Sánh lược đồ cho khám phá dịch vụ WEB

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN

THÔNG







BÙI VĂN CÔNG


SÁNH LƯỢC ĐỒ CHO KHÁM PHÁ DỊCH VỤ
WEB





Chuyên Ngành: KHOA HỌC MÁY TÍNH

MÃ SỐ:
60.48.01

TÓM TẮT LUẬN VĂN THẠC
SĨ






Hà Nội - 2012
Luận văn được hoàn thành
tại
:


HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH
VIỄN
THÔNG





Người hướng dẫn khoa học: PGS.TS TRẦN ĐÌNH QUẾ

Phản biện 1: …………………………………………………….

Phản biện 2: …………………………………………………………







Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện
Công nghệ
Bưu


chính Viễn
thông


Vào lúc: giờ ngày tháng năm





Có thể tìm hiểu luận văn
tại:


- Thư viện của Học viện Công nghệ Bưu chính Viễn

thông






















1

MỞ ĐẦU

Dịch vụ Web là các thành phần ứng dụng sử dụng các giao thức mở như
HyperText Transfer Protocol (HTTP), Extensible Markup Language (XML) và
Simple Object Access Protocol (SOAP) [2]. Chúng được thiết kế để hỗ trợ khả

năng tương tác giữa các máy tính với nhau trong mạng. Cho đến nay, nhiều
công ty cung cấp dịch vụ Web tới các khách hàng. Ví dụ như dịch vụ web APIs
của Google cho phép các nhà phát triển phần mềm truy vấn trực tiếp hàng tỉ
trang web từ các chương trình máy tính cá nhân của họ. Nhà phát triển có thể sử
dụng ngôn ngữ lập trình mà họ ưa thích ví dụ như Java, Perl, Visual Studio.Net
để phát triển các ứng dụng truy cập tới các dịch vụ web của Google.
Số lượng các dịch vụ Web đang tăng trưởng với một tốc độ bùng nổ, điều
này đặt ra những thách thức lớn về độ chính xác, tính hiệu quả và tự động truy
xuất dịch vụ cho người dùng. Khám phá dịch vụ là quá trình đánh giá một truy
vấn cho một dịch vụ và trả về một tập hợp các dịch vụ tương thích. Mục đích
của khám phá dịch vụ là để tìm dịch vụ Web thích hợp với một tập hợp các yêu
cầu của người dùng.
Luận văn tập trung vào kỹ thuật sánh lược đồ, nghiên cứu kỹ thuật sánh
lược đồ cho khám phá dịch vụ web, tập trung vào vấn đề mô hình hóa các thao
tác sánh dịch vụ Web bằng lược đồ cây và các vấn đề liên quan. Qua đó áp
dụng kỹ thuật đã nghiên cứu, tiến hành cài đặt, thử nghiệm để đưa ra đánh giá,
so sánh từ các kết quả đạt được.
Ngoài phần mở đầu, phần kết luận và các phụ lục, nội dung luận văn
được trình bày trong ba chương.
 Chương 1: Dịch vụ web và khám phá dịch vụ web. Phần này trình
bày về lý do sự ra đời của dịch vụ web; một số khái niệm trong dịch vụ
web; kiến trúc; cách biểu diễn dịch vụ web; các giai đoạn trong vòng đời
của dịch vụ web.
2

 Chương 2: Kỹ thuật sánh lược đồ cho khám phá dịch vụ web.
Chương này tập trung nghiên cứu kỹ thuật sánh lược đồ cho khám phá
dịch vụ web; tập trung vào vấn đề mô hình hóa các thao tác sánh dịch vụ
web bằng lược đồ cây và các vấn đề liên quan; các tiêu chí để phân loại
kỹ thuật khám phá dịch vụ web; một số thuật toán khám phá.

 Chương 3: Thực nghiệm và kết quả. Chương này sẽ mô tả chi tiết về
các công cụ, dữ liệu, phương pháp, kỹ thuật lựa chọn thực nghiệm và toàn
bộ quá trình tiến hành thực nghiệm. Kết quả thực nghiệm sẽ được phân
tích, so sánh và đánh giá.



3

CHƯƠNG 1: DỊCH VỤ WEB VÀ KHÁM PHÁ DỊCH VỤ WEB


1.1 Dịch vụ web
Một kiến trúc của dịch vụ Web gồm có 3 chuẩn chính: SOAP (Simple
Object Access Protocol), WSDL (Web Service Description Language) và
UDDI (Universal Description, Discovery, and Integration). Giao tác UDDI sử
dụng SOAP để nói chuyện với UDDI server, sau đó các ứng dụng SOAP yêu
cầu một dịch vụ Web. Các thông điệp SOAP được gửi đi chính xác bởi HTTP
và TCP/IP.
1.1.1 Các thành phần của dịch vụ web: XML, WSDL, UDDI, SOAP
1.1.1.1 Thành phần XML (eXtensible Markup Language)
Là một chuẩn mở do W3C đưa ra cho cách thức mô tả dữ liệu, nó được sử
dụng để định nghĩa các thành phần dữ liệu trên trang web và cho những tài liệu
B2B. Về hình thức, XML hoàn toàn có cấu trúc thẻ giống như ngôn ngữ HTML
nhưng HTML định nghĩa thành phần được hiển thị như thế nào thì XML lại
định nghĩa những thành phần đó chứa cái gì. Với XML, các thẻ có thể được lập
trình viên tự tạo ra trên mỗi trang web và được chọn là định dạng thông điệp
chuẩn bởi tính phổ biến và hiệu quả mã nguồn mở.
Mỗi tài liệu XML bao gồm một prolog, một số các phần tử (element) và một
epilog (tùy chọn).

