선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 기법은 우리가 이전에 제안한 "SOA 기반 웹서비스 조합시스템[19]"을 효율적으로 구현하기 위해 개발되었다.
- 본 논문에서는 구문 분석 방법과 온톨로지 학습 방법을 혼합 사용한 보다 지능적인 웹 서비스 매칭 알고리즘을 제안하였다. 본 논문의 핵심 내용은 웹 서비스 매개변수들에 대해 의미적으로 같은 개념들을 클러스터링으로 묶고, 각 텀들 간의 계층관계 온톨로지를 구축하여 텀들 사이의 숨겨져 있는 시멘틱 개념을 활용하는 것이다.
- 이러한 경우에 검색의 속도가 저하된다. 본 논문에서는 서비스 저장소에 검색에 필요한 부분을 별도의 테이블로 저장함으로써 검색의 효율을 높인다. 이러한 테이블들은 WSDL 파일을 파싱함으로써 얻어올 수 있으며 이들은 역파일(inverted file) 을 생성하기 위한 정보로도 활용된다.
- 본 논문에서는 클러스터링 탐색 방법에 추가적으로 온톨로지를 자동 구축하여 보다 더 효율적인 검색을 지원할 수 있는 클러스터-온톨로지 웹서비스 매칭 알고리즘을 제안한다. 이를 통해 키워드가 정확하게 일치하지 않더라도 사용자가 원하는 웹 서비스를 검색할 수 있고, 반대로 키워드가 일치하지만 사용자가 의도하지 않은 웹 서비스는 검색 결과에서 제거할 수 있다.
- 따라서 직관적으로 이들 입출력 매개변수들이 일치한다면 두 개의 오퍼레이션은 매치된다고 할 수 있다. 본 논문의 주된 아이디어는 매개변수들 사이의 숨은 시멘틱 개념을 찾아내어 온톨로지를 학습 (learning)하고, 확장된 키워드 탐색 방법과 온톨로지 학습 방법을 혼합 사용하여 보다 지능적인 웹서비스 매칭을 수행하는 것이다.
- 일반적으로웹 서비스 제공자는 자동적으로 생성되는 WSDL 파일과 간단한 웹 서비스 설명만 첨부하여 웹 서비스를 공개한다. 본 연구에서는 이러한 한정된 정보를 가지고 항목 간의 숨어 있는 시멘틱 정보를 찾아내어 온톨로지를 구축하고 이를 이용한 시멘틱 매칭 알고리즘을 적용하는 것이다.
- 실험 분석의 목적은 본 논문에서 제안하는 클러스터-온톨로지 웹 서비스 매칭 알고리즘의 우수성을 보이는 것이다. 전통적인 웹 서비스 탐색 방법은 UDDI를 이용한 키워드 기반 검색만 지원하고 있다.
- 임계치 δ 값은 기존의 agglomerative 클러스터링 알고리즘[16]으로 구할 수 있는데, 이 알고리즘은 결과적으로 높은 점수(score)를 갖도록 클러스터를 형성하는 것이 목표이다.
가설 설정
- 유사도 계산: 하나의 쿼리와 웹 서비스 저장소로부터 매치되는 임의의 후보 매개변수 쌍을 (Q, Sk)라 하고, 매개변수 Q와 Sk에는 각각 m과 n개의 텀들이 있다고 가정하자.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.