一种基于本体语义的云制造服务供需智能匹配方法
2015-05-11刘慧敏宋庭新伍孟轩唐晟林胡锦帆
刘慧敏, 宋庭新, 伍孟轩, 唐晟林, 胡锦帆
(湖北工业大学机械工程学院, 湖北 武汉 430068)
一种基于本体语义的云制造服务供需智能匹配方法
刘慧敏, 宋庭新, 伍孟轩, 唐晟林, 胡锦帆
(湖北工业大学机械工程学院, 湖北 武汉 430068)
为了支持服务资源的高效配置和确保云制造服务的公正可靠,提出一种基于本体语义的云制造服务供需智能匹配方法。通过建立具有语义关系的云制造服务资源本体来形成纵横扩展的制造服务资源本体语义词库,并以此来实现快速高效的服务资源语义搜索,最后通过考虑了多方面因素的综合匹配算法,来实现云制造服务的供需智能匹配。本体语义词库的建立、语义相似相关度的计算和综合匹配算法的构建,分别构成了这种供需智能匹配方法的前提、核心和支撑。
云制造服务; 本体语义词库; 语义相似相关度; 综合匹配算法
随着物联网技术、信息技术、云计算技术的日益成熟,云制造[1-2]服务将大力整合、共享社会制造资源,成为一种新型的跨区域跨行业的虚拟制造模式,而云制造服务起始于服务资源管理环节中的服务资源搜索与匹配,只有通过全方位的扩展搜索和多角度的综合匹配,才能找到优质的服务资源与可靠的合作伙伴,从源头把握云制造的质量和效用,真正实现低消耗、低成本、高价值、高效率的多赢目标。但是,由于面大量广的服务资源来自不同的地域、不同的行业、不同的企业,它们的名称或描述可能就不一样,而且云制造服务各个业务流程紧密相关,仅仅依靠传统的关键字搜索、垂直搜索、结构搜索[3],不可能全面系统地搜索到预期服务资源,更不可能做到服务资源的供需智能匹配,这就需要一种基于本体语义的云制造服务供需智能匹配方法来支持云制造服务的搜索与匹配[4-5]。本文提出并研究了这种适用于云制造服务领域的供需智能匹配方法[6]。
1 供需智能匹配方案设计
1.1 供需智能匹配模型
图1描述了这种基于本体语义的云制造服务供需智能匹配方法的实现方式与数据流向。相应的服务资源被供方企业从云制造服务管理系统发布后,将存储在云数据库中,并与本体语义词库交互,当另外的企业用户输入服务资源词条来搜索时,这些词条首先与本体语义词库相接触,就像查询电子词典一样,从语义上逐一锁定与其相关的语义词汇,然后再按照语义相似性和相关性的高低去检索云数据库,从而实现云制造服务资源语义搜索,最后根据匹配算法计算输入信息与各个搜索结果之间的匹配度,按照匹配度高低返回一个智能推荐列表,为用户提供决策支持[7-8]。
图1 云制造服务供需智能匹配示意图
1.2 供需智能匹配原理
图2描述了这种基于本体语义的云制造服务供需智能匹配方法的工作原理与整体流程。该方法起始于需求信息的输入,终止于匹配结果的反馈,相似相关度计算和综合匹配计算贯穿于其中。输入信息将首先根据其语义概念在本体语义词库中进行横向和纵向语义扩展,找到与之相关的语义节点,然后遵从“相似-相关”优先级顺序进行语义相似相关度计算,相关度达不到临界值的节点语义词汇将直接被忽略,而相似或相关度大于对应临界值的节点语义词汇将会映射到云数据库进行云数据库检索,接着便输出云数据库检索结果,最后将各个检索结果与输入信息纳入综合匹配计算,综合匹配度不在前10的服务资源将被忽略,而综合匹配度排在前10的服务资源将会作为最后输出展现在需方用户界面。
图2 云制造服务供需智能匹配原理图
1.3 供需智能匹配步骤
该智能匹配方法中的语义本体考虑了服务资源间的垂直归属关系和语义之间的等价、蕴涵、相关关系,而综合匹配算法考虑了企业用户的信用、规模、能力、地点以及服务资源的价格、交货期等问题[9]。它的实现主要包含了语义搜索和综合匹配两个步骤,其具体过程如下。
1)分析输入信息的语义并进行语义扩展搜索。先识别并分析输入内容的语义,然后根据语义间的等价、蕴涵和相关关系在基于本体的语义词库中以“等价—蕴涵—相关”的优先级顺序进行相似度和相关度匹配,最后将扩展得到的服务资源语义映射到云数据库去锁定对应的云制造服务资源,为最终的服务资源综合匹配输出匹配对象。
