Transcript 1 服务生态系统
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 … S1N1 11 S D1 Topics T2 ' T1' Hidden Layer For Domain 1 H11 Service Domain D ' … TK s Hidden Layer For Domain D H12 … H1L1 H D1 负样本 需求领域 Domain Router 服务组合 开发者 H1' T1 Topics Composition C1 H 2' T2 C2 C3 H D 2 … H DLD H R' … T3 S D 2 … S DN D … TK c 服务消费者 服务消费者需求 （服务组合/个性化服 务） … CM • 如何考虑服务使用模式以及服务需求的演化过程？ 研究内容 • 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 [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)