Prolog bao gồm một khai báo XML và các tham chiếu đến các tài liệu
bên ngoài.
Các phần tử XML có thể có một số thuộc tính giống như HTML. Các
thuộc tính cung cấp thêm thông tin về một phần tử, thông tin này không phải là
một phần dữ liệu. Một thuộc tính là một cặp tên – giá trị bên trong thẻ mở của
phần tử:
4

1.1.1.2 Thành phần WSDL (Web Service Description Language)
WSDL định nghĩa cách mô tả dịch vụ Web theo cú pháp tổng quát của
XML, bao gồm các thông tin:
+ Tên dịch vụ
+ Giao thức và kiểu mã hóa sẽ được sử dụng khi gọi các hàm của dịch vụ
Web
+ Loại thông tin: thao tác, tham số, những kiểu dữ liệu (có thể là giao
diện của dịch vụ Web cộng với tên cho giao diện này).
1.1.1.3 Thành phần UDDI (Universal Description, Discovery, and Integration)
Cấu trúc UDDI :
Trang trắng - White pages: chứa thông tin liên hệ và các định dạng chính
yếu của dịch vụ Web, chẳng hạn tên giao dịch, địa chỉ, thông tin nhận dạng…
Những thông tin này cho phép các đối tượng khác xác định được dịch vụ.
Trang vàng - Yellow pages: chứa thông tin mô tả dịch vụ Web theo những
loại khác nhau. Những thông tin này cho phép các đối tượng thấy được dịch vụ
Web theo từng loại với nó.
Trang xanh - Green pages: chứa thông tin kỹ thuật mô tả các hành vi và
các chức năng của dịch vụ Web.
Loại dịch vụ - tModel: chứa các thông tin về loại dịch vụ được sử dụng.
1.1.1.4 Thành phần SOAP (Simple Object Access Protocol)
Cấu trúc một thông điệp theo dạng SOAP
Thông điệp theo định dạng SOAP là một văn bản XML bình thường bao

gồm các phần tử sau:
Phần tử gốc - envelop: phần tử bao trùm nội dung thông điệp, khai báo
văn bản XML như là một thông điệp SOAP.
Phần tử đầu trang – header: chứa các thông tin tiêu đề cho trang, phần tử
này không bắt buộc khai báo trong văn bản. Header còn có thể mang những dữ
5

liệu chứng thực, những chứ ký số, thông tin mã hóa hay cài đặt cho các giao
dịch khác.
Phần tử khai báo nội dung chính trong thông điệp – body: chứa các thông
tin yêu cầu và thông tin được phản hồi.
Phần tử đưa ra các thông tin về lỗi – fault: cung cấp thông tin lỗi xảy ra
trong qúa trình xử lý thông điệp.
1.2 Khám phá dịch vụ web
Để có thể thành công với dịch vụ Web cần phải quan tâm đến khá nhiều
vấn đề, bao gồm việc triển khai, giám sát và tích hợp hệ thống.
Giám sát (monitoring)
Xác định đường đi dữ liệu (Data routing)
Triển khai (Deployment)
Quản lý (Management)
Cấu hình và quản lý phiên bản (Configuration and version management)
Bảo mật (Security)
Các phương pháp khám phá dịch vụ web
Việc tìm kiếm các thao tác dịch vụ web tương tự là kết nối lỏng lẻo được
liên quan tới ba vấn đề sánh khác: sánh tài liệu văn bản, sánh lược đồ, sánh các
thành phần phần mềm.
Sánh tài liệu văn bản: Việc sánh và phân loại các tài liệu là một vấn đề
lớn trong việc trích rút thông tin.
Sánh lược đồ: Cơ sở dữ liệu chung được xem xét đối với vấn đề tự động
hóa của việc sánh các lược đồ [17].

Sánh các thành phần phần mềm: Việc sánh các thành phần phần mềm
được xem như là việc quan trọng đối với việc tái sử dụng phần mềm [9].
1.3 Kết luận chương
Dịch vụ Web hiện tại đang được tích hợp với nhiều hệ thống ứng dụng
trong tất cả các lĩnh vực bởi khả năng phát triển và giảm độ phức tạp của hệ
6

thống, đặc biệt là đối với các dịch vụ B2B. Với dịch vụ Web, các doanh nghiệp,
khách hàng và cả đối tác kinh doanh có thể dễ dàng hoạt động và gắn kết với
nhau. Việc xây dựng một dịch vụ Web cần phải quan tâm đến nhiều yếu tố:
kiến trúc, chức năng và các tiến trình nghiệp vụ của hệ thống, ngôn ngữ sử
dụng… Do đó, với một dịch vụ Web, việc giao tiếp và truyền nhận dữ liệu trở
nên dễ dàng và hiệu quả hơn, đồng thời đem lại chi phí thấp hơn và tăng cường
những khả năng giao tiếp thời gian thực, kết nối với mọi người trên khắp thế
giới. Bản chất của nền tảng công nghệ này là kiến trúc hướng dịch vụ và sự
phát triển của dịch vụ Web có tương lai rất khả quan.

7

CHƯƠNG 2: KỸ THUẬT SÁNH LƯỢC ĐỒ CHO KHÁM PHÁ DỊCH VỤ
WEB

2.1 Khảo sát đặc trưng của các dịch vụ web
Có 4 giai đoạn chính để xây dựng một dịch vụ Web là xây dựng, triển
khai, tiến hành và quản lý.
Giai đoạn xây dựng: bao gồm phát triển và chạy thử ứng dụng dịch vụ
Web, xây dựng các chức năng và định nghĩa dịch vụ.
Giai đoạn triển khai: công bố định nghĩa dịch vụ, xây dựng WSDL và
triển khai mã thực thi của dịch vụ Web.
Giai đoạn tiến hành: tìm kiếm và gọi thực thi dịch vụ Web bởi những
người dùng muốn sử dụng dịch vụ.
Quản lý: quản lý và quản trị dịch vụ, duy trì sự ổn định của dịch vụ, cập
nhật thông tin mới, sửa lỗi khi nó xảy ra.
Qui trình xây dựng một dịch vụ Web bao gồm các bước sau:
a. Định nghĩa và xây dựng các chức năng, các dịch vụ mà dịch vụ sẽ cung
cấp (sử dụng ngôn ngữ Java chẳng hạn).
b. Tạo WSDL cho dịch vụ
c. Xây dựng SOAP server
d. Đăng ký WSDL với UDDI registry để cho phép các client có thể tìm
thấy và truy xuất.
e. Client nhận file WSDL và từ đó xây dựng SOAP client để có thể kết
nối với SOAP server
f. Xây dựng ứng dụng phía client (như sử dụng Java) và sau đó gọi thực
hiện dịch vụ thông qua việc kết nối tới SOAP server.

