互联网上Web服务大量涌现,形成了巨大的服务资源空间。如何从巨大的服务空间中快速有效地进行服务的自动发现以满足特定的服务请求是面向服务的社区研究的重要内容。为了以一种智能的方式实现Web服务的自动发现、选择和协作,需要探索有效的方法来表示数量巨大的服务之间的复杂语义关系,开发基于服务间语义关系的基本服务语义数据模型,并将互联网上语义功能相关联的服务有效地组织起来,最大限度地提高服务网络的效用。基于Web服务的内在依赖关系,构建一个具体领域中语义关联的Web服务网络是解决服务计算领域这些挑战的有效途径。服务语义链网络(S-SLN)是在语义链网络模型SLN的基础之上,定义Web服务之间的语义依赖关联结构,表示Web服务之间条件依赖关系的语义数据模型。它的结点表示Web服务,结点之间的有向边表示服务之间的语义关联。S-SLN将互联网中的Web服务通过语义关系互联,形成一个语义的结构化服务网络。研究S-SLN,旨在实现有效地Web服务自动发现和搜索、服务的自动协作及导航。S-SLN的发现、服务关系推理是降低服务网络复杂性,实现有效地Web服务搜索和自动协作的关键。本文的研究内容围绕服务语义链网络S-SLN的发现、基于S-SLN的服务语义关系推理及服务的自动推荐导航展开。本文的主要研究工作和创新点如下：1.从大量服务数据中发现相关联的服务是进行自动服务的瓶颈,将语义功能上相关联的服务有效地组织起来,开发基于Web服务内在依赖关系的模型去发现一个具体领域中语义关联的Web服务网络是解决这一瓶颈的有效途径。本文主要提出了一种基于概率图模型的服务网络发现方法,自动发现由语义和功能上相关的Web服务组成的服务语义链网络S-SLN,以便实现基于S-SLN的服务协作和搜索,提高分布式环境下Web服务的效能。基于语义链网络模型SLN来定义服务语义链网络S-SLN。S-SLN的本质拓扑结构是一个有向图,它所表示的自然语义是Web服务之间的语义依赖关联。在现实的服务范式中,为了发现服务间的内在语义关联依赖,可以通过收集和挖掘在SOAP消息中蕴含的服务间分布式历史引用信息来实现,统计分析是一个广泛采用的方法之一。概率图模型是统计模型的一个重要子类,具有清晰的语义及广泛接受的完整理论基础,常常用于有效地表示一个域中的联合概率分布。将依赖关系嵌入概率模型中形成的概率图表示方式是解决问题的有力工具。因此,采用概率图模型的统计分析理论来发现服务依赖关系网络S-SLN。对问题的一个解决方案是首先基于概率的依赖从大量服务数据中发现一个无向图结构服务Markov网,并用联合概率分布来描述Web服务间的关系依赖。用服务Markov网络中结点之间的链表示概率依赖,并将它转换为一个具有相同联合概率分布的有向派系树,然后引入服务语义关系矩阵,通过对有向派系树的边进行语义链标注,将无向图转换为有向图结构。链的方向表明了服务间的语义交互关系,有向图结构就是一个具有相同联合概率分布且带有语义关系标识符的等价S-SLN。2.具有不确定性的服务语义关系推理是实现基于S-SLN的高级Web服务应用的主要挑战之一。服务语义链网络的服务语义关系具有本质上的不确定性,本文提出使用联合了一阶逻辑和概率图模型的表示形式——服务Markov逻辑网,研究基于服务Markov逻辑网在服务语义链网络中执行不确定性语义关系推理和预测的方法。由于每个服务都具有不确定的情境,在不同情境下服务间的语义关系是不确定的。在开放的服务语义链网络中,服务语义链所表示的初始服务间的语义关系也是不完整的。在任意的Web服务间,可能会具有潜在的服务语义关系,这些语义关系可以根据已知的语义关系推理生成。语义链推理规则,并不具有绝对意义上的真或假。在现实Web服务环境中,某些情形下,这些推理规则为真；而在另一些情形下,推理规则可能为假；推理规则具有不确定性。如何解决服务语义链网络中具有不确定性的服务语义关系推理是S-SLN的高级Web服务应用的主要挑战之一。将一阶逻辑和概率图解模型组合形成的Markov逻辑网,是解决Web服务不确定性推理的一种有效方法。用概率的逻辑规则表示服务间语义关系的不确定信息,不存在正确或错误的世界,而是有多个带有不同概率度的世界。利用可获取的概率信息和知识构建服务Markov逻辑网,作为具有不确定性服务语义关系推理的逻辑框架,将S-SLN中定义的基本推理规则解释为一阶逻辑公式,在服务语义关系矩阵中计算各个公式成立的概率,再将概率转换为公式的权。由这些公式和权构成的服务Markov逻辑网,能够较好地表示各种关系规则的不确定信息,基于这些信息可有效地进行服务语义关系的推理和预测。3.作为S-SLN的高级应用,对服务的自动推荐和导航是构建S-SLN的一个主要目标,为了给用户提供与关注的兴趣服务结点最有可能相关的链和答案来加速用户导航决策,本文提出了运用基于语义的激活扩散技术实现相关服务自动推荐问题的方法。服务自动推荐是基于S-SLN中蕴含的数据关系来获得与特定结点相关的内容,即从网络中获取关于兴趣结点之外的潜在知识。相关服务推荐不同于服务搜索,推荐的目标不是去发现具有特别属性的结点,在推荐中用户自己通常不能准确的说明他所要求的服务,而服务的搜索结果和初始的结点集合之间具有很强的直接或间接的关联。服务推荐的初始数据可以从一个单个的服务结点开始浏览到另一个,即一对一的扩散方式。初始数据也可以从多个服务结点开始浏览到多个,多对多的扩散方式。在S-SLN中,激活扩散方法可以作为自动推荐和导航的一个可扩展的有效方案,由于激活扩散方法易用于挖掘以网络形式表示的一般或具体的数据,因此,把服务的自动推荐问题看作是在一个网络数据图中进行子图挖掘的过程。以一个结点语义上的相关邻域,表示一个特定的兴趣结点在语义上紧密相关的邻居。用基于语义的激活函数来度量和源结点的语义相关性,确定结点的激活值。激活值用来量化一个结点对于某个邻域的相关程度,被激活的每一个结点所接收的激活值代表了该结点存在于一个特定的源结点的语义邻域的重要程度。最后返回的结果是由一系列激活结点所构成的S-SLN子图,这些子图中的结点通过不同的服务语义链链接在一起,服务结点和链有不同的类型和权值,它最大程度上表明了不同的服务场景和关系。