云制造是一种利用网络和云制造服务平台，按用户需求组织网上制造资源，为用户提供各类按需制造服务的一种网络化制造新模式^[1]，拓展了网络化制造，属于智慧制造范畴。从技术角度来看，云制造服务平台综合应用了云计算、云安全、物联网等技术^[2]。云制造系统的特点是面向服务、高效低耗和知识共享。自从云制造被提出以来，深受行业专家学者的重视，被列为国家重大研究课题，是实施“中国制造2025”的重要支撑技术。云制造的研究重点有云制造服务框架结构、制造资源的封装和虚拟化、制造服务的匹配和组合优化、云制造系统管理、可信研究和安全体系。其中许多学者对云制造的结构框架进行了研究，如尹超等^[2]提出中小企业云制造服务平台标准体系框架。制造资源匹配是云制造系统构建的核心技术之一，众多学者对制造资源服务搜索与匹配进行了研究，如王成建等^[3]提出利用OWL-S语言设计资源的树结构服务模型，并给出了树结构的资源搜索与匹配方法。

云制造资源描述和服务匹配技术是解决云制造服务平台实现的源头问题，其中云制造资源规范化描述是实现云制造服务匹配的前提和基础。由于云制造资源种类众多、数量巨大，具有异构性，所以对云制造资源的一致描述是困难的，文献[3]提出了云制造资源描述的思想，但缺少实现方式。文献[4]设计了针对机床制造的资源描述方法，但缺乏通用性。利用本体和语言Web方式，针对资源的关键要素进行设计是一种创新的方法，不同于传统的关注资源所有方面信息的语义描述方法。制造资源服务匹配是实现云制造平台对服务的组合、优选、管理的关键技术。传统的基于关键字和语义相似度计算方法具有一定的局限性，文献[5]提出的多策略匹配算法由于存在重复计算和计算量巨大等因素，导致其实用性不足。文中方法是综合考虑匹配方法的科学性和实用性，选择资源本体中关键的一些属性来设计匹配算法，执行匹配后再利用阀值对结果集进行过滤，极大地提高了服务的匹配效率和准确度。

1 资源与服务的规范描述

采用规范、标准的信息化描述方法来描述云制造资源是非常重要的，它是对资源池中的服务进行有效发现、匹配与管理的前提，也是云制造系统实现的关键^[6]。由于云制造资源具有广域性、多样性、异构性等特点，设计普遍适用的规范化、统一性、完整性的描述体系属性是相当困难的^[7]。当前较主流的资源描是采用Web服务技术，使用资源描述框架(resource description framework, RDF)对资源进行有效描述。按主要因素决定了系统80%的功能策略，在搜索策略中可重点考虑资源的主要属性，如资源的名称、类别、说明、功能、约束、状态等在描述资源时可以依据主要属性设计通用的制造资源描述体系。通用的物理制造资源的形式化描述范式可形式化为

< uri, name, category, explain, function_Attribute, constraint_Attribute, other_Attribute, state>，

式中：uri代表制造资源在广泛网络中的具体位置；category是主体的行业或国家统一类别；explain是对本体中的name进行进一步解释；function_Attribute是指本体的功能性属性；constraint_Attribute是本体的约束条件，如质量控制的一种重要参数；other_Attribute是本体或能出现的应急属性；state表示该主体当时所处状态^[8]。

采用知识框架来解析硬制造资源，用Web服务的OWL解析软制造资源，用XML格式的Petri标记语言解析计算资源和制造能力^[9]，从而对各类制造资源进行规范化描述，以便云制造系统的管理模块进行建模、查找、匹配、组合和优化等管理。图 1是资源语义描述的概略图。

2 匹配策略

用户将制造需求通过客户端向云制造系统提出申请，云制造系统首先将用户的制造需求进行规范化描述，形成云制造资源需求本体，再通过匹配策略和算法将之与平台中已注册的云制造服务本体进行匹配，找到和用户需求相匹配的制造服务资源^[10]。匹配的理想结果应该是单项服务资源或较小范围的服务资源集，以最优化方式提供给需求者。这就需要匹配策略和算法是快捷、精准、有效、自动化或半自动化，平衡考虑查全率、查准率和计算量3个方面因素。

