián)盟（federation）來組織注冊中心，即一個注冊中心可以屬于多個聯(lián)盟。這種方式會導致在極端的情況下，如一個注冊中心屬于所有的聯(lián)盟，該策略就不能很好地將注冊中心分類，無法高效地完成服務注冊和發(fā)現任務。參考文獻[8]通過P2P覆蓋網將注冊中心組織起來以提供好的可擴展性，然而采用非結構化P2P方式，很難解決系統(tǒng)內請求消息轉發(fā)次數太多導致的占用帶寬過多等問題。參考文獻[9]則通過crawler主動地訪問各個注冊中心來提取服務信息。
4 語義Web服務搜索條件表達
4.1 假想完整服務搜索條件描述模型
　以假想的完整服務描述模型來表示服務搜索條件。在參考文獻[10]中給出了以完整服務描述模型來表示報務搜索條件的一般范式。以這種方式進行的研究工作主要分為兩類：（1）基于OWL-S服務描述模型的，代表性工作有[11]；（2）基于WSMO服務描述模型的，代表性工作包括[12]。從地域上看，基于OWL-S模型進行研究工作的研究機構和人員主要分布在美國和亞洲地區(qū)，而基于WSMO模型的研究工作則集中在歐洲和大洋洲地區(qū)。此外，對于WSDL規(guī)范進行語義描述的擴展，以使其能夠描述語義Web服務的研究工作相對時間較早，現已基本偃旗息鼓。
4.2 簡化的服務描述模型元素
　以簡化后的服務描述模型元素來表示服務搜索條件。服務描述模型元素包括服務描述中的功能語義，服務的前置條件（Precondition，P），服務接口的效果（Effect，E）[13]，服務的各種操作（operation），更進一步的還有服務的輸入（Input，I）和服務的輸出（Output，O）[14]。
4.3 自定義服務搜索條件格式
　自定義服務搜索條件格式。以該種方式進行語義Web服務資源的搜索和發(fā)現的研究工作比較多，其實該類研究工作是在簡化后的服務描述模型基礎上對相關的元素進行了規(guī)范化。具體的方法有：以服務模版（Service Template）的概念表示服務的搜索請求條件；以能力描述（Capability Description）來表述語義服務的搜索請求條件；提出過程查詢語言PQL（Process Query Language），基于其提出的過程本體（process ontology）表述服務搜索條件。而更多的研究工作則基于上述簡化后的服務描述模型元素，將其抽取出來后進行規(guī)范化表述，以N元組的方式來表述服務搜索條件。如參考文獻[15]中用服務請求三元組req={reqName，InReqSet，OutReqSet}。此外，語義上下文（Semantic Context）也可以包含在服務搜索條件中。
4.4 特定語言或語法結構
　利用現有的特定語言或語法結構來表示服務搜索條件。在OWL-S 2004版本規(guī)范中，已經考慮了關于服務條件的表述，其中就包括SWRL（Semantic Web Rule Language）和KIF（Knowledge Interchange Format）。SWRL（Semantic Web Rule Language）是W3C的標準之一，作為OWLS-Lite和Rule ML的綜合，它可以表示面向OWL-S服務資源的規(guī)則，并能將其用于語義Web服務資源的搜索中。但很明顯，上述兩種描述語言只能適用于用OWL-S規(guī)范描述的服務搜索，且KIF是面向機器的、在不同程序間交換知識的語言，不適用于半自動化的、由用戶自己提交服務搜索條件的情況。這種方式直接用于語義Web服務搜索時，對用戶的要求過高[16]。
5 語義Web服務匹配/排序
5.1 基于邏輯推理的語義Web服務匹配方法
　基于邏輯推理的Web服務匹配方法是Web服務搜索的主要方法之一，即通過本體概念之間包含的邏輯關系來實現基于語義的服務匹配。當前基于邏輯推理的匹配方法主要是根據其語義關系，特別是在本體分類層次中的關系來確定。服務的接口的描述主要有輸入（Input，I）參數的語義標注、輸出（Output，O）參數的語義標注、接口的前置條件（Precondition，P）、接口的效果（Effect，E）組成。根據匹配的內容不同可以分為基于輸入輸出（IO）的匹配和基于輸入輸出和前置后置條件的匹配（IOPE）的匹配。基于IO語義匹配的匹配器有OWLSM，OWLS-UDDI，他們通過發(fā)布服務的IO與請求服務IO之間的語義包含關系來確定服務的匹配程度。基于IOPE的服務匹配除了考慮IO外，還考慮前置條件P和后置條件E，目前提出的有，采用兩階段的方法來度量用戶目標的滿足程度，第一階段度量WSMO目標模板與WSMO中Web服務匹配程度，若滿足，再在此基礎上度量目標實例與Web服務的相似度[17]。
5.2 基于語義相似度的語義Web服務匹配算法
　基于語義相似度計算的匹配方法，以本體概念之間的相似性為基礎，通過計算服務描述之間的相似性來確定服務的匹配程度。當前研究工作有，通過計算本體概念之間相同和不同的屬性來得到相似度值，其代表是Amos Tversky的基于屬性相似度的算法[18]；通過測量本體間概念連接邊長度，用概念間的幾何距離來衡量語義相關度的基于語義相似度的計算算法[19]；還有一種基于信息容量的相似度算法，其核心是根據兩個本體概念所擁有的共同部分來決定他們之間的相似度。
　從上述對語義Web服務搜索的研究工作的總結和分析中可得出以下結論。首先，語義Web服務搜索是語義Web服務研究工作中一個基礎性問題?，F有的研究工作主要集中在Web服務的匹配上，基于邏輯推理的匹配方法和基于語義相似度的匹配方法以及它們的組合的方法都為Web服務的匹配提供的豐富的選擇。隨著服務效果、服務的情景等信息的引入，有效地提高了語義Web服務匹配的質量。其次，目前尚沒有一種完備的、規(guī)范的服務搜索條件表達方式，進而使得當前的服務的匹配算法大多都是在自我假定環(huán)境中實現的，不具有通用性。最后，Web服務的注冊和索引沒有一種統(tǒng)一的規(guī)范，UDDI注冊中心的集中式Web服務發(fā)現結構存在可擴展性不足的問題。

