| 摘要 | 第1-7页 |
| ABSTRACT | 第7-17页 |
| 第一章 绪论 | 第17-29页 |
| ·研究背景 | 第17-19页 |
| ·相关研究工作 | 第19-24页 |
| ·研究内容和创新点 | 第24-27页 |
| ·论文组织结构 | 第27页 |
| ·课题资助 | 第27-29页 |
| 第二章 语义化网络服务概述 | 第29-47页 |
| ·本体的概念 | 第29-32页 |
| ·本体的定义 | 第29-31页 |
| ·本体描述语言 | 第31-32页 |
| ·Web服务简介 | 第32-34页 |
| ·语义Web服务和OWL-S语言 | 第34-40页 |
| ·语义Web服务的概念 | 第34-35页 |
| ·语义Web服务描述语言OWL-S | 第35-40页 |
| ·语义化网络服务的定义 | 第40-44页 |
| ·模型驱动架构及本体定义元模型 | 第44-46页 |
| ·模型驱动架构 | 第44-45页 |
| ·本体定义元模型 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于迭代的启发式语义化网络服务发现方法 | 第47-63页 |
| ·研究背景 | 第47-48页 |
| ·相关定义和概念 | 第48-50页 |
| ·加权的本体相似度算法 | 第50-53页 |
| ·语义Web服务发现算法 | 第53-56页 |
| ·服务类型空间匹配 | 第53-54页 |
| ·功能属性空间匹配 | 第54-55页 |
| ·非功能属性空间匹配 | 第55-56页 |
| ·实验系统及算法性能评价 | 第56-62页 |
| ·实验系统介绍 | 第57-58页 |
| ·实验参数 | 第58页 |
| ·实验方法 | 第58-59页 |
| ·算法性能评价 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 基于Bayesian学习的本体映射方法 | 第63-78页 |
| ·研究背景 | 第63-65页 |
| ·本体映射算法 | 第65-72页 |
| ·问题的提出 | 第65页 |
| ·基于String Kernel的本体元素相似度的衡量 | 第65-66页 |
| ·映射算法 | 第66-72页 |
| ·实验与原型系统 | 第72-77页 |
| ·实验数据介绍 | 第72页 |
| ·原型系统 | 第72-73页 |
| ·实验过程 | 第73-76页 |
| ·实验结果分析 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 语义化网络服务模型构建以及模型转换方法 | 第78-106页 |
| ·研究背景 | 第79-80页 |
| ·语义化网络服务模型的构建方法 | 第80-86页 |
| ·本体定义元模型ODM | 第81-82页 |
| ·本体元模型的扩展 | 第82-84页 |
| ·模型构建方法 | 第84-86页 |
| ·模型自动转换方法 | 第86-88页 |
| ·网络服务模型到Profile本体的转换(第一阶段) | 第87-88页 |
| ·服务发现过程(第二阶段) | 第88页 |
| ·UML本体模型到OWL本体的转换方法 | 第88-98页 |
| ·技术背景 | 第88-89页 |
| ·问题定义 | 第89-91页 |
| ·基于Bayesian学习的转换算法 | 第91-93页 |
| ·UML本体模型到OWL本体的转换过程说明 | 第93-94页 |
| ·实验与分析 | 第94-98页 |
| ·原型系统介绍及实例描述 | 第98-104页 |
| ·原型系统介绍 | 第98-99页 |
| ·实例描述 | 第99-104页 |
| ·对本文方法的分析 | 第104页 |
| ·本章小结 | 第104-106页 |
| 第六章 基于高斯随机场的多元网络服务数据知识发现方法 | 第106-121页 |
| ·研究背景 | 第107-108页 |
| ·多元数据中的知识发现算法 | 第108-112页 |
| ·问题定义 | 第108-109页 |
| ·算法描述 | 第109-112页 |
| ·实验验证与分析 | 第112-120页 |
| ·数据集介绍 | 第112页 |
| ·实验与分析 | 第112-120页 |
| ·本章小结 | 第120-121页 |
| 第七章 总结以及进一步的研究展望 | 第121-126页 |
| ·本论文研究总结 | 第121-123页 |
| ·进一步的研究工作及研究问题思考 | 第123-126页 |
| 参考文献 | 第126-140页 |
| 致谢 | 第140-141页 |
| 攻读博士学位期间发表的学术论文以及发明专利 | 第141-142页 |
