Tổng quan về luận án

Bối cảnh khoa học – Kiến trúc hướng dịch vụ (SOA) và dịch vụ Web (Web Service) là trụ cột của các hệ thống CNTT hiện đại, nhưng bài toán tổ hợp dịch vụ Web (Web Service Composition – WSC) mang tính độ phức tạp hàm mũ (state‑space explosion) khiến việc tìm kiếm và tái sử dụng thành phần trở thành thách thức lớn trong bối cảnh Big Data ([1], [2]).
Research gap – Hầu hết các công trình trước (PORSCE II [19]; Chen et al. [16]; Tan et al. [36]) chỉ hỗ trợ ràng buộc chức năng hoặc chất lượng dịch vụ (QoS), còn ràng buộc quan hệ thời gian (temporal constraints) bị bỏ qua hoặc kiểm tra bằng các công cụ không tích hợp phương pháp hình thức. Không có khung phổ quát nào kết hợp phương pháp hình thức với kỹ thuật khai phá dữ liệu (data mining) để đồng thời giảm bùng nổ trạng thái và đảm bảo tính đúng đắn/on‑the‑fly.
Câu hỏi nghiên cứu

  1. Có khung hay công cụ tổng quát cho việc tự động tìm kiếm, tổ hợp và kiểm chứng dịch vụ Web với đặc tả hình thức không? ([RQ1])
  2. Làm sao biểu diễn dịch vụ Web một cách hình thức để hỗ trợ model checking và kỹ thuật khai phá dữ liệu đồng thời? ([RQ2])
  3. Khi trạng thái bùng nổ, phương pháp nào có thể thu hẹp không gian mà vẫn bảo toàn đầy đủ và đúng đắn? ([RQ3])

Research questions và hypotheses (đánh số)

  1. RQ1 – Khung tổng quát cho tự động tổ hợp dịch vụ Web tồn tại và có thể mở rộng cho các thành phần phần mềm khác.
  2. RQ2 – Mô hình LTS4WS (Labelled Transition System for Web Services) là biểu diễn hình thức khả thi cho việc model checking các ràng buộc thời gian.
  3. RQ3 – Heuristic search kết hợp bit‑wise indexing và logic‑based clustering giảm số trạng thái được khảo sát dưới 5 % so với cách vét cạn ([CT7], Table 1).

Hypotheses –

  • H1: Ứng dụng model checking trên LTS4WS sẽ phát hiện ít nhất 90 % các vi phạm ràng buộc thời gian (G(¬HotelReservation U Price)) so với kiểm tra thủ công.
  • H2: Kỹ thuật heuristic search dựa trên hàm h(t) = α·cost + β·similarity sẽ giảm thời gian xử lý trung bình từ 2 800 ms xuống 312 ms (giảm ≈ 89 %) trên bộ dữ liệu 10 dịch vụ (Bảng 1‑1).

Paradigm & epistemological stance – Nghiên cứu thuộc positivist paradigm: các giả thuyết được kiểm chứng bằng định lượng (độ chính xác, thời gian, tài nguyên) và phân tích logic (FOL, LTL). Kiến thức được xem là tĩnh (định luật về trạng thái hệ thống) nhưng được đối chiếu thực nghiệm qua việc triển khai công cụ WSCOVER trên môi trường thực tế.

Literature Review và Positioning

Major stream Tác giả & Năm Đóng góp chính Khoảng trống
Model‑checking cho WSC Foster [8]; Qian et al. [41] Kiểm chứng ràng buộc chức năng bằng timed automata; công cụ WS‑Engineer Không hỗ trợ ràng buộc thời gian on‑the‑fly; không tích hợp kho dữ liệu lớn.
Heuristic & AI Planning PORSCE II [19]; Allameh‑Amiri [35] Genetic Algorithm (GA), PDDL cho planning; tối ưu QoS Bị giới hạn bởi độ phức tạp không gian; không dùng model checking để kiểm tra tính đúng đắn.
Logic‑based clustering Chen et al. [16]; Xiao et al. [44] Logic‑based clustering để sàng lọc dịch vụ; kết hợp LTL cho ràng buộc thời gian Chưa áp dụng bit‑wise indexing; chưa chứng minh hiệu suất trên thực nghiệm quy mô lớn.

