动态不确定性环境下的空间信息服务组合方法

传统的空间信息服务组合方法,多是基于手工规则与封闭世界假设,即假设空间信息服务具有很好的标准化描述,但是现实世界中的大多数信息缺乏这种描述的,空间信息服务的开放、异构特性使得传统空间信息服务组合方法在面临实际应用时,显得苍白无力。其次,传统的方法多是基于手工规则,然而手工规则由于其不可穷尽性和增长性难以覆盖现实世界中的所有情况。以上,使得传统的空间信息服务组合方法难以被实际应用。

我们利用开放的空间信息服务数据,以学习的方式,让计算机自己学习数据的结构特征,发现空间信息服务的组合模式,实现服务的自动组合。将分布在广域互联网上的开放性空间信息服务资源,有机地组织聚集起来,基于小粒度服务(函数)相互之间的通信和协作,通过生成式预测建模,逐步生成空间信息服务链,为更多种类、更加复杂任务提供服务和参考。

具体来说,我们的贡献在于以下几个方面:

(1)  对开放性数据的有效组织利用进行了积极探索,构建了组合训练集(有助于打破传统空间信息服务组合的封闭世界假设)

(2)  针对传统手工规则带来的局限,以学习的方式,让计算机学习出数据集中的空间信息服务组合模式

(3)  通过预测式生成建模,生成空间信息服务组合链,为更多种类、更加复杂任务提供服务和参考。


在未来,我们希望能够做到跨库之间的组合生成,进一步的挖掘开放性空间信息服务资源的内部组织结构。