云制造服务资源本体化描述中的元素是众多的，其中对匹配起重要作用的、权重系数大的元素是服务资源的类型、名称信息、解释(说明、注释)、功能信息、约束信息^[11]。

1) 类型匹配：依据云制造系统中已有的类型目录进行查询，缩小匹配范围。

2) 名称匹配：依据云制造系统中的资源服务目录进行查询，得到初始匹配集。如线切割机、圆管切割机、方管切割机、异型管切割机与冷切锯通过名称匹配算法可得到它们的相似度为0，即可以直接排除，不需要进行其他属性的相似度计算。但是有时会有类似于别名的情况，如文化教育领域的“笔记本”和电子设备领域的“笔记本”是两个不同的概念，此时需要通过其他属性的相似度计算来进一步确认。所以类型匹配和解释信息匹配就起到了重要补充和修正作用^[12]。

3) 解释匹配：输入初始匹配集，对本体间的解释信息进行匹配，得到二次匹配集。

4) 功能匹配：输入二次匹配集，对本体间的功能信息进行匹配，得到三次匹配集。

5) 约束匹配：输入三次匹配集，对约束要求进行匹配，得到四次匹配集。

6) 合并匹配：将以上各种匹配集成为一个综合性的匹配过程，在此匹配过程中对以上各匹配赋予不同的权重，权重又可以根据综合匹配效果的反馈进行调整，以便优化匹配过程，使匹配结果不断优化。

3 匹配算法 3.1 类型相似度

制定规范、科学、系统的资源类型应是云制造系统得以广泛应用的重要条件，由于资源分类不规范及各种历史原因，同一名称可能表示多种异构资源，同一资源也可用多个同义名称或别名。由权威部门和行业专家共同制定行业认可的资源类型规范目录是必要的。研究采用的是按通用标准拟定的实验性质的资源类型目录，目录是分为多个层级。用户需求服务资源R中的类型标记为Rcategory，采用目录搜索方法进行匹配，其相似度计为Simcategory(Rcategory)，返回的结果是1则表示相匹配，返回的结果是0则表示不相关。

3.2 名称相似度

名称信息主要包含服务名称描述、类型描述。使用名称信息计算相似度是本体映射过程中最直接、最基础的方法^[13]。名称信息一般是采用语言文字方式进行描述，故匹配只需要计算名称在文字上的相似度。针对语言文字类型的文本信息可采用距离方法来计算相似度。基于WordNet的相似度算法在概念相似度计算中得到普遍认可。它类似于一部树状语义词典，根据词义来组织词汇信息，用同义词集合(Synset)表示概念，同义词集之间是以4类明确的数学逻辑关系取得关联的，如同义与反义关系^[14]。令资源R₁的名称为N₁，资源R₂的名称为N₂，则N₁和N₂的语义相似度计算方法为

$ {S_{{\rm{name}}}} \left( {{N_1}, {N_2}} \right) = \frac{{2 \times d\left( {l\left( {{N_1}, {N_2}} \right)} \right)}}{{d\left( {{N_1}} \right) + d\left( {{N_2}} \right)}}, $

式中：d(N₁)和d(N₂)分别表示名称N₁和名称N₂在WordNet树中各自的深度；l(N₁, N₂)表示2个名称的最近公共祖先。S_name(N₁, N₂)取值范围在[0, 1]，其值越大表示相似度越大，0表示完全不同，1表示完全相同。

为了提高搜索的准确性和效率，在此环节增加阀值(threshold value)，对搜索结果进行过滤, 该阀值T_name得到取值为0.55，大于阀值的匹配结果可纳入候选集合，通过匹配得到初始匹配集C₁{c₁, c₂, …, c_i}，其中i为正整数。

