Environnement de développement

Les mesures ont eu lieu pour les domaines de tailles différentes, à savoir les Process Model 20, 40, 60, 80 et 100 OWL-S. Toutes les expérimentations ont été faites à travers l’enrichissement du jeu de données des services par les alignements sémantiques de schéma. On a définit plusieurs requêtes dont les expressions régulières parcourraient le jeu de données services.

Pour la phase de découverte, on dispose de l’interrogation de deux aspects différents, soit la partie Process Model qui délivre des fonctionnalités pointant vers des concepts sémantiques référencés dans une ontologie ou bien la partie profil qui délivre des fonctionnalités purement syntaxiques. A travers le filtre définit par EMMA et enrichie par notre approche par des informations additionnelles assurent que les résultats ont montré que la précision de la découverte orienté Process Model est bien plus grande et concise que la découverte orienté Service profile. En outre, le nombre de résultats de la découverte orienté Process Model, est plus grand et pertinente par rapport au deuxième qui se focalise uniquement sur les mesures syntaxiques, ceci confirme la haute précision du premier algorithme pour une meilleure composition.

La Figure6.2 montre les résultats obtenus pour chaque ensemble de requêtes et pour chaque ensemble de Process Model. Le temps de réponse est le temps moyen mesuré en nanosecondes afin de répondre à une requête Q en retournant le plan optimal. Les résultats obtenus montrent la faisabilité de notre approche, c’est une solution qui peut garantir une solution optimale pour une collection de test de 110 services formalisés en Process Model OWL-S ayant des tailles différentes et complexes. L’algorithme proposé permet de prendre en charge les liens sémantiques fonctionnelles (i.e. les entrées- sorties des services) mais pas les liens causaux (i.e. les pré-conditions et les post-conditions des services) ; Ces derniers restant une perspective pour la suite de notre travail. L’outil proposé est testé pour la collection de service dans le domaine de l’E-Tourisme mais qui peut se généraliser dans d’autres domaines éventuellement l’E-Santé.

Le principal problème auxquels j’ai été confronté est la non-disponibilité d’un benchmark bien plus étendu afin d’effectuer d’autres expérimentations. La majorité des approches traitent le problème de composition des Process Model contenant simplement un seul processus atomique annotant des concepts sur un ensemble réduit d’ontologies. Notre approche se distingue des autres existants par le fait qu’elle tire profit des avantages liés à l’utilisation des Données Liées et les technologies sous-jacentes nous permettant ainsi de

Figure 6.2 – Découverte orienté composition

réduire considérablement le temps de découverte à travers les liens sémantiques pré-calculés et rafraichit à chaque enrichissement de ces instances. L’avantage de notre approche et qu’elle ne dispose d’aucun temps de prétraitement ou de traduction comme l’est le cas pour la majorité des approches.

L’algorithme de la fermeture transitive (la planification) n’a pas montré de variation importante, car il dépend uniquement du nombre des processus atomiques candidats (voir Figure 6.3) et leur interdépendance et non sur le nombre de services Web disponibles. En ce qui concerne le temps de planification (fermeture transitive des matrices) montre une augmentation du temps de planification que le nombre de processus augment ; Cependant, l’algorithme de la fermeture transitive est rapide.

Figure 6.3 – Nombre de Processus atomiques

nous notons que le score de notre filtre étendu et hybride en termes de pertinence présente un taux plus élevé que ceux des filtres à base de techniques de recherche d’information ou de logique. De même, il est utile de noter que, la phase d’optimisation est peu coûteuse en termes de temps d’exécution du fait que l’ensemble des calculs de similarité sont pré-effectuées et issues des jeux de Données de la deuxième couche. Cela indique que l’analyse des processus équivalent et subsumant de la fonctionnalité des services est une technique puissante pour réduire considérablement l’espace de recherche dans de grands problèmes d’échelle. Ces algorithmes vérifient la compatibilité sémantique du flux de données reliant les constituants de la composition. Plus précisément, les algorithmes s’assurent que le concept d’entrée de chaque service subsume ou équivalent au concept de sortie du service qui le précède. Le temps de découverte totale tend a augmenté dépendamment du nombre de services Web disponibles en raison de la plus grande complexité des triplets disponibles (les process Model peuvent avoir plusieurs entrées et sorties et les leur interrelation). La découverte est exponentielle, plus le nombre de service augmente, plus le temps de découverte est long.

On justifie le gain du temps d’exécution de notre approche par le biais d’un point d’accès SPARQL offrant ainsi un accès rapide aux triplets RDF représentant la fonctionnalité du Process Model. Quant au CPSPARQL, il offre la possibilité de sélectionner les Process

Model pertinents en effectuant une recherche précise en naviguant et parcourant tout les nœds possibles.

6.5 Conclusion

L’objectif du développement du prototype est double. D’abord il s’agit d’instancier l’ap-proche d’analyse et la méthodologie présentées dans ce travail. Les premiers résultats sont encourageants et ont démontré la justesse de l’approche. Ils ont permis de déceler de raffi-ner certains concepts dans le modèle formel. Le deuxième objectif est d’évaluer l’efficacité et la résistance à la montée en charge des techniques présentées. Ce second volet du travail est encore en friche et ouvre la perspective de nouvelles voies de recherche. En effet il reste à étudier et si possible résoudre des problèmes majeurs tels que l’adaptation de techniques de confinement de l’explosion combinatoire due à la complexité des modèles ou encore le problème de l’atteignabilité.