2)计算语义搜索结果的匹配度并输出智能匹配列表。先将锁定的服务资源及其提供方和需求方信息纳入综合匹配算法,进行分析和计算,得到各服务资源与需求信息的匹配系数,然后按匹配系数高低输出推荐列表,完成服务资源的匹配。
2 供需智能匹配关键技术
这种基于本体语义的云制造服务供需智能匹配方法主要涉及三大关键技术,它们分别是建立本体语义词库、计算语义相似度相关度和构建智能匹配算法。建立本体语义词库就是为了实现语义扩展,快速找到与输入词条有关的服务,为语义搜索打下了坚实的基础;而语义相似相关度计算则是为了提高语义搜索的精准性和高效性,过滤掉那些相似相关性低的服务资源,为智能匹配提供对象;构建智能匹配算法是为了综合计算供需之间的匹配程度,过滤掉那些匹配度低、不经济不合理的服务资源,为用户选择提供决策支持。建立本体语义词库和计算相似相关度均服务于语义搜索,而最终的供需智能匹配是通过语义搜索结果的智能匹配计算来实现的,由此可见这三者相辅相成,相互协作,共同确保云制造服务的高效搜索与合理匹配[10]。
2.1 本体语义词库建立
建立本体语义词库,是实现该方法的前提与基础。不建立进行了语义扩展且足够强大的语义词库,就谈不上语义搜索;不建立本体,语义词库就凌乱分散,搜索效率就会大大降低。建立语义本体词库主要包括两个步骤:首先人工操作,根据经验、常识以及行业知识等搜集整理制造业当中具有语义等价、语义蕴含、语义相关关系的词汇,以此来实现横向语义扩展;然后用Protégé软件将服务资源按照行业、业务、服务来进行纵向建模分类,形成层次清晰、语义充分的本体语义词库[11]。
图3显示的是用Protégé软件建立本体的一个步骤,其中添加了一个“三维反求”节点,它等价于“逆向工程”。要建立本体,就是要添加无数个节点来描述和表示各个语义词汇之间的关系。
图3 云制造服务资源本体建立界面图
图4是一个简易的本体语义词库,仅仅考虑了按照服务类型分类。它首先将云制造服务资源进行了纵向分类,然后建立了相关服务资源之间的语义关系。很明显,“云制造服务资源”作为最上层的父类,拥有“人才服务”、“设计服务”等6个子类,而“设计服务”作为父类拥有“CAD服务”等3个子类,依次这样扩展下去,所有的服务资源就被明确分类,并在本体语义词库中具有唯一的位置。红色区域所展示的是语义关系,“三维反求”与“逆向工程”、“逆向技术”在语义上完全等价,它们构成了一个同义词;“CAD服务”在语义上包含“AutoCAD”和“Pro/E”等,它们就构成了一个语义蕴涵词;在制造领域,设计和加工、物流等都是相辅相成的,它们紧密相关,缺一不可,因此“设计服务”、“检测服务”和“加工服务”等在语义上构成了语义相关关系。这种反映了语义关系的分类本体是该供需智能匹配方法的核心,决定着搜索的扩展性和高效性。
图4 基于本体语义的服务资源分类图
2.2 语义相似相关计算
计算语义相似相关度,是实现语义搜索的核心。语义相似或相关的程度,直接决定了语义搜索的结果,只有与输入词条在语义上达到了某种程度的相似或相关的本体语义词才会映射到云数据库进行服务资源检索,也就是说那些相似或相关程度很低的本体语义词跟输入信息没有太多关联,不足以支持输入信息进行语义扩展,自然就不会映射到云数据库,当然这种映射顺序也是遵从“相似—相关”这个优先级顺序的。如果具有语义相似关系,则不会进行语义相关计算,只有当不具备任何语义相似关系时才尝试着寻找它们之间是否存在语义相关关系,相似度高的自然最先映射到云数据库,相关度最低的最后映射到云数据库。语义相似相关度计算过程可参照图2,先进行语义相似度计算,只有当相似度达不到临界值才会进行语义相关度计算,语义相关度计算相当于是语义相似度计算的补充,即在没有太多语义相似的情况下来挖掘其是否有足够高的语义相关关系,以便尽可能多地找到它们之间的语义关系来支持语义搜索,其具体计算算法如下:
