本介紹來源于國家自然科學基金重點項目“大數據環境下的大服務理論與方法研究(No. 61832004)”,起止時間2019.01-2023.12。本項目工作概括如下:
一、研究取得成果的總體情況
本項目圍繞著“大數據環境下的大服務理論與方法”開展了研究,形成了四大標志性成果:大服務體系結構與聚合理論、基于需求認知與精準供需匹配的大服務高效構建方法、大服務系統的動態調度與資源優化配置方法、大服務系統運行時持續優化與主動服務機制等。在項目執行期間,共發表學術專著3部、頂級或重要期刊論文31篇和會議論文16篇;申請專利37項(其中已授權17項)、登記軟件著作權16項;培養博士生11名、碩士生56名;組織了14次學術交流活動,在高水平國際和國內學術會議上作大會特邀報告21次,形成應用驗證案例4個。
本項目的研究內容都非常具有前瞻性、創新性和很高的理論價值,項目成果揭示了大數據環境下大服務的新特征、新機理與新規律,形成大服務的新理論和方法,革新大數據和互聯網應用的開發和運行,為“互聯網+服務”多個相關服務領域提供了基礎理論支撐,具有重要的科學理論價值。項目成果在國內外服務計算頂級會議上多次以大會報告和專題論壇的形式宣傳,引領了服務計算的新方向,形成具有國際影響力的中國學派。本項目面向現代服務業提出的大服務基本機理、聚生態理論、兩階段開發新范型、適應性自演化的服務系統重構策略等都是服務計算的新理論,可極大豐富和推動服務計算學術研究,引領國際服務計算的新方向,在世界范圍內實現在服務計算領域“從并跑到領跑”的超越。
項目成果將會為我國信息化社會發展、現代服務業發展、傳統產業優化升級提供理論與技術支撐,有助于促進服務業的有序發展,大幅度提升服務效益。本項目研究成果在智慧健康醫療與養老服務、智能制造服務、智慧城市服務、智慧交通服務、智慧家庭與社區服務、智慧教育服務、文化服務、電子商務與現代物流服務、智慧旅游服務、社會服務等領域具有廣闊應用前景。
二、標志性成果
成果一:大服務體系結構與聚合理論及演化機理
為了給大服務系統的構建和運行提供理論支撐,本成果結合服務生態理論、復雜網絡理論等領域最新研究成果,在大服務體系結構、生態系統模型、聚合/演化分析等方面開展研究,提出大服務/服務互聯網開放系統架構(IoS-OSA),結合基于多層次動態語義網絡的服務生態系統模型和數據驅動的大規模服務生態建模方法提出大服務生態系統模型(MSEM),并根據服務形態不同提出了兩種服務生態系統的演化分析方法,從基礎理論和方法層面給出這類復雜服務系統的形成機理與演化規律,如圖 1所示。

圖1 大服務體系結構與聚合理論及演化機理
本成果主要包括三方面關鍵突破:
l 大服務/服務互聯網開放系統架構(IoS-OSA):該架構在原有大服務聚合模型的基礎上,通過層、視圖和生命周期維度的三維立方體模型,將大服務劃分為64個不同的視圖,并給出了每個視圖的內容描述和建模規范,為服務提供者和用戶在更廣闊的平臺上實現服務交互提供了一個標準化的框架。
l 大服務生態系統模型(MSEM):該模型通過清晰的分層結構全面準確的描述了服務生態中的各類要素,通過引入服務事件為服務生態的演化提供了一種良好的解釋機制;提出了數據驅動的大規模服務生態建模方法,通過主動學習和基于自然語言的信息抽取方法實現了從海量異構數據中以低成本代價自動半自動地進行大規模服務生態建模。
l 大服務生態系統的演化分析方法:在MSEM基礎上,依據主體服務形態的不同給出了兩個大服務及服務互聯網的生態實例,以軟件應用為主體的軟件服務生態和以商業業務邏輯服務為主體的業務服務生態。在這兩種生態實例上,引入了以服務社區為核心的演化分析視角和智能化分析方法,對兩種類型的服務生態系統的演化規律進行了探究。
成果二:基于需求認知與精準供需匹配的大服務高效構建方法
面向大服務的高效率與高質量設計與開發,本成果在大服務開發范型、大服務需求工程、大服務匹配方法與大服務高效構建等方面深入研究,探索顧客需求精準認知新方法,提出基于需求模式與知識圖譜的大服務需求獲取與定義方法,精準智能感知和理解用戶意圖,更加提前、準確、快速發現用戶的直接和潛在意圖;利用領域先驗知識,構建需求與服務的雙邊模式,建立“需求-服務”最佳匹配機制,形成供需雙邊模式關聯矩陣,有效降低求解搜索空間,高效產生優化服務解決方案,如圖 2所示。