3.3 解释信息相似度

云制造服务资源的解释信息是对制造资源的简介和说明，是进一步对资源名称的补充，往往是用一段文字进行描述。如果2个资源的名称及解释信息的匹配度都很高，则可初步认为这2个资源是语义相等的。资源的名称信息往往是一个名词或扩展的名称，而资源的解释信息常常是一段文本描述，所以二者的相似度匹配算法不尽相同^[15-16]。

匹配的策略的输入条件是名称匹配算法所得到的初始匹配集C₁{c₁, c₂, …, c_i}。

首先将2个资源的解释信息进行词语解析，找出文本中的名词集合和动词集合。令资源R₁的解释信息为C₁, 解析出来m个名词集合为W₁={w₁₁, w₁₂, …, w_1m}，i个动词集合为V₁={v₁₁, v₁₂, …, v_1i}。令源R₂的解释信息为C₂, 解析出来n名词集合为W₂={w₂₁, w₂₂, …, w_2n}，j个动词集合为V₂={v₂₁, v₂₂, …, v_2j}。

3.3.1 计算名词语义相似度

先计算出W₁, W₂的相似度矩阵，记为

$ {\mathit{\boldsymbol{W}}_{12}} = \left( {\begin{array}{*{20}{c}} {{w_{11}}{w_{21}}}& \cdots &{{w_{1m}}{w_{21}}}\\ \vdots &{}& \vdots \\ {{w_{m1}}{w_{2n}}}& \cdots &{{w_{m1}}{w_{2n}}} \end{array}} \right), $

矩阵中的每个元素是2个集合中单一名词对的语义相似度。遍历矩阵W₁₂取得每列的相似度最大值，得到该矩阵的最大相似度集合P_L为{p₁, p₂, …, p_L}，其中L=min(m, n)。

计算得到这2个解释信息的名称相似度为

$ {S_{{\rm{noun}}}} = \frac{1}{l}\sum\limits_{i = 1}^l {{p_i}}, $

式中，1≤i≤l。S_noun取值范围在[0, 1]，其值越大表示相似度越大，0表示完全不同，1表示完全相同。

3.3.2 计算动词语义相似度

先计算出V₁, V₂的相似度矩阵，记为

$ {\mathit{\boldsymbol{V}}_{12}} = \left( {\begin{array}{*{20}{c}} {{v_{11}}{v_{21}}}& \cdots &{{v_{11}}{v_{21}}}\\ \vdots &{}& \vdots \\ {{v_{i1}}{v_{2j}}}& \cdots &{{v_{i1}}{v_{2j}}} \end{array}} \right), $

矩阵中的每个元素是2个集合中单一动词对的语义相似度。遍历矩阵V₁₂取得每列的相似度最大值，得到该矩阵的最大相似度集合Q_L为{q₁, q₂, …, q_k}，其中k=min(i, j)。

计算得到这2个解释信息的名称相似度为

$ {S_{{\rm{verb}}}} = \frac{1}{k}\sum\limits_{j = 1}^k {{q_j}}, $

式中，1≤j≤k。S_verb取值范围在[0, 1]，其值越大表示相似度越大，0表示完全不同，1表示完全相同。

3.3.3 解释信息相似度计算

结合名词语义相似度、动词语义相似度，计算得到解释信息的语义相似度为

$ {S_{{\rm{explain}}}} = {w_1}{S_{{\rm{noun}}}} + {w_2}{S_{{\rm{verb}}}}, $

式中：S_noun为名词语义相似度，S_verb为动词语义相似度，w₁和w₂是权重，且w₁+w₂=1。由于在解释信息中名称性语义对该服务资源的意义偏重要，故推荐将名词语义相似度w₁设为0.55~0.75之间的实数值。

此环节设定的阀值T_explain取值为0.65，大于阀值的匹配结果可纳入候选集合，通过解释信息匹配得到二次匹配集C₂{c₁, c₂, …, c_j}，其中j为正整数。