假设输入信息与本体语义词分别为W1和W2,如果W1有n个概念(S11,S12,…,S1n),W2有m个概念(S21,S22,…,S2m),则W1和W2的相似度是各个概念的相似度的最大值,即:
其中,Sim(S1i,S2j)为概念相似度,其计算方法为:
其中,S1是输入信息的某个概念描述,S2是本体语义词库的某个概念描述,βi(1≤i≤4)是可调节的概念映射到服务描述文档中的各个参数,同时还要:β1+β2+β3+β4=1,β1>β2>β3>β4,β1>β2>β3>β4对Sim1至Sim4对于总体概念描述的相似度所起到的作用会逐步递减。语义相似度的临界值为0.5,即语义相似度小于0.5的节点语义词不足以支持语义搜索,这个临界值是经过相关语言学原理和语义关系知识分析而设置的。
设X、Y是本体概念相关图中的任意两个节点,ShortestPath(X,Y)表示从X到Y的最短路径长度,当X,Y不连通时,ShortestPath(X,Y)的值为∞,在此基础上X和Y的相关度计算公式为:
Rel(X,Y)=α/(ShortestPath(X,Y)α)
其中α是一个可调节的参数,即相关度为0.5时概念间的最短距离值。由此可见,X与Y在语义概念中的最短路径越短,它们的相关度就越高,反之就越低,那么映射到云数据库的可能性就越小。经过相关语言学原理和语义关系知识分析,将语义相关度的临界值设置为0.8,即语义相关度小于0.8的节点语义词不足以支持语义搜索。
2.3 供需综合匹配计算
构建智能匹配算法,是实现智能匹配的重要支撑。不仅不是所有的语义搜索结果都会输出,而且输出列表并不唯一取决于语义吻合程度的高低,而是在更大程度上取决于供需双方多因素的综合匹配度,只有综合匹配度排序在前10的服务资源才会从高到低以列表的形式展示给用户。该智能匹配算法采用多元判别的方式,将服务资源的价格(P)、交货期(T),供/需方的信用(C)、规模(S)、品质(Q)、特殊要求(R)都纳入到了考虑范围,它的实现过程可参照图2,其计算公式为
d=W1/P+W2/T+W3C+W4S+W5Q+W6R
其中,该算法中的权重(W1—W6)取决于供需双方的服务描述及特殊要求,所以它们都以动态的形式处在一个经数理分析、经验分析和线性优化得到的范围内,而0.25≤W1≤0.35,0.10≤W2≤0.20,0.10≤W3≤0.20,0.02≤W4≤0.07,0.25≤W5≤0.35,0.03≤W6≤0.08,每个权重都分为6个等级,W1的6个等级所对应的权重分别为0.25、0.27、0.29、0.31、 0.33、 0.35,其他各权重等级以此类推,用户通过选择对应的等级来完成部分服务描述或者要求解析。
3 供需智能匹配案例展示
图5展示的是这种基于本体语义的云制造服务供需智能匹配方法的应用实例。需方企业需要外界提供“三维反求”服务,便输入“三维反求”进行检索,通过这种智能匹配方法得到了该智能推荐列表。很明显,列表里除了有以“三维反求”为关键词的服务资源,还有以“逆向技术”和“逆向工程”为关键词的服务资源。另外,这三个服务资源的排列顺序体现着该企业用户与这三个提供方之间匹配度的高低,排在第一个的“深圳德利欧科技公司”是系统最推荐的,而第三条信息并不因为其直接提供“三维反求”服务而被首先推荐。这个列表足以说明该方法不像传统的关键字搜索取决于关键词吻合程度的结果,而是将服务资源价格、地点,供需双方信用、规模等进行综合分析计算而得到的,具有很强的可信度。
图5 云制造服务供需智能匹配实例图
4 结论
这种方法兼顾了搜索和匹配,打破了传统搜索方式不支持语义扩展的瓶颈,推出了适应于云制造服务交易的匹配机制,具有支持语义扩展搜索、支持服务资源管理、支持供需智能匹配等一系列优点。通过这种方法,企业用户可以快速搜索到全面且优质的服务资源,并且通过简单操作就能找到可靠且合适的合作伙伴。
[1] 李伯虎, 张 霖, 王时龙, 等. 云制造——面向服务的网络化制造新模式[J]. 计算机集成制造系统, 2010, 16(01): 1-7.