參考文獻
[1] MCILRAITH S A， SON T C， ZENGH. Semantic web services[J]. Intelligent Systems， IEEE， 2001，16（2）：46-53.
[2] BERNERS-LEE T， HENDLER J， LASSILA O. The semantic web[J]. Scientific american，2001，284（5）：28-37.
[3] 岳昆，王曉玲，周傲英.Web服務核心支撐技術：研究綜述[J].軟件學報，2004，15（3）：428-442.
[4] 孟祥福，張霄雁，馬宗民，等.基于語義相似度的Web 數據庫不精確查詢方法[J].計算機科學，2012，39（4）： 154-158.
[5] 曾志浩.用于語義Web服務搜索的語義條件表達式的研究[D].武漢：武漢大學，2010.
[6] PERRYEA C A， CHUNG S. Community-based service discovery[C]. Web Services， 2006. ICWS′06. International Conference on. IEEE， 2006.
[7] SIVASHANMUGAM K， VERMA K， SHETH A. Discovery of web services in a federated registry environment[C]. Web Services， 2004. Proceedings. IEEE International Conference on. IEEE， 2004.
[8] 劉志忠，王懷民，周斌.一種雙層P2P結構的語義服務發(fā)現模型[J].軟件學報，2007，18（8）：1922-1932.
[9] AL-MASRI E， MAHMOUD Q H. WSCE： A crawler engine for large-scale discovery of web services[C]. Web Services， 2007. ICWS 2007. IEEE International Conference on. IEEE， 2007.
[10] GRIMM S， MOTIK B， PREIST C. Matching semantic service descriptions with local closed-world reasoning[M].The Semantic Web： Research and Applications. Springer Berlin Heidelberg， 2006.
[11] PAOLUCCI M， KAWAMURA T， PAYNE T R， et al. Semantic matching of web services capabilities[M]. The Semantic Web—ISWC 2002. Springer Berlin Heidelberg， 2002.
[12] STOLLBERG M， HEPP M， HOFFMANN J. A caching mechanism for semantic web service discovery[M]. The Semantic Web. Springer Berlin Heidelberg， 2007.
[13] BENER A B， OZADALI V， ILHAN E S. Semantic matchmaker with precondition and effect matching using SWRL[J]. Expert Systems with Applications， 2009，36（5）： 9371-9377.
[14] 張佩云，黃波，孫亞民.一種基于語義與QoS感知的 Web服務匹配機制[J].計算機研究與發(fā)展，2010（5）：780-787.
[15] 鄒國兵，向陽，甘楊蘭，等.利用語義匹配度計算的 Web服務發(fā)現方法[J].小型微型計算機系統(tǒng)，2010 （5）：807-812.
[16] 王海，高嶺，范琳，等.基于SPARQL-DL的語義Web 服務查詢[J].電子學報，2011，39（A03）：52-56.
[17] STOLLBERG M， KELLER U， LAUSEN H， et al. Two-phase web service discovery based on rich functional descriptions[M]. The Semantic Web： Research and Applications. Springer Berlin Heidelberg， 2007.
[18] TVERSKY A. Features of similarity[J]. Psychological review， 1977， 84（4）： 327-352.
[19] CRAMER I， WANDMACHER T， WALTINGER U. Exploring resources for lexical chaining： A comparison of automated semantic relatedness measures and human judgments[M]. Modeling， Learning， and Processing of Text Technological Data Structures. Springer Berlin Heidelberg，2012.