3.4 集成相似度

结合名称相似度、解释信息相似度，按权重分配方法计算集成相信度，得到初选资源集合, 为

$ S\left( {{N_1}, {N_2}} \right) = {v_1}{S_{{\rm{name}}}}\left( {{N_1}, {N_2}} \right) + {v_2}{S_{{\rm{explain}}}}\left( {{N_1}, {N_2}} \right), $

式中:S_name(N₁, N₂)为名称语义相似度，S_explain(N₁, N₂)为解释语义相似度，且v₁和v₂，是权重，且v₁+v₂=1。此阶段可根据资源类型来调整v₁和v₂的权重值。通过集成相似度计算得到三次匹配集C₃{c₁, c₂, …, c_j}，其中j为正整数。

3.5 设置过滤器

集成相似度匹配得到的结果集仍然是一个范围大，精度和准确度有待提高的中间集，需要结合其他要素对结果进一步优选^[17]，缩小最终结果范围和匹配的准确度。部分学者建议进一步对制造资源服务的其他属性进行相似度计算并纳入到集成相似度计算中去，从而提高准确度，但是这种方法会大大增加系统匹配的计算量，降低系统效率，实际是不可行的。使用一些重要属性对三次匹配集C₃{c₁, c₂, …, c_j}进行过滤，则会同时达到提高匹配结果的精度和准确率^[18]。

1) 功能过滤。功能属性一般描述为IOPE(input, output, precondition, effect)，利用语义距离来计算输入(input)和输出(output)的相似度, 利用本体的推理检测手段来匹配前置条件(precondition)和效果(effect)，设定一个最低相似度阈值对三次匹配集C₃进行过滤。

2) 约束过滤。制造资源的约束属性从多角度对资源服务的应用给出了限制要求，是保证制造资源能有效执行任务的基本要求。通过资源间约束的匹配来过滤结果集。

可采用并行方式将功能过滤和约束过滤结合起来构建过滤器，集成时分别设定权重进行计算，从而得到优化的结果集。

4 实验结果

根据云制造资源匹配策略和算法，笔者构建了系统模型，选取了机床加工类制造资源进行实验，拟匹配的资源集合为10组R₁(r₁, r₂, .., r₁₀)，每组样本中都有不同种类、结构相异的资源，每组样本资源数不少30个。设计服务需求集合为10组Q₂(q₁, q₂, .., q₁₀), 每个需求进行特征提取获得对应形式化描述。针对需求和资源对(q₁, r₁)，(q₂, r₂)，…, (q₁₀, r₁₀)分别实施传统关键字匹配算法和设计的综合匹配算法，实验结果见图 2所示。实验中使用了WSIL Explore工具建立和模拟领域本体，包括类、子类和层次关系等信息。与单独应用关键字(名称)进行匹配进行比较，该算法的有效性较突出。

5 结论

云制造资源服务化技术是云制造平台技术的重要支撑技术，采用合适信息技术对云制造资源虚拟化服务化关系到平台构建的重要因素。制造服务与制造任务之间的匹配算法与策略的优劣会极大影响平台的效率与准确度。文中对云制造资源语义描述和资源匹配策略与算法进行了研究，提出了基于OWL-S的通用云制造资源描述方法，给出了基本模型。结合本体语义相似度计算方法，分别对资源服务的名称、类型、注释等属性进行了相似度计算，在名称、注释等元素匹配时设置了动态阀值来增加过滤性，从而提高了匹配的效率。通过对初始结果集，应用功能和性能约束要求，进一步缩小了结果集的范围，提高了匹配的准确率。结合实验对系统的策略和算法进行了对比分析，验证了该策略和算法的科学性和实用性。今后的研究将一步围绕以下几个方面进行：一是匹配的要素还应考虑哪些因素，二是各阶段的阀值调整到何种程度较好，三是集成匹配时各阶段结果的权重如何进行动态调整。