1 服务生态系统

Report
基于服务网络的服务生态系统研究
黄科满
计算机科学与技术学院,天津大学,天津300072,中国
Email: [email protected]
Web Site: www.colmanzf.com/colman
1 背景
面向服务思想
服务化转型
SOA/RESTful
业务流程服务化
制造资源服务化
数据资源服务化
信息资源服务化
业务服务
云制造
数据服务
社会化服务
• 服务数量和种类的极大丰富
– 服务化转型和面向服务思想的发展,企业/组织将其业务/
资源通过服务化、网络化的方式提供给用户
– 数据共享服务共享
– 互联网中存在海量的急剧增加的异质服务
服务生态系统
• 服务之间关系复杂多变
– 多个服务动态集成与组合以满足复杂多变的业务需求
– 不再完全按照预定的方式进行,而是按照实际需求进行
– 服务之间相互竞争,相互协作,形成复杂多变的关联关系
2
1 服务生态系统
API生态系统
服务生态系统:
由服务、服务关联以及服务所处的外部环境(服务平台、用户)等
要素构成。服务之间在功能上相互关联,行为上彼此协同,表现出
复杂的动态性和业务生态行为,形成具有自组织、自适应以及动态
演化特性的复杂系统。
阿里巴巴商业生态系统
谷歌生态系统
1 服务生态系统
系统:
服务提供商提供服务,
发布到互联网当中。
服务提
供商
组织管控:
海量的服务组织形成
服务领域。
服务领域
需求领域
服务组合
开发者
服务消费者
服务消费者需求
(服务组合/个性化服
务)
选择/组合:
服务组合开发者解析需求,
并且选择相应的服务构成
服务组合。
用户:
服务消费者提出业务需求。
2 系统
研究问题
服务提
供商
• 如何描述海量的服务以及服务之间的复杂关系?
• 如何量化服务在长期竞争协作形成的系统特性?
• 如何预测服务的演化过程从而协助服务推荐?
服务领域
研究内容
• 模型:从服务增值行为出发,识别关联关系,构建
服务生态系统的四层异质网络模型
• 量化:基于服务网络模型,从系统健康度角度构建
服务生态系统的量化分析指标体系
需求领域
服务组合
开发者
服务消费者
服务消费者需求
(服务组合/个性化服
务)
• 预测:从链路预测角度出发,预测服务网络演化过
程,并提出三种服务组合推荐方法,协作服务组合
的构建和服务选择;服务失效预测,过滤失效服务
研究成果
[ICWS’12,13] [CCPE’13] [T-ASE’14] [CCPE’14]
3 组织管理
研究问题
服务提
供商
• 海量的服务如何进行有效的组织和管理?
• 如何识别服务领域的可信服务,从而协助服务选择?
• 如何设计可信机制从而促进系统的良性演化?
服务领域
需求领域
服务组合
开发者
研究内容
Bootstrapping
T
• 聚类:从服务描述和标签出发,基于话题模型构建
服务功能领域自动抽取模型;服务隶属于多个领域
Recommendation
服务消费者
服务消费者需求
(服务组合/个性化服
Feedback
务)
Migration
• 可信计算:构建网络信任传播模型计算服务的可信
度,结合聚类实现服务领域可信度计算,支持领域
服务可信选择;
• 可信机制设计:设计基于服务成熟度的领域服务可
信管理机制,提升服务生态系统的公平性和多样性;
研究成果
[ICSOC’13]
[IJCIM’14]
[ICSOC’14a]
4 选择与推荐
服务提 Service
Repository
供商
S1
S2
研究问题:推荐
决策树+
S
…
Adaboost
SN
N
• 如何实现对用户需求的解析,实现需求与服务领域
的映射?
Service Distributor
...
Service Domain 1
服务领域
S
S12
11
… S1 N
S D1
1
Topics
T1
Hidden Layer For
Domain 1
H 11
Service Domain D
'
T2
'
'
… TK
s
H
负样本
需求领域
服务组合
开发者
'
H1
T1
Topics
Composition
C1
H
T2
C2
'
2
…
T3
C3
H
…
… S DN
研究内容
D
Hidden Layer For
Domain D
H 1 2 … H 1 L1
Domain Router
SD2
D1
H
D 2
… H
D LD
'
R
TK c
服务消费者
服务消费者需求
(服务组合/个性化服
务)
…
• 如何考虑服务使用模式以及服务需求的演化过程?
