1. Ιδρυματικό Αποθετήριο Ακαδημαϊκής Έρευνας RUOMO
  2. Δημοσιεύσεις Μελών ΔΕΠ, Υποψηφίων Διδακτόρων & Μεταδιδακτόρων
  3. Τμήμα Εφαρμοσμένης Πληροφορικής
Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: https://ruomo.lib.uom.gr/handle/7000/662
Πλήρης εγγραφή μεταδεδομένων
Πεδίο DCΤιμήΓλώσσα
dc.contributor.authorVesyropoulos, Nikolaos-
dc.contributor.authorGeorgiadis, Christos K.-
dc.contributor.authorPimenidis, Elias-
dc.date.accessioned2020-04-06T05:06:23Z-
dc.date.available2020-04-06T05:06:23Z-
dc.date.issued2016-
dc.identifier10.1007/978-3-319-45243-2_49en_US
dc.identifier.isbn978-3-319-45242-5en_US
dc.identifier.isbn978-3-319-45243-2en_US
dc.identifier.issn0302-9743en_US
dc.identifier.issn1611-3349en_US
dc.identifier.urihttps://doi.org/10.1007/978-3-319-45243-2_49en_US
dc.identifier.urihttps://ruomo.lib.uom.gr/handle/7000/662-
dc.description.abstractWeb Services (WS) have emerged during the past decades as a means for loosely coupled distributed systems to interact and communicate. Nevertheless, the abundance of services that can be retrieved online, often providing similar functionalities, can raise questions regarding the selection of the optimal service to be included in a value added composition. We propose a framework for the selection and composition of WS utilizing Linked open Data (LoD). The proposed method is based on RDF triples describing the functional and non-functional characteristics of WS. We aim at the optimal composition of services as a result of specific SPARQL queries and personalized weights for QoS criteria. Finally we utilize an approach based on the particle swarm optimization (PSO) method for the ranking of returned services.en_US
dc.language.isoenen_US
dc.publisherSpringer Verlagen_US
dc.relation.ispartofseriesLecture Notes in Computer Scienceen_US
dc.subjectFRASCATI::Natural sciences::Computer and information sciencesen_US
dc.subject.otherWeb servicesen_US
dc.subject.otherquality of serviceen_US
dc.titleUtilizing Linked Open Data for Web Service Selection and Composition to Support e-Commerce Transactionsen_US
dc.typeConference Paperen_US
dc.contributor.departmentΤμήμα Εφαρμοσμένης Πληροφορικήςen_US
local.identifier.volume9875en_US
local.identifier.issue8th International Conference on Computational Collective Intelligence, ICCCI 2016en_US
local.identifier.firstpage533en_US
local.identifier.lastpage541en_US
local.identifier.volumetitleComputational Collective Intelligenceen_US
Εμφανίζεται στις Συλλογές: Τμήμα Εφαρμοσμένης Πληροφορικής

Αρχεία σε αυτό το Τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
Georgiadis_Utilizing_2016.pdf614,02 kBAdobe PDFΠροβολή/Ανοιγμα
Εμφανίστε την απλή εγγραφή


Τα τεκμήρια στο Αποθετήριο προστατεύονται από πνευματικά δικαιώματα, εκτός αν αναφέρεται κάτι διαφορετικό.