Lựa chọn một ngôn ngữ, xây dựng các tiến trình nghiệp vụ, bắt đầu tạo
nên một dịch vụ Web và cung cấp dịch vụ trên Internet.
8

2.2 Kỹ thuật sánh lược đồ
Các phương thức sánh lược đồ đã được đề xuất ở [20]. Phương thức đầu
tiên là sự nỗ lực để xác định sự tương tự ngữ nghĩa giữa các yếu tố của hai lược
đồ. Bởi vậy công việc khảo sát cần bắt đầu với các kỹ thuật tương tự ngữ nghĩa
mà nó đã được sử dụng để sánh giữa hai lược đồ.
2.2.1 Định nghĩa kỹ thuật sánh lược đồ
Kỹ thuật sánh lược đồ có thể được hình thức hóa như sau: “Cho hai lược
đồ, S
1
và S
2
, tìm kiếm các thành phần tốt nhất giữa lược đồ S
1
và lược đồ S
2
.
Việc khám phá tất cả các thông tin sẵn có trong các lược đồ, các nguồn thể
hiện dữ liệu và các nguồn từ vựng”.
2.2.2 Biểu đồ truyền thống
Sánh lược đồ truyền thống được xây dựng dựa trên ý tưởng mà có hai
lược đồ cần phải sánh với nhau. Khi số lượng lớn hơn 2 thì việc sánh được thực
hiện trong mỗi cặp với nhau. Vấn đề chính trong sánh lược đồ truyền thống cho
phép độ tương tự tương ứng giữa các thành phần trong hai lược đồ input
Định nghĩa 1: Một ánh xạ là một tập của các ánh xạ thành phần, mỗi
trong số chúng chỉ định các thành phần cụ thể của bất kỳ lược đồ input tương
ứng. Công thức xây dựng như sau: cho hai lược đồ S

1
và S
2
một ánh xạ được
viết như sau


1 2
, , ,
T k
M M M M
 , trong đó M
i
đại diện cho một ánh xạ như một
biến nhị phân. Ví dụ:
1 2
i i
G G

, sao cho
1
1
i
G S

,
2
2
i
G S


và
1
j
i
G

.
2.2.3 Biểu đồ Holistic
Việc sánh lược đồ là việc khám phá ngữ nghĩa tương ứng giữa các thuộc
tính trong các lược đồ khác nhau dựa trên nền tảng của việc tìm kiếm và trao
đổi dữ liệu thông qua các nguồn thông tin.
Cách tiếp cận Holistic tạo ra một lược đồ trong thực tế. Việc xây dựng
này dựa trên “nội dung ngang hàng với nhau” giữa các lược đồ. Dựa trên nội
dung thông tin, việc sánh Holistic sẽ có nhiều lợi ích chẳng hạn như độ chính
9

xác sẽ tỷ lệ với số nguồn thông tin đầu vào. Như ví dụ trong cách tiếp cận MGS
và DCM, cả hai đều là phương pháp thống kê mà lợi ích thu được từ các quan
sát với cách tiếp cận Holistic việc sánh lược đồ đại diện cho hai phương pháp.
2.2.4 Kiến trúc hệ thống sánh
Do việc phổ biến rộng rãi của việc sánh lược đồ đưa đến sự hình dung giải
pháp chung, phù hợp đối với các ngôn ngữ lược đồ khác nhau và các miền ứng
dụng chẳng hạn như một giải pháp có tiềm năng cao được phát triển, do đó việc
trích rút các yêu cầu để phát triển một vài giải pháp đặc biệt để đạt được mục tiêu
này cần một sự linh hoạt vào tùy chỉnh trong kiến trúc. Trong đó có thể dễ dàng
hơn trong việc mở rộng để hỗ trợ ngôn ngữ lược đồ mới, hoặc miền ứng dụng.
2.2.5 Phân loại các cách tiếp cận sánh
Cách tiếp cận sánh được chia làm bốn giai đoạn sánh:cây với cây (giữa
các tập hợp của các nút automic của hai lược đồ cây), các bộ phận với các bộ

phận, giữa tập hợp của các nút trên các bộ phận của hai nút automic, nút tới nút
giữa tập hợp của các từ trong các nhãn của hai nút giữa các từ với các từ (giữa
các từ kép của hai từ).
Bao gồm các giải thuật sánh sau:
o Giải thuật sánh với trọng số lớn nhất
o Giải thuật sánh với trọng số cực đại có thứ tự
o Giải thuật sánh lược đồ tổng thể
2.3 Kỹ thuật sánh lược đồ cho khám phá dịch vụ web
2.3.1 Giới thiệu về tìm kiếm dịch vụ web
Việc tìm kiếm các thao tác dịch vụ web tương tự là kết nối lỏng lẻo được
liên quan tới ba vấn đề sánh sau: sánh tài liệu văn bản, sánh lược đồ, sánh các
thành phần phần mềm
o Sánh tài liệu văn bản: việc sánh và phân loại các tài liệu là một vấn đề
lớn trong việc trích rút thông tin.
10

o Sánh lược đồ: Là cơ sở dữ liệu chung được xem xét đối với vấn đề tự
động hóa của việc sánh các lược đồ [12,13], thông qua đó nó xác định ngữ
nghĩa của các lược đồ và đề xuất các thao tác sánh dựa trên chúng.
o Sánh các thành phần phần mềm: việc sánh các thành phần phần mềm
được xem như là việc quan trọng đối với việc tái sử dụng phần mềm [9].
2.3.2 Thao tác sánh dịch vụ web
2.3.2.1 Mô hình hóa bằng lược đồ cây
Dựa trên hai định nghĩa:
Định nghĩa 1: một dịch vụ Web là bộ ba ws = (TpSet, MsgSet, OpSet),
trong đó TpSet là một tập các kiểu dữ liệu; MsgSet là một tập các bản tin biến
đổi thành kiểu dữ liệu định nghĩa trong TpSet; OpSet = {op
I
(input
i

