웹 서비스 유사도 계산을 위한 새로운 효율적 방법

초록

본 논문은 급증하는 웹 서비스의 효과적인 검색·대체를 위해 WSDL 인터페이스 구조와 제한적인 의미 정보를 결합한 새로운 유사도 측정 기법을 제안한다. 기존 키워드 기반 검색의 한계를 극복하고, 복잡한 온톨로지 기반 방법보다 구현·운용 비용을 낮추면서도 높은 정확도를 달성한다는 실험 결과를 제시한다.

상세 분석

이 연구는 웹 서비스 발견·대체 과정에서 발생하는 ‘유사도 측정’ 문제를 핵심으로 삼는다. 기존 접근법은 크게 두 축으로 나뉜다. 첫 번째는 순수 키워드 매칭으로, WSDL의 operation 이름·입출력 파라미터 명칭에만 의존해 구조적 의미를 무시한다는 근본적 한계가 있다. 두 번째는 OWL‑S, SAWSDL 등 의미론적 어노테이션을 활용하는 방법인데, 온톨로지 구축·관리 비용이 높고, 실제 산업 현장에서 채택률이 낮다. 논문은 이 두 접근법의 장점을 절충하는 ‘하이브리드’ 방식을 제시한다. 구체적으로, WSDL 문서에서 추출한 서비스 인터페이스 트리를 토대로 트리‑편집 거리(Tree Edit Distance)를 계산하고, 동시에 파라미터와 operation 이름에 대한 사전 기반 단어 임베딩(Word2Vec 혹은 FastText) 유사도를 가중합한다. 여기서 핵심은 가중치 자동 조정 메커니즘이다. 저자는 베이지안 최적화(Bayesian Optimization)를 이용해 실험 데이터셋에 최적의 가중치를 학습시켜, 구조적 차이와 의미적 차이를 동등하게 반영하도록 설계하였다. 또한, 서비스 간 매핑 과정에서 발생할 수 있는 ‘다중 매핑’ 문제를 해결하기 위해 Hungarian 알고리즘을 적용, 최적 매칭을 보장한다. 실험에서는 1,200개의 실제 WSDL 파일을 10개의 도메인에 걸쳐 수집하고, 인간 전문가가 라벨링한 ‘정답’ 유사도와 비교하였다. 제안 방법은 기존 키워드 매칭 대비 평균 27% 향상된 정밀도와 22% 향상된 재현율을 기록했으며, 온톨로지 기반 방법과 비교했을 때는 15% 정도의 성능 저하가 있었지만, 구현·운용 비용은 70% 이상 절감되는 것으로 나타났다. 이러한 결과는 구조‑의미 혼합 접근법이 실용적인 웹 서비스 검색에 충분히 경쟁력을 가질 수 있음을 시사한다.