Niveau d’automatisation

Selon le niveau de richesse s´emantique de la description des services, le traitement des donn´ees lors de la d´ecouverte peut n´ecessiter une intervention humaine. Dans la suite nous r´esumons, en premier, les approches manuelles et semi-automatiques de traitement de donn´ees et ensuite nous d´ecrivons les approches automatis´ees exigeant des descriptions plus riches s´emantiquement.

2.2.2.1 Approches manuelles et semi-automatiques

La d´ecouverte bas´ee sur la recherche de descriptions dans un annuaire UDDI re-pose sur une comparaison entre mots cl´es. C’est une approche manuelle dans la me-sure o`u l’utilisateur devra contacter le service de l’annuaire et parcourir les r´esultats renvoy´es afin de s´electionner le service le plus pertinent. La recherche par mots cl´es n´ecessite l’intervention de l’utilisateur pour v´erifier la pertinence des r´esultats (faux synonymes, etc.).

L’approche de d´ecouverte propos´ee dans le cadre de METEOR-S, pr´esente un degr´e d’automatisation plus avanc´e qu’une simple recherche dans un annuaire. En effet, l’annotation s´emantique des fichiers de description des services permet une d´ecouverte semi-automatique et plus pr´ecise. L’utilisateur exprime sa requˆete en fonction des concepts et des instances de l’ontologie de r´ef´erence utilis´ee pour annoter les descriptions des services. Le syst`eme pr´e-s´electionne les services susceptibles de satisfaire la requˆete de l’utilisateur. Ce dernier intervient pour choisir le service qui lui semble le plus pertinent parmi ceux pr´e-s´electionn´es.

Dans une approche plus r´ecente, Sabou et Pan [129] ´etudient les lacunes des syst`emes de d´ecouverte de services propos´es dans la litt´erature. Ils pr´esentent les annuaires disponibles en ligne. Ils concluent que la recherche de services dans ces an-nuaires n’est pas suffisamment pr´ecise car elle consiste `a faire correspondre les mots cl´es d’une requˆete avec une classification des services publi´es. Ils ajoutent qu’il est difficile de maintenir `a jour les classifications des services car ils ´evoluent rapidement. Ils proposent alors les bases d’une approche semi-automatique pour la d´ecouverte de services qui repose sur des techniques emprunt´ees au web s´emantique. Elle consiste, d’abord, `a adapter les techniques d’apprentissage `a base d’ontologies pour permettre une mise `a jour automatique des sch´emas de classification des services. Des ontolo-gies seront g´en´er´ees `a partir de ces sch´emas. Un utilisateur “expert” peut intervenir `a ce niveau pour v´erifier la coh´erence des ontologies g´en´er´ees. Elle consiste, ensuite, `a r´eutiliser les techniques de matching entre ontologies pour comparer ces sch´emas et les int´egrer en m´eta-sch´emas. Elle utilise, finalement, des m´ethodes de visualisation pour repr´esenter les services par rapport aux m´eta-sch´emas g´en´er´es.

2.2.2.2 Approches automatis´ees

Benatallah et al. pr´esentent une approche pour automatiser la d´ecouverte des services [13]. Ils proposent de formaliser la d´ecouverte comme un probl`eme de

r´e-´ecriture de concepts en logique descriptive. Ils d´ecrivent un algorithme pour d´ecouvir la meilleure couverture s´emantique d’une requˆete par les concepts d’une ontologie donn´ee. Ils d´emontrent que le probl`eme de d´ecouverte de la meilleure couverture s´emantique pr´esente des similitudes avec le probl`eme de calcul, `a coˆut minimal, des transversales minimes d’un hypergraphe attribu´e (computing the minimal trans-versals with minimum cost of a weighted hypergraph). Les r´esultats exp´erimentaux sont pr´esent´es dans [20]. Les auteurs affirment que l’approche d´ecrite n’est pas en-core adapt´ee pour traiter un grand nombre d’ontologies h´et´erog`enes, n´eanmoins les premi`eres exp´eriences pr´esent´ees sont prometteuses.

Mendell et McIlraith dans [83] pr´esentent une approche proposant d’automati-ser la d´ecouverte de d’automati-services. Elle r´eutilise les technologies d’automati-service existantes et les combine avec celle du web s´emantique. Les auteurs proposent d’´etendre BPEL [100]. Dans le document BPEL5, une description OWL-S de type service profile remplace la r´ef´erence statique aux services impliqu´es. Ils mettent en place SDS, un service de d´ecouverte s´emantique d´ecrit par un service profile OWL-S. SDS utilise le rai-sonneur JTP (Java Theorem Prover) pour g´en`erer des requˆetes DQL6. Au cours de l’interpr´etation du document BPEL, le service SDS intervient et envoie des requˆetes DQL g´en´er´ees `a partir des service profile du process BPEL vers un annuaire conte-nant des services s´emantiquement d´ecrits en OWL-S. De cette fa¸con chaque service sera d´ecouvert juste avant son invocation durant l’ex´ecution du processus composite. Keller et al. ´etudient un mod`ele de localisation automatique de services [68]. L’´etude suppose que les services sont d´ecrits via le mod`ele WSMO. La technique de matching utilis´ee est choisie en fonction de la richesse de la description des ser-vices fournis. Les auteurs adoptent la d´emarche de d´ecouverte de WSMO bas´ee sur le matching entre un objectif goal et le raffinement de la requˆete de l’utilisateur en intention. Nous d´eveloppons le matching sous WSMO dans la section suivante. Le mod`ele propos´e traite `a la fois l’aspect statique et l’aspect dynamique de la d´ecouverte. L’aspect statique consiste `a trouver les correspondances entre les des-criptions des services et une requˆete utilisateur. L’aspect dynamique raffine le choix des services pr´e-s´electionn´es durant la phase statique en interrogeant le fournisseur pour v´erifier certaines conditions d’utilisation telles que les pr´e-conditions, les effets et la disponibilit´e, etc. L’aspect architectural n’est pas abord´e par cette ´etude, les auteurs ne discutent pas la structure des annuaires publiant les fonctionnalit´es des

5. Langage de description d’une composition de service sous forme d’une orchestration, d´ecrit en section 2.3.1.

services.