A formal description framework and a matchmaking technique for web service composition
Notice bibliographique
Résumé
Purpose A web service is a software system designed to support interoperable machine‐to‐machine or application‐to‐application interactions over networks. Descriptions enable web services to be discovered, used by other web services, and composed into new web services. Web service composition is a mechanism for creating new web services by reusing existing ones. In order to compose a web service, the right primitive services have to be discovered. A matchmaking technique enables discovering these services. Web services have functional, non‐functional, behavioral, and semantic characteristics. These four aspects of web services provide different key information about the service; therefore they have to be considered for description, matching, and composition. The purpose of this paper is to propose a formal description framework and a formal matchmaking technique that allows describing and discovering web services by considering their four characteristics. Design/methodology/approach In this paper, the description framework combines two existing languages for functional, semantic, and behavioral description, along with a simple and new language for non‐functional description. Findings A case study is used to illustrate the description framework and the matchmaking technique. The implementation and performance evaluation of the matchmaking technique is presented. The framework formalizes and integrates the languages in a common semantic domain in order to match and manipulate the different aspects together and formally. Isabelle is used by the matchmaking technique for discovering the partially and fully matched services. Originality/value The contribution of this paper lies in the new description framework and the new matchmaking technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».