,output
i
) | i =
1,2,…,n} là một tập các thao tác, trong đó input
i
và output
i
là các tham số
(thông điệp) cho việc trao đổi dữ liệu giữa các thao tác dịch vụ Web.
Định nghĩa 2: Mỗi thao tác dịch vụ Web là một hàm MIMO (multi-input-
multi-output – nhiều dữ liệu vào và nhiều dữ liệu ra) có dạng
1 2 1 2
: , , , , ,
i j
f s s s t t t
 trong đó
i
s
và
j
t
là kiểu dữ liệu tương ứng với đặc tả trong
lược đồ XML. Gọi
f
là một phụ thuộc và
/
i j
s t
là một thuộc tính phụ thuộc.
2.3.2.2 Hiệu chỉnh khoảng cách cây

Bao gồm các thao tác hiệu chỉnh cơ bản như sau:
- Thay đổi: Để thay đổi nhãn của một nút thành nút khác
- Xóa: Để xóa một nút (tất cả các nút con của nút được xóa b trở thành
các nút con của nút cha a)
- Chèn: Để chèn một nút ( Một chuỗi tuần tự liên tiếp giữa các nút con,
anh, chị, em của nút a trở thành nút con của nút b)
Một số ràng buộc  để nó là một khoảng cách metric đó là:
(i) (a b)

0; (aa) = 0
(ii) (a b)= (ba); và
11

(iii) (a c) ≤ (ab) + (bc).
Việc mở rộng  đối với chuỗi S như sau
1
( ) ( )
i S
i
i
S S
 




. Công thức
khoảng cách giữa
1
T

và
2
T

được xác định như sau:

1 2
( , ) min ( ) |
T T S S
 
 là một
chuỗi thao tác hiệu chỉnh
1
T

thành
2
T

.
Việc định nghĩa  tạo ra

cũng là một khoảng cách metric.
Ánh xạ
Cho
1
T

và

2
T
là hai cây với N
1
và N
2
là các nút tương ứng, việc đánh thứ tự
đối với mỗi cây T[20] có nghĩa rằng nút thứ i của cây T trong thứ tự được đưa
ra. Các thao tác hiệu chỉnh đưa ra một ánh xạ là một đồ thị đặc biệt của những
gì mà các thao tác hiệu chỉnh được áp dụng đối với mỗi nút trong hai cây.
Việc định nghĩa một bộ (M,
1
T
,
2
T
) là một ánh xạ từ
1
T

đến
2
T

trong đó M
là bất kỳ một tập hợp nào đó của một cặp các số nguyên (i,j) thỏa mãn:
(1) 1≤ i ≤ N
1,
1≤ j ≤ N
2

;
(2) Đối với một cặp bất kỳ (i
1
, j
1
) và (i
2
, j
2
) trong M. Nếu:
(a) i
1
= i
2
nếu và chỉ nếu j
1
=j
2

(b)


1 1
T i
là cây bên trái của cây


1 2
T i
nếu và chỉ nếu



2 1
T j
là cây bên trái
của cây


2 2
T j
(thứ tự các nút anh, chị, em được bảo toàn ).
(c)


1 1
T i
là một cây cha của cây


1 2
T i
nếu và chỉ nếu cây
2
T
[j
1
] là một cây
cha cây
2
T

[j
2
] (tính chất tổ tiên được bảo toàn).
Việc sử dụng M thay vì tập (M,
1
T
,
2
T
) nếu không có sự nhầm lẫn gì thì ta
sẽ sử dụng M thay cho bộ đó.
Cho M là một ánh xạ từ
1
T
T
2
cho I và J là các tập của các nút trong
cây
1
T
và
2
T
tương ứng và nó không thuộc bất kỳ đường thẳng nào trong M. Từ đó,
có thể định nghĩa hàm chi phí M như sau:
1 2 1 2
( , )
( ) ( [i] T[j]) ( [i] ) ( [j]).
i j M i I j J
M T T T

   
  
     
  
(2.1)
12

2.3.2.3 Mô hình chi phí cho lược đồ cây
Định nghĩa như sau:


Trong đó

bao gồm một thao tác sửa đổi cây, weight(n) chỉ là trọng số
của node n, wd(node
1
, node
2
) và sd(node
1
, node
2
) cho biết sự chênh lệch của
trọng số và ngữ nghĩa giữa node
1
và node
2
.

và


là trọng số của wd và sd,
thỏa mãn
1
 
 
. W(T
1
,T
2
) được định nghĩa như sau: W(T
1
,T
2
) = weight(T
1
) +
weight(T
2
) trong đó weight(T
i
) là tổng trọng số của tất cả các node cây
T
i
(i=1,2), wd(node
1
,node
2
) được định nghĩa như sau:

Trong đó và
2 2
node T


2.3.2.4 Chuyển đổi lược đồ cây XML
Định nghĩa 4: Tên tên node của một node thường là một chuỗi các từ móc
xích với nhau, với chữ cái đầu tiên của mỗi từ là chữ in hoa (ví dụ, Việt Nam).
Một tập các từ đó được coi là một nhóm từ. Sử dụng
( )
n

để biểu diễn một
nhóm từ của node n.
Định nghĩa 5: Hai nhóm từ
1
( )
n

và
2
( )
n

được coi là giống nhau chỉ khi
chúng có cùng các từ. Hai node được coi là khác nhau nếu chúng có nhóm từ
khác nhau. Nhóm từ phản ánh ngữ nghĩa của mỗi một node.
Định nghĩa 6: Coi cấp độ (n) là cấp của node n trong cây lược đồ T.
Trọng số của node n được định nghĩa với hàm trọng số:

Trọng số (n) = 2
độ sâu cây lược đồ (T) – mức (n)
với mọi nT
 






     
 
 
1 2
1 2
1 2
1 2 1 2
/ , , if = insert n
/ , , if = delete n
ost
wd node , ,
,
weight n W T T
weight n W T T
c
node if relabels
sd node node node to node




 









 

(2.2)
 
1 2
1 2
1 2
weight(node ) - weight(node )
wd node ,
W(T ,T )
node 
(2.3)
13

Trọng số của tất cả các node rơi vào khoảng [2,2
độ sâu cây lược đồ (T)
]. Mỗi
trọng số phản ánh tầm quan trọng của một node trong cây lược đồ T.
Các thao tác hiệu chỉnh, bao gồm các thao tác sau:
- Split (phân chia): Luật này áp dụng cho các dãy node.