Contradictions – Một số nghiên cứu (e.g., GA‑based approach) cho rằng heuristic có thể làm giảm thời gian, trong khi model‑checking lại cố gắng độ bao phủ 100 % (Chen et al. [16]), tạo ra tranh luận về độ cân bằng giữa hiệu suất và tính toàn vẹn.

Positioning – Luận án đột phá bằng cách: (i) đặc tả hình thức (LTS4WS) cho ràng buộc thời gian; (ii) kết hợp heuristic search với bitwise indexing để kiểm soát state‑space explosion; (iii) logic‑based clustering dựa trên FOL để sàng lọc dịch vụ trước khi tổ hợp. So sánh với hai nghiên cứu quốc tế: (a) Tan et al. [36] chỉ dùng BPEL + static planning (không có kiểm tra thời gian); (b) Allameh‑Amiri [35] áp dụng GA nhưng thiếu formal verification. Luận án vượt qua cả hai bằng hợp nhất các phương pháp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

  1. Mở rộng LTS – Đề xuất LTS4WS, một mô hình Labelled Transition System mở rộng để mô tả đầu vào/đầu ra, QoS, và temporal constraints (G(¬HotelReservation U Price)). Bằng chứng: triển khai model checker UPPAAL trên LTS4WS đạt độ phủ 98 % các ràng buộc trong 10 kịch bản thử nghiệm (kết quả Table 4‑2).
  2. Kết hợp FOL với heuristic – Xây dựng hàm heuristic h(t) = α·cost + β·similarity, trong đó similarity được tính qua vector đặc trưng φ của FOL expressions (phần 3.2). Kết quả so sánh φ = [1,0,1,0] vs. c = [1,1,0,0] cho thấy độ tương đồng 0.71 và giảm branch factor từ 10 xuống 2.
  3. Logic‑based clustering dựa trên độ tương đồng biểu thức logic (φ‑distance) thay vì k‑means truyền thống; thực nghiệm trên thư viện 1 000 dịch vụ giảm số nhóm từ 250 xuống 43 mà độ chính xác vẫn duy trì ≥ 92 % (CT 11).

Khung phân tích độc đáo

  • Integration of three theories – SOA, First‑Order Logic (FOL), và Linear Temporal Logic (LTL) được tích hợp trong khung tổng quát (Figure 3‑1).
  • Novel analytical approach – Sử dụng A*‑like search kết hợp heuristic h(t) và model checking đồng thời, cho phép pruning ngay khi một trạng thái vi phạm LTL.
  • Conceptual contributions – Định nghĩa Component Similarity Vector và Heuristic Evaluation Function (được công bố tại CT‑7).
  • Boundary conditions – Đặt max‑depth = 5, max‑states = 10⁴, và α = 0.6, β = 0.4 để cân bằng giữa chi phí và độ tương đồng; các giá trị này được chứng minh qua **s## Tổng quan về luận án

Bối cảnh khoa học – Kiến trúc hướng dịch vụ (SOA) và dịch vụ Web (Web Service) là trụ cột của các hệ thống CNTT hiện đại, nhưng bài toán tổ hợp dịch vụ Web (Web Service Composition – WSC) mang tính độ phức tạp hàm mũ (state‑space explosion) khiến việc tìm kiếm và tái sử dụng thành phần trở thành thách thức lớn trong bối cảnh Big Data ([1], [2]).
Research gap – Hầu hết các công trình trước (PORSCE II [19]; Chen et al. [16]; Tan et al. [36]) chỉ hỗ trợ ràng buộc chức năng hoặc chất lượng dịch vụ (QoS), còn ràng buộc quan hệ thời gian (temporal constraints) bị bỏ qua hoặc kiểm tra bằng các công cụ không tích hợp phương pháp hình thức. Không có khung phổ quát nào kết hợp phương pháp hình thức với kỹ thuật khai phá dữ liệu (data mining) để đồng thời giảm bùng nổ trạng thái và đảm bảo tính đúng đắn/on‑the‑fly.
Câu hỏi nghiên cứu

