Resumen de Improving semantic web services discovery and ranking: a lightweight, integrated approach
Los Servicios Web Semánticos (SWSs) se han convertido en un área de investigación muy activa, en la que diversos frameworks, como WSMO u OWL-S, definen ont ologías de la Web Semántica para describir servicios Web, de forma que puedan descubrirse, ordenarse, componerse y ejecutarse automáticamente, de acuerdo a los requisitos y preferencias del usuario. En concreto, diversas técnicas de descubrimiento y ranking han sido propuestas, incluyendo herramientas relacionadas. Sin embargo, las propuestas existentes ofrecen una expresividad limitada para definir preferencias, siendo muy dependientes de los formalismos subyacentes. Además, las técnicas semánticas actuales sufren de problemas de rendimiento, interoperabilidad e integración, impidiendo su explotación efectiva.
Para solucionar estos problemas, la investigación se centra actualmente en el desarrollo de descripciones de SWSs ligeras, las cuales faciliten la interoperabilidad de las propuestas actuales, así como en soluciones para el descubrimiento y el ranking que proporcionen mejor rendimiento con una disminución acotada en su precisión. En esta memoria de tesis, resolvemos esos desafíos mediante la propuesta de SOUP, un completo modelo ontológico de preferencias sobre el que hemos desarrollado unas herramientas ligeras, llamadas EMMA y PURI, que mejoran el rendimiento del descubrimiento e integran las propuestas actuales de ranking, respectivamente.
Nuestras contribuciones han sido evaluadas aplicándolas a escenarios sintéticos y reales. En primer lugar, la expresividad e independencia del modelo de preferencias SOUP se ha validado mediante la descripción completa de escenarios complejos del SWS Challenge. Además, hemos llevado a cabo un estudio experimental de EMMA que muestra una mejora de rendimiento significativa, obteniendo una penalización en la precisión insignificante. Por último, hemos aplicado PURI dentro del proyecto SOA4All, integrando sus tres mecanismos de ranking (objetivo, basado en NFP, y en lógicas difusas) en una solución de descubrimiento y ranking interoperable.