- merge (kết hợp): Luật này áp dụng cho các node liên kết. Sau quá trình
kết hợp, mỗi node liên kết được thay thế bởi tất cả các node tùy chọn của nó, ví
dụ được thay thế bởi tất cả node con của nó.
- delete (xóa): luật này được áp dụng cho các node đa dạng.
2.3.2.5 Xác định tính tương tự giữa các thao tác dịch vụ web
Việc xác định tính tương tự giữa các thao tác dịch vụ Web thực chất là
việc mô tả cấu trúc của các dịch vụ Web thông qua việc đi xác định giải quyết
vấn đề tìm kiếm: Cấu trúc của các dịch vụ Web: Đối với mỗi dịch vụ web có
một file WSDL được liên kết để mô tả chức năng và giao diện của nó. Một dịch
vụ web được công bố bởi việc đăng ký file WSDL của nó và một mô tả trong
UDDI.
2.3.3 Giải thuật phân cụm các thao tác dịch vụ Web
Kỹ thuật sánh lược đồ được phân cụm - Một kỹ thuật nhằm nâng cao hiệu
năng cho việc sánh lược đồ bằng cách sử dụng giải thuật phân cụm. Giải thuật
phân cụm chia các lược đồ thành các cụm. Việc sánh lược đồ được phân cụm
được thực hiện bằng cách thêm một bước của mỗi bước phân cụm trong hệ
thống sánh lược đồ.
Theo nguyên tắc hiệu năng của bất kỳ hệ thống tính toán nào có thể được
nâng cao theo hai cách. Trong thời gian chạy hệ thống tính toán với số lượng
lớn các phép tính toán và hiệu năng của hệ thống này có thể được cải thiện bằng
cách:
Tiền tính toán, trong trường hợp này các giai đoạn của quá trình tính toán
được thực hiện trước đó. Các kết quả được lưu trữ và được tái sử dụng trong
thời gian chạy.
14

Việc tỉa của các phép tính toán trong trường hợp này trong thời gian chạy
các kỹ thuật khác nhau được sử dụng để tái sử dụng nhằm tối ưu số lượng các
phép toán được thực hiện
Hai thuộc tính quan trọng của việc nâng cao hiệu năng của hệ thống đó là

Ánh xạ - bảo toàn hoặc không ánh xạ - không bảo toàn, và tương tự - bảo
toàn hoặc không tương tự - bảo toàn.
Định nghĩa 1: Hệ thống sánh lược đồ S2 là một ánh xạ - tiền xử lý nhằm
nâng cao hiệu năng cho hệ thống S1 nếu với mọi vấn đề sánh lược đồ P, Cả S1
và S2 tạo ra các tập ánh xạ lược đồ A1=A2.
Định nghĩa 2: Hệ thống sánh lược đồ S2 là một ánh xạ - bảo toàn nhằm
nâng cao cho hiệu năng cho hệ thống S1 nếu với mọi vấn đề sánh lược đồ P, và
cho với mọi ánh xạ lược đồ
1 2
T A A

 

cả hai hệ thống S1 và S2 tính toán
cùng các giá trị của hàm mục tiêu, tức là




1 2
, , .
S S
T T
 
  

Cải thiện hiệu năng dựa trên tiền tính toán bao gồm các kỹ thuật: Kỹ thuật
gán nhãn các nút; Lập chỉ mục; Chuỗi so sánh với q-gram; Thuật toán
Heuristic.
2.3.3.2 Chọn các thuật toán phân cụm

Tổng quan về các thuật toán phân cụm
Phân cụm là sự sắp xếp không có giám sát của các yếu tố vào các nhóm
của các yếu tố. Các yếu tố trong cùng một cụm chia sẻ một số thuộc tính chung
trong khi các thành phần từ các cụm khác nhau không. Trong phân cụm đối
sánh lược đồ, thuộc tính chung được chia sẻ bởi các thành phần trong một cụm
là tiềm năng của các thành phần để cung cấp giá trị ánh xạ lược đồ.
Tất cả các thuật toán phân cụm được chia thành hai nhóm:
• Thuật toán phân cấp
• Thuật toán phân vùng.
Giải thuật phân cấp
15

Một khoảng cách (tương tự) ngưỡng trước tiên phải được lựa chọn.
Ngưỡng này là các khoảng cách tối đa cho phép giữa các yếu tố trong phân
cụm. Đối với một ngưỡng khoảng cách nhỏ mọi phần tử thuộc về một cụm khác
nhau. Tăng khoảng cách ngưỡng một số yếu tố sẽ thuộc về cùng một cụm.
Thuật toán phân vùng
Không giống như các thuật toán phân cấp, các thuật toán phân vùng, chỉ
tạo ra một tập hợp các cụm. Một tập hợp các điểm cần phải được nhóm lại.
Trọng tâm được sử dụng là các điểm xung quanh các cụm được hình thành.
Cụm được hình thành bằng cách chỉ định tất cả các điểm đến trọng tâm gần
nhất. So với các thuật toán phân cấp, thuật toán phân vùng là hiệu quả hơn khi
chúng tạo ra các cụm trong một lần chạy trên các thiết lập của các yếu tố. Tuy
nhiên, vấn đề là những thuật toán cần phải biết trước số cụm, và để ước tính
một cách chính xác nơi để hình thành các cụm.
2.4 Kết luận chương
Trong chương này đã mô tả một giải pháp để xác định ngữ nghĩa dựa trên
giá trị tối ưu của việc sánh lược đồ XML bằng cách sử dụng các mô hình toán
học. Giải pháp này xác định giá trị tối ưu của việc sánh giữa hai lược đồ XML
với giả định rằng vấn đề sánh cây với cây có thể là vấn đề tối ưu toàn cục được

chia nhỏ thành các vấn đề đơn giản hơn như sánh bộ phận với bộ phận, nút với
nút và từ với từ.