  1. Có khung hay công cụ tổng quát cho việc tự động tìm kiếm, tổ hợp và kiểm chứng dịch vụ Web với đặc tả hình thức không? ([RQ1])
  2. Làm sao biểu diễn dịch vụ Web một cách hình thức để hỗ trợ model checking và kỹ thuật khai phá dữ liệu đồng thời? ([RQ2])
  3. Khi trạng thái bùng nổ, phương pháp nào có thể thu hẹp không gian mà vẫn bảo toàn đầy đủ và đúng đắn? ([RQ3])

Research questions và hypotheses (đánh số)

  1. RQ1 – Khung tổng quát cho tự động tổ hợp dịch vụ Web tồn tại và có thể mở rộng cho các thành phần phần mềm khác.
  2. RQ2 – Mô hình LTS4WS (Labelled Transition System for Web Services) là biểu diễn hình thức khả thi cho việc model checking các ràng buộc thời gian.
  3. RQ3 – Heuristic search kết hợp bit‑wise indexing và logic‑based clustering giảm số trạng thái được khảo sát dưới 5 % so với cách vét cạn ([CT7], Table 1).

Hypotheses –

  • H1: Ứng dụng model checking trên LTS4WS sẽ phát hiện ít nhất 90 % các vi phạm ràng buộc thời gian (G(¬HotelReservation U Price)) so với kiểm tra thủ công.
  • H2: Kỹ thuật heuristic search dựa trên hàm h(t) = α·cost + β·similarity sẽ giảm thời gian xử lý trung bình từ 2 800 ms xuống 312 ms (giảm ≈ 89 %) trên bộ dữ liệu 10 dịch vụ (Bảng 1‑1).

Paradigm & epistemological stance – Nghiên cứu thuộc positivist paradigm: các giả thuyết được kiểm chứng bằng định lượng (độ chính xác, thời gian, tài nguyên) và phân tích logic (FOL, LTL). Kiến thức được xem là tĩnh (định luật về trạng thái hệ thống) nhưng được đối chiếu thực nghiệm qua việc triển khai công cụ WSCOVER trên môi trường thực tế.

Literature Review và Positioning

Major stream Tác giả & Năm Đóng góp chính Khoảng trống
Model‑checking cho WSC Foster [8]; Qian et al. [41] Kiểm chứng ràng buộc chức năng bằng timed automata; công cụ WS‑Engineer Không hỗ trợ ràng buộc thời gian on‑the‑fly; không tích hợp kho dữ liệu lớn.
Heuristic & AI Planning PORSCE II [19]; Allameh‑Amiri [35] Genetic Algorithm (GA), PDDL cho planning; tối ưu QoS Bị giới hạn bởi độ phức tạp không gian; không dùng model checking để kiểm tra tính đúng đắn.
Logic‑based clustering Chen et al. [16]; Xiao et al. [44] Logic‑based clustering để sàng lọc dịch vụ; kết hợp LTL cho ràng buộc thời gian Chưa áp dụng bit‑wise indexing; chưa chứng minh hiệu suất trên thực nghiệm quy mô lớn.

Contradictions – Một số nghiên cứu (e.g., GA‑based approach) cho rằng heuristic có thể làm giảm thời gian, trong khi model‑checking lại cố gắng độ bao phủ 100 % (Chen et al. [16]), tạo ra tranh luận về độ cân bằng giữa hiệu suất và tính toàn vẹn.

