Top K Query for QoS-Aware Automatic Service Composition
Top K Query for QoS-Aware Automatic Service Composition
复制标题
QoS 感知自动服务组合的 Top K 查询
DOI：
10.1109/tsc.2013.41
复制
发表时间：
2014-10
影响因子：
8.1
通讯作者：
Zhiyong Liu
中科院分区：
文献类型：
--
作者：
Wei Jiang;Songlin Hu;Zhiyong Liu
随着Web服务的激增，服务工程师要求自动服务组合算法不仅能从成千上万的服务中合成正确的服务组合，而且能满足用户的质量要求。这被称为QoS感知的自动服务组合问题。我们的观察是，目前的研究，只找到最佳的服务组合结果有几个缺点。用户不得不选择最优的服务，这将使服务变得僵化，从而带来“热服务”过载和用户缺乏选择的问题。科普这些问题，本文引入了topk查询机制，并提出了一种渐进式增量的基于关键路径的Loose（KPL）算法。我们的QSynth，赢得了Web服务挑战赛2009年和2010年的性能冠军，扩展到支持基于KPL算法的前k查询。实验结果表明，与现有技术相比，KPL算法在多种合成场景下具有上级可扩展性和准确性。在此基础上，我们推广了一个新的图问题：topkDAGs（DirectedAcyclicGraphs）问题。这种新的图问题的应用包括API推荐、供应链等，本文提出的KPL算法也可以有效地解决这些问题。
With the proliferation of Web services, service engineers demand automatic service composition algorithms that not only synthesize the correct service compositions from thousands of services but also satisfy the quality requirements of users. This is known as QoS-aware automatic service composition problem. Our observation is that current research of only finding the optimal service composition result has several shortcomings. Users have to utilize the optimal one, which will make it rigid, and consequently bring about problems, such as overload of “hot services” and lack of choices for users. To cope with these problems, a top k query mechanism is introduced in this paper, and a progressive and incremental Key-Path-Based Loose (KPL) algorithm with 100 percent accuracy is proposed. Our QSynth, which won the performance championship of Web Service Challenge 2009 and 2010, is extended to support top k query based on KPL algorithm. Evaluations show that, compared to the state of the art, KPL algorithm achieves superior scalability and accuracy with respect to a large variety of composition scenarios. Moreover, we generalize a new graph problem: top k DAGs (Directed Acyclic Graphs) problem based on the above work. Applications of this new graph problem contain API recommender, supply chain, and so on. KPL algorithm illustrated in this paper can address them efficiently, too.
登录
查看更多内容
影响因子：
3.9
作者：
Jin Liang;K. Nahrstedt
通讯作者：
Jin Liang;K. Nahrstedt
DOI：
10.1109/cec.2009.44
发表时间：
2009-07
期刊：
2009 IEEE Conference on Commerce and Enterprise Computing
影响因子：
--
作者：
Yixin Yan;Bin Xu;Zhifeng Gu;Sen Luo
通讯作者：
Yixin Yan;Bin Xu;Zhifeng Gu;Sen Luo
DOI：
10.1109/cec.2009.27
发表时间：
2009-07
期刊：
2009 IEEE Conference on Commerce and Enterprise Computing
影响因子：
--
作者：
Peter Bartalos;M. Bieliková
通讯作者：
Peter Bartalos;M. Bieliková
DOI：
10.1007/s11432-010-0013-0
发表时间：
2010-02
期刊：
Science in China Series F: Information Sciences
影响因子：
--
作者：
Xuanzhe Liu;Gang Huang;Hong Mei
通讯作者：
Xuanzhe Liu;Gang Huang;Hong Mei
DOI：
10.1145/1316874.1316897
发表时间：
2007-11
期刊：
--
影响因子：
--
作者：
Lei Zou;Lei Chen;Yansheng Lu
通讯作者：
Lei Zou;Lei Chen;Yansheng Lu