• 映射:基于话题模型实现功能领域和需求的向量化,
进而构建基于ELM的需求映射方法,提出需求领域
映射方法,支持服务功能领域的选择
• 需求演化预测:基于话题模型构建服务需求演化模
型,对服务需求的演化进行预测
• 关联挖掘:从服务功能标签出发,提出关联规则样
本生成方法,解决数据稀疏性问题,基于决策树构
建关联规则,从而推荐服务组合。
研究成果
CM
[ICWS’14a]
[ICWS’14b]
[ICSOC’14b]
[TSC’14]
5 主要相关文章
•
[T-ASE’14] Keman Huang, Yushun Fan, Wei Tan, Recommendation in an Evolving Service Ecosystem Based on Network Prediction. (SCI Q2, JCR Zone 3, CCF
B, IF1.674)
•
[IJCIM’14] Yushun Fan, Keman Huang, Wei Tan, Yang Zhong, Jinhui Yao, Surya Nepal, Shiping Chen, Domain-aware Reputable Service Recommendation in
Heterogeneous Manufacturing Service Ecosystem. (SCI Q3, JCR Zone 4, IF0.944)
•
[TSC’14] Yang Zhong, Yushun Fan, Keman Huang, Wei Tan, Jia Zhang, Time-aware Service Recommendation for Mashup Creation. (SCI Q1, JCR Zone 3, CCF
B, IF2.460)
•
[CCPE’14] Yi Liu, Yushun Fan, Keman Huang, Wei Tan. Service Failure Analysis and Tolerance Strategies in Service Ecosystem, Concurrency and
Computation: Practice and Experience. (SCI Q2, JCR Zone 4, CCF C, IF0.845)
•
[ICWS’14a] Yang Zhong, Yushun Fan, Keman Huang, Wei Tan, Jia Zhang, Time-aware Service Recommendation for Mashup Creation in an Evolving Services.
(Research Track, CCF B, Accepted Rate: 20%, Best Student Paper)
•
[ICWS’14b] Bofei Xia, Yushun Fan, Cheng Wu, Keman Huang, Wei Tan, Jia Zhang, Bing Bai, A Domain-aware Service Recommendation Method for Service
Composition. (Industry Track, Accepted Rate: 30%)
•
[ICSOC’14a] Keman Huang, Yi Liu, Surya Nepal, Yushun Fan, Shiping Chen, Wei Tan, A Novel Equitable Trustworthy Mechanism for Service Recommendation
in the Evolving Service Ecosystem. (Research Track, CCF B)
•
[ICSOC’14b] Yayu Ni, Yushun Fan, Keman Huang, Jing Bi, Wei Tan, Negative-connection-aware Tag-based Association Model for Service Recommendation in
Mashup Ecosystem.(Research Track, CCF B)
•
[ICSOC’13] Keman Huang, Jinhui Yao, Yushun Fan, Wei Tan, Surya Nepal, Yayu Ni, Shiping Chen, Mirror, Mirror, on the Web, which is the most reputable
service of them all?--- A Domain-aware and Reputation-aware Method for Service Recommendation. (Research Track, CCF B, Accept rate: 12.5%)
•
[CCPE’13] Keman Huang, Yushun Fan, Wei Tan, Minghui Qian. BSNet: a network-based framework for service-oriented business ecosystem management. (SCI
Q2, JCR Zone 4, CCF C, IF0.845)
•
[ICWS’13] Keman Huang, Yushun Fan, Wei Tan, Xiang Li. Service Recommendation in an Evolving Ecosystem: A Link Prediction Approach (Industry Track,
Accept rate: 25%)
•
[ICWS’12] Keman Huang, Yushun Fan, Wei Tan. An Empirical Study of Programmable Web: A Network Analysis on a Service-Mashup System. (Industry Track)

similar documents