[2] 李伯虎, 张 霖, 任 磊, 等. 再论云制造[J]. 计算机集成制造系统, 2011, 17(03): 449-457.
[3] 邓绪水, 宋庭新, 黄必清. 单点登录技术在企业资源集成中的应用[J]. 湖北工业大学学报, 2010, 25(02): 24-27.
[4] 蒋子龙. 基于本体的专题性搜索引擎的研究与实现[D]. 武汉: 武汉理工大学, 2009.
[5] 甘键侯, 姜 跃, 夏幼明. 本体方法及其应用[M]. 北京: 科学出版社, 2011.
[6]HUANGBiqing,LIChenhai,YINChao,ZHAOXinpei(2013)CloudManufacturingServicePlatformforSmallandMedium-sizedEnterprises.IntJAdvManufTechno65(12):1 261-1 272.
[7] 尹 超, 胡卫民, 刘 飞. 新产品开发过程应用服务提供平台的运行支持系统[J]. 重庆大学学报, 2008, 31(05): 505-510.
[8]LUOYongliang,ZHANGLin,TAOFei,RENLei(2013)Amodelinganddescriptionmethodofmultidimensionalinformationformanufacturingcapabilityincloudmanufacturingsystem.IntJAdvManufTechnol69(05-08):961-975.
[9] 张志宏. 云计算平台管理系统的研究与实现[J]. 电信工程技术与标准化, 2012(04): 21-25.
[10] 尹 超, 黄必清, 刘 飞, 等.中小企业云制造服务平台共性关键技术体系[J]. 计算机集成制造系统, 2011, 17(03): 495-503.
[11]TAOFei,HUYefa,ZHOUZude.Studyonmanufacturinggrid&itsresourceserviceoptimal-selectionsystem[J].IntJAdvManufTechnol,2008, 37(09-10):1 022-1 041.
[责任编校: 张 众]
An Ontology Semantics-Based Intelligent Matching Method for Demand and Supply of Cloud Manufacturing Service
LIU Huimin, SONG Tingxin, WU Mengxuan, TANG Shenglin, HU Jinfan
(SchoolofMechanicalEngin.,HubeiUniv.ofTech.,Wuhan430068,China)
In order to support the efficient configuration of service resources and ensure the justice as well as reliability of cloud manufacturing service, this paper proposes an intelligent matching method based on ontology semantics for demand and supply of cloud manufacturing service. Through establishing service resource ontology with semantics relation, a vertical and horizontal extended manufacturing service resource ontology semantic thesaurus was formed to realize the high speed and efficiency of service resources semantic searching, and finally a comprehensive matching algorithm which has taken many factors into consideration was applied to achieve the intelligent matching of supply and demand about cloud manufacturing services. The establishment of ontology semantic dictionary, computing of semantic similarity and relevancy degree and construction of comprehensive matching algorithm, respectively, constitute the premise, core and support of this method.
cloud manufacturing service; ontology semantic thesaurus; semantic similarity and relevancy degree; comprehensive matching algorithm
2014-07-09
国家“十二五” 高技术研究发展计划(863计划:2012AA051707)
刘慧敏(1990-), 男, 湖北天门人,湖北工业大学硕士研究生,研究方向为制造过程信息化与自动化
1003-4684(2015)01-0047-04
TP311
A