论文部分内容阅读
随着计算能力和通信能力的增强，计算设备所占用的体积也越来越小，各种新形态的传感器、移动设备及无线网络设备日趋普及。这极大地促进了以无线、移动和嵌入式设备为基础的普适计算模式的形成和发展。普适环境下的服务发现机制可使得用户能够使用各种移动设备无缝的、随时随地的共享和访问各种服务信息。
普适环境中的网络异构性和动态性，以及服务的多样性和异构性，均对服务发现提出了新的挑战。目前学术界和工业界在服务发现方面进行了不少的探索和研究，当前的一些服务发现协议或系统比如SLP、UPnP、INS等，一般基于语法的方法描述服务，主要关注服务的功能性需求，但基于关键字来匹配请求和服务描述，在普适环境下常常会导致较差的匹配结果。
针对服务发现在普适环境中的新需求，本文基于XML定义了一种轻量级的服务语义建模语言SML，SML定义了丰富的数据类型，以模板和属性的方式定义各领域的实体，可以表达丰富的语义知识；同时，本文以轻量级的推理引擎Jess为依托，将用服务建模语言定义的各应用领域的服务模板和语义知识自动转换成Jess的推理规则和事实。本文定义了一种类似XPath的服务查询语言规范，并在支持精确匹配的基础上，提出了服务的近似匹配策略，提供了各种的近似计算规则。鉴于不同用户对服务的各属性有不同的偏好程度，还提出了基于用户偏好的服务匹配策略。动态的上下文信息是服务匹配过程的重要考虑因素。本文以Jess规则来匹配服务和用户的上下文，选择适合于用户当前情况的服务。对服务各种QoS的描述支持也是服务语义建模语言提供的功能之一，为此，本文还提出了一种基于Pareto最优的服务选择策略，根据服务的QoS以及服务与请求的匹配程度来选择Pareto最优的服务。本文的上述工作已实现到服务发现系统ServiceCatalogNet Extended中。