16

CHƯƠNG 3: THỰC NGHIỆM VÀ KẾT QUẢ

3.1. Nền tảng phân cụm
Trong phần này trình bày ba pha chính trong quá trình phân cụm bao
gồm: tiền xử lý, tính toán độ tương tự, và phân cụm.
- Tiền xử lý: Pha này xem xét sự biểu diễn không đồng nhất của các lược
đồ XML như một chuỗi tuần tự. Bao gồm hai bước phân tích cú pháp và xây
dựng chuỗi priifer.
- Tính toán độ tương tự: Pha này xem xét và tính toán độ tương tự giữa
mỗi cặp lược đồ XML theo một cách có thứ tự để xây dựng nên ma trận độ
tương tự mà sau đó ma trận này được sử dụng bởi giải thuật phân cụm. Để thực
hiện điều này cần sử dụng hai bộ sánh: bộ sánh ngôn ngữ và bộ sánh cấu trúc.
Bộ sánh ngôn ngữ: Bước này xác định các giá trị khởi tạo độ tương tự
giữa các nút của các lược đồ cây, dựa trên thuộc tính ngữ nghĩa của các nút,
trong thử nghiệm, sử dụng cả thuộc tính tên và thuộc tính kiểu dữ liệu. Để xác
định độ tương tự giữa hai thẻ, sim(t
1
, t

2
), ta sử dụng độ tương tự của hai chuỗi
được tính bởi công thức sau:




 
1 2 1 2
edit 1 2
1 2
max t , t ditDistance t , t
sim (t , t )=
max t , t
e
(3.1)
Trong đó editDistance


1 2
t , t
là số lượng nhỏ nhất cần thiết của các thao
tác chèn và xóa để chuyển đổi một chuỗi thành một chuỗi khác.
 




   
1 2

1 2
1 2
2
, .
tri
tri t tri t
sim t t
tri t tri t
 


(3.2)
Trong đó


1
tri t
là một tập các trigram trong
1
t
.
Bộ sánh cấu trúc: Bộ sánh ngôn ngữ chỉ xem xét thông tin các nhãn và
bỏ quả thông tin cấu trúc. Điều này có thể chỉ định việc sánh bội trong đó các
cấu trúc khác nhau được gán cùng một nhãn.
17


STT Tên tập dữ liệu Kích cỡ dữ liệu
1 cacmcisi 4658
2 classic 7089

- Phân cụm: Giải thuật này được thực hiện trên phần mềm gCluto, nó cho
phép thực hiện phân cụm các lược đồ XML. Trước tiên, giải thuật tính toán độ
tương tự để đạt được ma trận độ tương tự và ma trận này như là input cho
gCluto, sau đó, giải thuật phân cụm phân cấp được lựa chọn và các tham số
được điều chỉnh.
3.2 Kết quả thử nghiệm
Tập dữ liệu: Trong thử nghiệm sử dụng 2 tập dữ liệu khác nhau với các
đặc điểm được mô tả trong bảng 3.1. Các tập dữ liệu này được thu thập từ các
nguồn.

Bảng 3.1: Bộ tóm tắt dữ liệu sử dụng để đánh giá các chức năng phân cụm theo
các tiêu chí khác nhau.


Các tham số được sử dụng trong phần thực nghiệm: bao gồm phương pháp
agglomerative (agglo) và hai tham số I1 và UPGMA
agglo Phương pháp này mong muốn đạt được k-phân cụm được tính toán
bằng cách sử dụng biểu đồ agglomerative với mục tiêu là đạt được giá trị tối ưu
địa phương cực tiểu hoặc cực đại với hàm điều kiện phân cụm được lựa chọn
bằng cách sử dụng tham số -crfun. Phương pháp này đạt được bằng cách dừng
quá trình tích tụ khi số cụm còn lại là k.
- Công cụ thực nghiệm: Công cụ dùng làm thực nghiệm trong luận văn là
gCULUTO (Graphical CLustering Toolkit -
Đây là một bộ công cụ khai phá dữ liệu
khá phổ biến được phát triển bởi Matt Rasmussen, Mark Newman, George
Karypis của đại học Minnesota. Phần mềm cho phép phân cụm dữ liệu, trực
quan hóa dữ liệu. Phần mềm gCluto cho phép lựa chọn các tham số khi phân
cụm nhằm đạt được kết quả tối ưu cho từng tiêu chí cần đạt được của người
18

dùng và phù hợp với yêu cầu và dữ liệu của bài toán. Với yêu cầu dữ liệu đầu
vào có định dạng tập tin như sau:
 matrix file (*.mat) - chứa một ma trận dày đặc, ma trận thưa, hoặc đồ
thị tương tự biểu diễn cho các dữ liệu được phân cụm.
 row lables (*.rlabel) - chứa các nhãn đối với các hàng của ma trận dữ
liệu.
 column labels (*.clabel) - chứa các nhãn đối với các cột của ma trận
dữ liệu.
 class labels (*.rclass) – chứa các nhãn lớp đối với các hàng của ma
trận dữ liệu.
Chất lượng trong các cụm được đánh giá bằng cách tính toán giá trị trung
bình của độ tương tự giữa các cụm và bên trong mỗi cụm theo công thức
 
k
i i
i=1
n aSim C
aSim =
n
Intr
Intr


. (3.3)
Chỉ số này đánh giá chất lượng tổng thể của cây phân cấp bằng cách chỉ
sử dụng một tập con nhỏ của các nút của nó. Nó được tính toán theo công thức
như sau cho S
r
là số nút có kích cỡ là n
r

entropy của nút này dược xác định
bằng công thức:
 