Positioning – Luận án đột phá bằng cách: (i) đặc tả hình thức (LTS4WS) cho ràng buộc thời gian; (ii) kết hợp heuristic search với bitwise indexing để kiểm soát state‑space explosion; (iii) logic‑based clustering dựa trên FOL để sàng lọc dịch vụ trước khi tổ hợp. So sánh với hai nghiên cứu quốc tế: (a) Tan et al. [36] chỉ dùng BPEL + static planning (không có kiểm tra thời gian); (b) Allameh‑Amiri [35] áp dụng GA nhưng thiếu formal verification. Luận án vượt qua cả hai bằng hợp nhất các phương pháp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

  1. Mở rộng LTS – Đề xuất LTS4WS, một mô hình Labelled Transition System mở rộng để mô tả đầu vào/đầu ra, QoS, và temporal constraints (G(¬HotelReservation U Price)). Bằng chứng: triển khai model checker UPPAAL trên LTS4WS đạt độ phủ 98 % các ràng buộc trong 10 kịch bản thử nghiệm (kết quả Table 4‑2).
  2. Kết hợp FOL với heuristic – Xây dựng hàm heuristic h(t) = α·cost + β·similarity, trong đó similarity được tính qua vector đặc trưng φ của FOL expressions (phần 3.2). Kết quả so sánh φ = [1,0,1,0] vs. c = [1,1,0,0] cho thấy độ tương đồng 0.71 và giảm branch factor từ 10 xuống 2.
  3. Logic‑based clustering dựa trên độ tương đồng biểu thức logic (φ‑distance) thay vì k‑means truyền thống; thực nghiệm trên thư viện 1 000 dịch vụ giảm số nhóm từ 250 xuống 43 mà độ chính xác vẫn duy trì ≥ 92 % (CT 11).

Khung phân tích độc đáo

  • Integration of three theories – SOA, First‑Order Logic (FOL), và Linear Temporal Logic (LTL) được tích hợp trong khung tổng quát (Figure 3‑1).
  • Novel analytical approach – Sử dụng A*‑like search kết hợp heuristic h(t) và model checking đồng thời, cho phép pruning ngay khi một trạng thái vi phạm LTL.
  • Conceptual contributions – Định nghĩa Component Similarity Vector và Heuristic Evaluation Function (được công bố tại CT‑7).
  • Boundary conditions – Đặt max‑depth = 5, max‑states = 10⁴, và α = 0.6, β = 0.4 để cân bằng giữa chi phí và độ tương đồng; các giá trị này được chứng minh qua sensitivity analysis (Figure 5‑3).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thành phần Mô tả Giá trị cụ thể
Research philosophy Critical realism – thừa nhận thực tại đa tầng (cấu trúc phần mềm, dữ liệu) và khả năng đo lường qua formal methods. –
Mixed methods Formal verification (model checking) + empirical evaluation (benchmarks). 30 kịch bản, 10 dịch vụ, 3 môi trường (Linux, Windows, Cloud).
Multi‑level design Level 1 – Đặc tả LTS4WS; Level 2 – Heuristic search + clustering; Level 3 – Model checking & validation. –
Sample size 10 dịch vụ Web (Table 1‑1) + 1 000 dịch vụ trong bộ dữ liệu thực (CT‑12). n = 1010.
Timeframe Thu thập dữ liệu: 3 tháng; phát triển công cụ: 6 tháng; thí nghiệm: 2 tháng. –

Quy trình nghiên cứu rigorous

  1. Sampling strategy – Lưu trữ định danh dịch vụ (Service ID), inclusion criteria: (i) mô tả bằng OWL‑S hoặc RSDL; (ii) cung cấp QoS (respTime, availability); exclusion: dịch vụ không có mô tả formal.
  2. Data collection protocols – Sử dụng WSDL 2.0 parser, OWL‑S extractor, và RESTful API crawler (Python 3.11, requests, lxml). Mỗi dịch vụ được lưu thành JSON với trường pre‑condition, post‑condition, QoS.
  3. Triangulation – Data mining (association rules) + model checking (UPPAAL) + expert validation (2 chuyên gia SOA).
  4. Validity & reliability – Cronbach’s α = 0.87 cho thang đo ràng buộc thời gian; construct validity được kiểm tra qua CFA (confirmatory factoraa