基于本体和二部图的网格服务发现算法研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 8-10.

基于本体和二部图的网格服务发现算法研究

朱郑州,吴中福,吴开贵,钟将

重庆大学计算机学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 朱郑州

Ontology-based grid service discovery algorithm with bipartite graph

ZHU Zheng-zhou,WU Zhong-fu,WU Kai-gui,ZHONG Jiang

College of Computer Science and Technology，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: ZHU Zheng-zhou

摘要/Abstract

摘要： 为了提高网格服务发现的查全率、查准率和效率，论文设计了一个基于本体和二部图的网格服务发现算法OGSDA-BG。该算法把请求服务和发布服务的属性集分别作为二部图顶点集，所有匹配属性之间的连线为边，边权是属性匹配度，把问题转换为二部图的最优完全匹配。实验结果表明该算法的查全率和查准率较以前的算法提高了10%~50%，尽管服务发现的效率降低10%左右，但是在可接受范围之内。

关键词: 二部图匹配, 本体, 网格服务发现, 匈牙利算法

Abstract: To improve the recall，precision，and efficiency of grid services discovery，based on ontology technology and rough sets theory，an algorithm OGSDA-BG is designed.The property sets of request service and advertise service act as the vertex sets of bipartite graph.The edge sets is made up of the lines between properties matched，and the matching degree is the weight of edges.So the problem of grid service discovery becomes the optimal complete match.Experiment indicates that the recall and precision of algorithm OGSDA-BG improved 10%~50%.Although the efficiency decreased about 10%，it can be accepted.

Key words: bipartite graph matching, ontology, grid services discovery, Hungarian algorithm

朱郑州,吴中福,吴开贵,钟将. 基于本体和二部图的网格服务发现算法研究[J]. 计算机工程与应用, 2008, 44(1): 8-10.

ZHU Zheng-zhou,WU Zhong-fu,WU Kai-gui,ZHONG Jiang. Ontology-based grid service discovery algorithm with bipartite graph[J]. Computer Engineering and Applications, 2008, 44(1): 8-10.

[1]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[2]	景庆阳，李波. 结合改进角点检测的优化核相关滤波方法[J]. 计算机工程与应用, 2021, 57(18): 194-203.
[3]	高见，王安. 基于本体的网络威胁情报分析技术研究[J]. 计算机工程与应用, 2020, 56(11): 112-117.
[4]	李金海，何有世，马云蕾，周爱平. 基于多层领域本体的知识表示通用模型研究[J]. 计算机工程与应用, 2020, 56(11): 149-155.
[5]	王思雨，何泾沙，滕达. 支持隐私信息量化与保护的访问控制系统[J]. 计算机工程与应用, 2019, 55(16): 77-87.
[6]	渠寒花1，惠建忠1，何险峰2，王慕华1，何晓凤1，丰德恩1. 气象服务形式概念分析模型研究[J]. 计算机工程与应用, 2018, 54(9): 257-264.
[7]	游运1，2，3，万常选1，3，陈煌烨1，3. 考虑对象关联关系的多样化商品推荐方法[J]. 计算机工程与应用, 2018, 54(7): 70-76.
[8]	王祯. 基于设计知识本体的工程变更影响范围分析[J]. 计算机工程与应用, 2018, 54(5): 247-252.
[9]	朱文跃，刘宗田. 基于事件本体的突发事件领域知识建模[J]. 计算机工程与应用, 2018, 54(21): 148-155.
[10]	彭飞1，张涛1，徐伟光1，赵敏1，秦恒加2. 基于本体的操作系统安全策略生成模型[J]. 计算机工程与应用, 2018, 54(2): 114-118.
[11]	王红，张昊，史金钏. 基于LDA的领域本体概念获取方法研究[J]. 计算机工程与应用, 2018, 54(13): 252-257.
[12]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[13]	韩学仁1，王青山1，郭勇1，崔兴亚2. 基于PSO-BP算法的地理本体概念语义相似度度量[J]. 计算机工程与应用, 2017, 53(8): 32-37.
[14]	陈恒1，2，李冠宇2，陈鑫影2，3. 模块化思想在大规模本体匹配中的应用[J]. 计算机工程与应用, 2017, 53(8): 149-153.
[15]	包旭光，王丽珍，陈红梅. 基于co-location模式和本体的地址选择算法[J]. 计算机工程与应用, 2017, 53(24): 15-22.