项目名称: 上下文感知的Web服务自适应计算模型研究

项目编号: No.61272172

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 张秀国

作者单位: 大连海事大学

项目金额: 82万元

中文摘要: 在当前Internet开放、动态以及用户需求多变的环境下,Web服务及其组合需要突破传统软件的静态和封闭框架体系,主动感知外部环境的动态变化,并随着这种变化按照功能和性能指标进行动态调整和演化,以使组合系统具有更高的灵活性和用户满意度。为此,本项目研究上下文感知的Web服务自适应计算模型,引入基于上下文感知进程网络(Context-aware Process Network,CAPN)的Web服务组合建模方法, 解决上下文感知Web服务的行为交互和个性化选择等问题;研究上下文感知Web服务及其组合的自适应技术,提供上下文获取、分类和建模方法,上下文感知Web服务的行为自适应策略和上下文感知Web服务组合的动态演化机制;设计一种新的基于CAPN的上下文感知Web服务组合建模语言,并给出该语言描述的组合Web服务到可运行系统的转换机制,实现基于CAPN的Web服务组合解释器。

中文关键词: Web服务;服务组合;自适应;计算模型;上下文感知进程网络

英文摘要: The today's Internet is open and dynamic and user demand is also changeable. Under this environment, Web services and their composition need to break through static and closed architecture of traditional software, need to be aware of the dynamic changes of external environment initiatively and to adjust and evolve dynamically according to function and performance indicators, to make composed system have high flexibility and user satisfaction degree. So, in this project, context-aware adaptive computation model of Web services will be researched. Context-aware Process Network(CAPN) based modeling method for Web service composition will be introduced to solve the problems of behavior interaction and personalized selection of context-aware Web service. Self-adaptation technologies of context-aware Web service and their composition will be researched to provide contexts obtaining, classifying and modeling methods, behavior self-adaptation strategy of context-aware Web service and dynamic evolution mechanism of context-aware Web service composition. A novel context-aware Web service composition language based on CAPN will be designed and the conversion mechanism from composed Web service described by this language to executable system will be provided to realize the CAPN based Web service composition interpreter.

英文关键词: Web service;service composition;self-adaptive;computation model;CAPN(Context-aware Process Network)

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】语言引导与基于视觉的深度度量学习的集成
专知会员服务
15+阅读 · 2022年3月17日
【AAAI2022】上下文感知的词语替换与文本溯源
专知会员服务
17+阅读 · 2022年1月23日
ICML'21:一种计算用户嵌入表示的新型协同过滤方法
专知会员服务
14+阅读 · 2021年12月31日
【WSDM2022】具有分层注意力的图嵌入
专知会员服务
35+阅读 · 2021年11月17日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
14+阅读 · 2021年6月26日
【干货书】PyTorch实战-一个解决问题的方法
专知会员服务
144+阅读 · 2021年4月2日
专知会员服务
19+阅读 · 2021年3月12日
【WSDM2022】具有分层注意力的表示学习
图与推荐
1+阅读 · 2021年11月17日
【WSDM2022】具有分层注意力的图嵌入
专知
0+阅读 · 2021年11月17日
【KDD2021】双重图强化神经推荐模型
专知
0+阅读 · 2021年11月10日
KDD2021 | 基于深度图卷积网络的多样化推荐
机器学习与推荐算法
0+阅读 · 2021年8月24日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
相关资讯
【WSDM2022】具有分层注意力的表示学习
图与推荐
1+阅读 · 2021年11月17日
【WSDM2022】具有分层注意力的图嵌入
专知
0+阅读 · 2021年11月17日
【KDD2021】双重图强化神经推荐模型
专知
0+阅读 · 2021年11月10日
KDD2021 | 基于深度图卷积网络的多样化推荐
机器学习与推荐算法
0+阅读 · 2021年8月24日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员