圖2 基于需求認知與精準供需匹配的大服務高效構建方法
本成果主要包括三方面關鍵突破:
l 大服務顧客需求認知方法:分析大服務環境下客戶需求特點,提出了基于意圖樹和混合知識圖譜的需求模型。為了更好地規約顧客需求,提出了需求模式概念、基于模糊聚類的需求模式挖掘算算法、基于需求特征樹和需求模式的個性化需求補全算法、基于共現概念的潛在需求發現算法,從顯性、隱性兩個層面快速獲取和認知顧客需求。
l 服務模式識別與演化方法:提出基于聚類統計和頻繁子圖結合的服務模式挖掘方法,分析服務使用的歷史數據,挖掘出常用的服務模式。采用漸進學習和階段增強的機制、貝葉斯網絡和概率圖模型分析,從結構和性能兩個方面對服務模式進行演化與重構,提高服務效率和優化效果。
l 基于雙邊模式匹配的大服務按需構建方法:面向中心化和去中心化兩個大服務場景,提出服務供需雙邊模式匹配方法和去中心化的服務供需匹配方法,結合雙邊模式及其關聯矩陣,提出了需求匹配、候選服務縮減、服務流程構建等方法,面向個性化顧客需求提供高效按需服務方案。
成果三:大服務系統的動態調度與資源優化配置方法
針對大服務系統需求海量個性化、資源分散專業化、約束繁雜耦合、不確定性強、目標多的特點,創新性提出“數據+知識+算法+算力”的智能調度框架。如圖 3所示,該框架通過規模降維、約束簡化、信息確定、目標規約等策略,在大服務系統的運行階段,實時感知其價值提供的水平并進行優化調整,通過事前資源調度、事中監控與微調、事后重構來保證大服務系統性能保持與優化。

圖3 “數據+知識+算法+算力”的智能調度框架
本成果主要包括三方面關鍵突破:
l 大服務系統資源調度方法:針對大服務靜態資源配置,考慮云計算環境下服務資源的時間和空間可用性、服務價值、準備時間、服務能力等多個因素,提出了大服務資源優化調度智能方法,在滿足大數據環境大量用戶個性化QoS 需求等約束條件下,可以提供最大化用戶無形價值和服務提供者的有形價值。
l 大服務系統動態運行優化方法:針對大服務動態運行優化,分析了運行態大服務實例中海量服務資源分別受到大數據質量、用戶需求解析和分解質量、服務資源價值等因素的影響程度,提出了大服務系統中大量實例運行的優化方法,可以提高大服務系統動態運行性能。
l 大服務系統動態重構方法:針對服務動態重構,分析了大服務生態環境下服務群落的多樣性與多維度語義描述、服務群落的關聯性、動態性、協作性、演化特性等,提出了大服務系統的動態重構方法,可以很好地支持服務群落、服務模式與服務聚合生態系統的動態演化與重構。
成果四:大服務系統運行時持續優化與主動服務方法
針對大服務系統運行時持續優化與主動服務提供問題,本成果結合服務建模、大規模流數據關聯分析、機器學習等領域的最新研究成果,在服務建模方法、服務情境認知、適應性的服務主動提供方法等方面深入研究,提出了主動式數據服務建模方法和服務超鏈模型、大數據驅動的動態服務情境認知方法以及大規模流數據驅動的服務主動提供方法,能夠增強大服務系統的適應性和主動性,如圖 4所示。

圖4 大服務系統運行時持續優化與主動服務
本成果主要包括三方面關鍵突破:
l 主動式數據服務建模方法和服務超鏈模型:針對主動式服務的網絡化“激勵-響應”特征和大數據的時變、連續、多源、變頻、高并發等特征,提出主動式數據服務和服務超鏈模型,使用支持度、置信度、延時衡量事件關聯,提出服務超鏈生成算法,基于時間約束的頻繁共現模式挖掘有效生成服務超鏈,給出服務超鏈即時更新算法,并基于界標的空間釋放策略來優化更新效率。
l 大數據驅動的動態服務情境認知機制:針對大服務系統持續運行過程中流數據時變、連續等特性、以及情境事件的不確定性和多樣性,提出了靈活的服務情境認知方法,包括基于時空流式數據的邏輯一體化、時空服務情境模型、基于流式數據相關性和頻繁共現模式發現的服務情境事件生成方法、基于時空感知數據的服務時空情境識別發現算法和支持不確定情境事件感知的運行時主動服務動態綁定方法等,可以有效改善大服務系統持續運行效率。
l 大規模流數據驅動的服務主動提供方法:探明了大服務空間增長演化機理,提出了基于動態網絡生長模型的服務空間構建方法;并針對大服務環境下節點異構、數據傳輸時間、處理時間、工作負載等難以預測的問題,提出大規模流數據驅動的主動服務提供方法,可以有效預測未來的工作負載,并在流量波動超出預期范圍的情況下及時進行服務部署的調整;提出大數據任務調度算法框架、多隊列服務請求調度算法框架等,可以優化服務執行效率與服務提供者的效益,支持大服務系統性能的持續優化和適應性服務的主動提供。
內容來源:哈爾濱工業大學計算學部
關鍵詞:科研成果,國家自然科學基金項目結