1
1
log
log
i i
q
r r
r
i
r r
n n
E S
q n n

 

, (3.4)
Trong đó q là số lượng các lớp trong tập dữ liệu và
i
r
n
là số lượng các tài
liệu của lớp thứ i mà được chỉ định tới nút thứ r. Mà entropy của toàn bộ cây
được xác định bởi công thức sau:

   
1

1
t
r
r
E T E S
t



, (3.6)
Trong đó t là số nút của cây T. Chỉ số entropy thấp nhất là giá trị tốt nhất.
Trước tiên, hai tập dữ liệu đưa vào thử nghiệm là các ma trận độ tương tự
được mô tả theo định dạng trình bày ở phần trên.
19

Thực nghiệm lần 1:
Bảng 3.2: Bảng thống kê kích cỡ tập dữ liệu cũng như giá trị trung bình ISim và
Entropy đối với hàm I1 trên số cụm tương ứng.
Thực nghiệm trên một tập dữ liệu {cacmcisi, cacmcisi.mat.clabel,
cacmcisi.mat.rclass} với hàm điều kiện I1 với số cụm khác nhau nhằm tìm
ra sự biến động của các chỉ số.
Số
cụm
Giá trị trung bình chỉ số
ISim trên số cụm
Giá trị trung bình chỉ số
Entropy trên số cụm
Kích cỡ tập
dữ liệu
2 0.027 0.515 4658

4 0.14575 0.29475 4658
6 0.312667 0.208 4658
8 0.351625 0.17075 4658
10 0.3405 0.1373 4658
12 0.3045 0.155167 4658
14 0.315429 0.146286 4658
16 0.321063 0.135 4658
18 0.299722 0.121611 4658
20 0.326 0.10945 4658

Bảng 3.4: Bảng thống kê kích cỡ tập dữ liệu cũng như giá trị trung bình ISim và
Entropy đối với hàm UPGMA trên số cụm tương ứng.
Thực nghiệm trên một tập dữ liệu {cacmcisi, cacmcisi.mat.clabel,
cacmcisi.mat.rclass} với hàm điều kiện UPGMA với số cụm khác nhau
Số
cụm
Giá trị trung bình chỉ
số ISim trên số cụm
Giá trị trung bình chỉ số
Entropy trên số cụm
Kích cỡ tập dữ
liệu
2 0.5065 0.4485 4658
4 0.64875 0.2245 4658
6 0.5275 0.350833 4658
8 0.447375 0.369875 4658
10 0.4167 0.4182 4658
12 0.443083 0.403083 4658
14 0.401786 0.415143 4658
16 0.357063 0.406563 4658

18 0.327278 0.4085 4658
20 0.30915 0.40385 4658

Thực nghiệm lần 2:
20

Thực nghiệm trên một phương pháp với một tập dữ liệu {classic,
classic.mat.clabel, classic.mat.rclass} và số cụm cố định là 10 trên hai hàm điều
kiện nhằm tìm ra sự khác biệt giữa hai hàm cũng như so sánh, rút ra được chất
lượng của mỗi hàm:
Bảng 3.5: Bảng thống kê giá trị lớn nhất ISim và Entropy với hàm điều kiện I1.
Đối với hàm điều kiện I1
Số cụm Giá trị max ISim Giá trị max Entropy Đánh giá
10 0.717 0.485
Bảng 3.6: Bảng thống kê giá trị lớn nhất ISim và Entropy với hàm điều kiện
UPGMA.
Đối với hàm điều kiện UPGMA
Số cụm Giá trị max ISim Giá trị max Entropy Đánh giá
10 1.000 0.626

Thực nghiệm lần 3:
Thực nghiệm trên 2 tập dữ liệu {cacmcisi, cacmcisi.mat.clabel,
cacmcisi.mat.rclass} và {classic, classic.mat.clabel, classic.mat.rclass} với
phương pháp Agglomerative và số cụm 10 cũng như hàm điều kiện cố định là
I1. Nhằm tìm ra sự ảnh hưởng của kích cỡ dữ liệu tới các chỉ số.
Bảng 3.7: Bảng thống kê giá trị lớn nhất ISim và Entropy với hàm điều kiện I1
trên tập dữ liệu cacmcisi.
Đối với tập dữ liệu: {cacmcisi, cacmcisi.mat.clabel, cacmcisi.mat.rclass}
Số cụm Giá trị max ISim Giá trị max Entropy Đánh giá
10 1.000 0.598

Bảng 3.8: Bảng thống kê giá trị lớn nhất của ISim và Entropy với hàm điều kiện
I1 trên tập dữ liệu classic.
Đối với tập dữ liệu: {classic, classic.mat.clabel, classic.mat.rclass}
Số cụm Giá trị max ISim Giá trị max Entropy Đánh giá
10 0.717 0.485
Từ các kết quả thực nghiệm trên có thể kết luận như sau:
Kết luận 1
21

- Từ Bảng 3.2, Bảng 3.4 cho thấy giá trị trung bình chỉ số ISim trên tập
dữ liệu cacmcisi khi thử nghiệm với hàm I1 là: 0.3405 và khi thử nghiệm với
hàm UPGMA là: 0.4167
- Từ bảng Bảng 3.2, Bảng 3.4 cho thấy giá trị trung bình chỉ số ISim trên
tập dữ liệu classic khi thử nghiệm trên hàm I1 và UPGMA tương ứng là: 0.1829
và 0.2412
- Từ bảng Bảng 3.2, Bảng 3.4 cho thấy giá trị trung bình chỉ số Entropy
trên tập dữ liệu cacmcisi khi thử nghiệm với hàm I1 là: 0.1373 và khi thử
nghiệm với hàm UPGMA là: 0.4182
- Kết luận1: hàm UPGMA cho chất lượng chỉ số ISim là tốt hơn hàm I1.
- Kết luận 2: hàm I1 cho chất lượng chỉ số Entropy là tốt hơn hàm
UPGMA
- Điều này là do:
Sự khác biệt giữa I1 và UPGMA là I1 tạo ra các độ tương tự cũng tốt như
các độ tương tự trong mỗi cụm để gộp chúng lại với nhau. S
i
và S
j
có kích cỡ n
i

