L’apprentissage à base de cas pour la composition des services web

Abstract

الملخص (بالعربية) :

التطبيقات الموزعة تتقارب بسرعة نحو اعتماد نموذج يعتمد على الأبنية الموجهة للخدمات (SOA)، والتي يتم فيها الحصول على التطبيق من خلال تكوين مجموعة من الخدمات. اختيار خدمة ويب هي عملية لا غنى عنها لتركيب خدمات ويب. ومع ذلك، فإنه أصبح مهمة صعبة مع ازدياد الخدمات على شبكة الإنترنت، ومعظمها توفر وظائف مماثلة، فما هي الخدمة التي سوف تكون أفضل. تفضيلات المستخدم هي المفتاح لتحديد والاحتفاظ فقط بأفضل الخدمات للتكوين.

في هذا العمل، اقترحنا نموذجا تكوين خدمة الويب بناء على تفضيلات المستخدم. لتحسين عملية تكوين خدمة الويب نقترح الجمع بين تقنيات الذكاء الاصطناعي و التي هي التخطيط والحل استنادا على الحالات المستعملة من قبل. في هذا العمل نحن نستخدم منهج التخطيط القائم على الحالات مع تفضيلات المستخدم، والذي يستخدم التجارب الناجحة في الماضي لحل مشاكل مماثلة.

في نهجنا ندمج تفضيلات المستخدم في مرحلة الاختيار، والتكيف والتخطيط. لدينا المساهمات الرئيسية هي طريقة جديدة لاسترجاع الحالة، خوارزمية ممتدة من التكيف والتخطيط مع تفضيلات المستخدم. النتائج التي تم الحصول عليها توفر أكثر من حل للمستخدم وأخذ المتطلبات الوظيفية وغير الوظيفية. ---------------------------------------------- Résumé (Français et/ou Anglais) :

Distributed applications converge quickly towards the adoption of a paradigm based on service-oriented architectures (SOA), in which an application is obtained by the composition of a set of services. Web service selection is an indispensable process for web service composition. However, it became a difficult task as many web services are increased on the web and mostly they offer similar functionalities, which service will be the best. User preferences are the key to select and retain only the best services for the composition.

In this work, we have proposed a web service composition model based on user preferences. To improve the process of web service composition we propose to combine two techniques of artificial intelligence that are planning and reasoning by memorization. In this work, we use the case-based planning approach with user preferences, which uses successful experiences of the past to solve similar problems.

In our approach we integrate user preferences in the phase of selection, adaptation and planning. Our main contributions are a new method of case retrieval, an extended algorithm of adaptation and planning with user preferences. Results obtained offer more than a solution to the user and taking both functional and non-functional requirements.