Combining Recommendation Techniques with Multi-Agent Systems for Enhancing Dynamic Semantic Web Services Selection and Composition: E-GOV and ITIL Incident Management Case Study

Abstract

Actuellement, l'accent n'est pas seulement sur la manière d'échanger des données entre les utilisateurs, mais aussi sur la manière d'échanger des services. Les services web apparaissent comme une solution adéquate grâce à leur interopérabilité et réutilisabilité. Pour cela, plusieurs entreprises adoptent cette solution et par conséquent le nombre de services web exposés sur le Web a augmenté rapidement et la tâche de sélectionner le service pertinent devient de plus en plus difficile. Cette thèse concerne la sélection et la composition des services web, en particulier les services web sémantiques, car l'ajout de la sémantique aux services web peut améliorer la précision des résultats. Une autre clé dans le domaine des services web sémantiques est le fait qu'ils peuvent être composés en combinant plusieurs services atomiques à fin d’accomplir des tâches complexes ; C'est une caractéristique importante car elle permet de minimiser les coûts d'intégration et de promouvoir la réutilisation des services existants plutôt que d'en développer de nouveaux. D'un autre côté, la sélection et la composition des services web sémantiques n’est pas une tache triviale car elle révèle plusieurs défis tels que la diversité des sites de publication des SWS, le matching entre la requête utilisateur et l'ensemble des SWS disponibles et la contrainte de compatibilité lorsque la composition est nécessaire. Pour répondre à ces défis, nous proposons une approche multi- agent pour la sélection et la composition des SWS dans un environnement distribué en étendant certains algorithmes liés à ce domaine. Choisir des services qui ne satisfont que les préférences explicites et fonctionnelles des consommateurs de services n’est pas suffisant pour gagner leur satisfaction, il est nécessaire de prendre en compte même leurs préférences implicites. Pour résoudre ce problème, nous proposons une approche hybride basée sur un système de recommandation (contenu et collaboratives) pour recommander des SWS en fonction d'exigences explicites et aussi implicites.