và n
j
tương ứng, μ
i
và μ
j
là giá trị trung bình độ tương tự giữa các tài liệu trong
S
i
và S
j
tương ứng, tức là: μ
i
=C
i
t
C
i
và μ
j
=C
t
j
C
j
, và ξ
ij
là giá trị trung bình độ
tương tự giữa các tài liệu trong S

i
và tài liệu trong S
j
tức là
ij
t
i j
i j
D D
n n


. Việc gộp
của hàm UPGMA được quyết định chỉ dựa trên ξ
ij
. Mặt khác, I1 sẽ gộp các cặp
của các cụm bởi các hàm tối ưu tổng thể. Thay đổi giá trị tổng thể của hàm điều
kiện sau khi gộp hai cụm S
i
và S
j
để đạt được cụm S
r
được cho bởi công thức:
(3.6)
Công thức (3.6) cho thấy giá trị nhỏ hơn μ
i
và μ
j
sẽ cho giá trị I1 lớn

hơn, mà trong đó tạo ra các kết nối lỏng hơn giữa các cụm để dễ dàng hơn trong
22

việc gộp. Ví dụ, ta xem xét 3 cụm S
1
, S
2
, S
3
, trong đó S
2
là chặt, tức là giá trị μ
2

cao và cùng lớp với S
1
, S
3
là lỏng (tức là giá trị μ
3
thấp) và của một lớp khác. S
2

và S
3
có kích cỡ tương tự nhau, với giá trị I1 sẽ được xác định bởi (2ξ
ij
– μ
i
–

μ
j
), sau đó có thể là (2ξ
13
– μ
1
– μ
3
) lớn hơn (2ξ
12
– μ
1
– μ
2
) bởi vì μ
3
nhỏ hơn μ
2

, thậm chí, nếu S
2
tiến gần hơn tới S
1
so với S
3
, tức là (ξ
12
ξ
13
). Như một kết

quả, nếu hai lớp là đóng và chặt khác biệt nhất, I1 có thể gộp các cụm con từ
mỗi lớp cùng với nhau tại giai đoạn trước đó.
Kết luận 2
Từ Bảng 3.2, Bảng 3.4 ta thấy chỉ số ISim là tỷ lệ nghịch và Entropy là tỷ
lệ thuận với kích cỡ của dữ liệu trong mỗi cụm sau khi được phân cụm, hơn
nữa, ISim và Entropy là tỷ lệ nghịch với nhau
Mặt khác, từ đồ thị cho thấy giá trị chỉ số ISim bắt đầu tăng từ k=2,4 và
khi k=6 thì chỉ số ISim là đạt giá trị cao nhất, khi k=6 trở lên thì chỉ số ISim có
giá trị ổn định và không thay đổi nhiều.
Kết luận 3
Từ bảng Bảng 3.2, Bảng 3.4 cho thấy giá trị trung bình chỉ số ISim là
0.3405 khi thử nghiệm trên tập dữ liệu cacmcisi với kích cỡ là 4658 và giá trị
trung bình chỉ số ISim là 0.1829 khi thử nghiệm trên tập dữ liệu classic với kích
cỡ là 7089. Như vậy có thể kết luận rằng chỉ số ISim tỷ lệ nghịch với kích cỡ
của tập dữ liệu.
Từ Bảng 3.2, Bảng 3.4 cho thấy giá trị trung bình chỉ số Entropy là
0.1373 khi thử nghiệm trên tập dữ liệu cacmcisi với kích cỡ là 4658 và giá trị
trung bình chỉ số Entropy là 0.1523 khi thử nghiệm trên tập dữ liệu classic với
kích cỡ là 7089. Như vậy có thể kết luận rằng chỉ số Entropy tỷ lệ thuận với
kích cỡ của tập dữ liệu.

23

KẾT LUẬN

Những nội dung đã thực hiện được:
 Dịch vụ web và khám phá dịch vụ web: Đã trình bày về lý do sự ra
đời của dịch vụ web; một số khái niệm trong dịch vụ web; kiến trúc; cách biểu
diễn dịch vụ web, tìm hiểu sâu cách miêu tả dịch vụ web dựa trên các thành
phần như WSDL, UDDI, SOAP; các giai đoạn trong vòng đời của dịch vụ web:

miêu tả dịch vụ, quảng cáo dịch vụ, lựa chọn dịch vụ, hợp dịch vụ, thực thi dịch
vụ, đặc biệt thấy được tầm quan trọng của việc khám phá dịch vụ.
 Kỹ thuật sánh lược đồ cho khám phá dịch vụ web: Trình bày kỹ
thuật sánh lược đồ: như biểu đồ truyền thống, biểu đồ Holistic, kiến trúc hệ
thống sánh, đồng thời nghiên cứu kỹ thuật sánh lược đồ cho khám phá dịch vụ
web thông qua mô hình hóa các thao tác sánh dịch vụ Web bằng lược đồ cây,
hiệu chỉnh khoảng cách cây, mô hình chi phí cho lược đồ cây, chuyển đổi lược
đồ cây XML. Đồng thời xác định tương tự giữa các thao tác dịch vụ web.
 Cài đặt và thử nghiệm: Tập trung vào việc đánh giá giữa hai cách
tiếp cận khám phá dịch vụ web dựa trên lược đồ phù hợp và kết hợp sánh dựa
trên lược đồ và dựa trên mức đối với khám phá dịch vụ web. Qua đó đưa ra
đánh giá, so sánh các kết quả đạt được trên hai cách tiếp cận trên thông qua các
mô hình của chúng.
Hạn chế: Luận văn mới chỉ dừng ở việc nghiên cứu và đánh giá giữa các
cách tiếp cận khác nhau trong việc khám phá dịch vụ web, chưa có demo cụ thể
cho thấy kết quả.
Hướng phát triển:
 Nghiên cứu các kỹ thuật khác cho khám phá dịch vụ web và so sánh
đánh giá.