[論文レビュー] Reasoning for Improved Sensor Data Interpretation in a Smart Home

Marjan Alirezaie, Amy Loutfi|arXiv (Cornell University)|Dec 26, 2014

Semantic Web and Ontologies参考文献 5被引用数 8

ひとこと要約

本稿では、スマートホームにおける複雑な時系列ガスセンサデータを解釈するために、答え集合プログラミング（ASP）を用いた、オントロジー駆動で非単調な推論フレームワークを提案する。SSNにインspiredされたオントロジーを用いてセンサデータと文脈的知識をモデル化し、インクリメンタルASPソルバを適用することで、低レベルのセンサ信号から異常な空気のにおいおよびその原因（例：腐敗したごみ）を効率的に推論する。モノトニック推論器と比較して顕著に短縮された推論時間で、スケーラブルかつリアルタイムの推論を実現する。

ABSTRACT

In this paper an ontological representation and reasoning paradigm has been proposed for interpretation of time-series signals. The signals come from sensors observing a smart environment. The signal chosen for the annotation process is a set of unintuitive and complex gas sensor data. The ontology of this paradigm is inspired form the SSN ontology (Semantic Sensor Network) and used for representation of both the sensor data and the contextual information. The interpretation process is mainly done by an incremental ASP solver which as input receives a logic program that is generated from the contents of the ontology. The contextual information together with high level domain knowledge given in the ontology are used to infer explanations (answer sets) for changes in the ambient air detected by the gas sensors.

研究の動機と目的

• スマートホームにおける直感的でない複雑なガスセンサデータを、シンボリックな知識を用いて解釈する課題に対処すること。
• 不完全または不確実なセンサデータおよび動的環境変化に対処するための非単調な推論を可能にすること。
• 高レベルのドメイン知識（例：においとその原因）を低レベルのセンサ観測と統合し、自動的な説明生成を実現すること。
• インクリメンタルASPを用いることで、動的センサ環境における推論の効率性とスケーラビリティを向上させること。
• SSNのような意味的センサオントロジーと、ASPのような非単調な推論技術との間のギャップを埋めること。

提案手法

• SSNオントロジーにインspiredされたオントロジーが、センサ、観測、文脈的特徴、およびドメイン固有の概念（例：においとその原因）を表現するために使用される。
• 高レベルのドメイン知識と文脈的情報が、明示的および暗黙的なイベントを含む、論理的ルールとしてオントロジー内にエンコードされる。
• オントロジーから自動的に論理プログラムが生成され、インクリメンタル答え集合プログラミング（ASP）ソルバの入力として使用される。
• インクリメンタルASPソルバが、時刻付きのセンサの兆候（例：'オーブンon'、'ドア開'）を処理し、否定としての失敗（negation-as-failure）を適用して、空気質に関する非単調な説明（答え集合）を推論する。
• 暗黙のイベント（例：'調理'、'腐敗臭'）は、事前に定義された論理ルールを用いて、明示的な兆候の組み合わせから導出される。
• 新しいセンサデータの到着に伴い、論理プログラムを段階的にグランド化・解釈することで、ストリーム推論をサポートする。

実験結果

リサーチクエスチョン

• RQ1 オントロジーに基づく知識表現モデルは、スマートホームにおける複雑で直感的でないガスセンサ信号をどのように解釈できるか？
• RQ2 非単調な推論は、不完全または不確実なセンサデータおよび動的環境変化に対処するために果たす役割は何か？
• RQ3 インクリメンタルASPソルバは、リアルタイムのセンサ解釈における推論効率性とスケーラビリティをどのように向上させるか？
• RQ4 自動的に論理プログラムを生成することで、SSNにインスパイアされたオントロジーを非単調な推論技術と効果的に統合できるか？
• RQ5 センサの兆候間の時間的関係は、因果的イベント（例：腐敗したごみ）の推論にどのように影響を与えるか？

主な発見

• インクリメンタルASPソルバは、モノトニックなPellet推論器と比較して、顕著に推論時間を短縮し、センサデータのスケーラブルかつリアルタイムの解釈を可能にした。
• 5日間の観測期間において、ASPベースのシステムの個体数は約1,512,907に達したが、モノトニックなPellet推論器はオープンワールド仮説のため約2,174,903の個体数を生成した。
• ASPにおける否定としての失敗の使用により、グランド化された個体数が減少し、計算効率が向上し、メモリオーバーヘッドが低減された。
• 本システムは、'ドア開'や'オーブンon'などのセンサの兆候から、異常な空気のにおい（例：'airSmellAbnormal'）およびその原因（例：'smellRotting'）を正常に推論した。
• オントロジーから論理プログラムを自動生成することで、人的作業を最小限に抑えられ、暗黙のイベントルールのみを手動で定義する必要があった。
• インクリメンタル推論により、新しい観測に対して完全な再処理を回避し、大規模な時系列センサデータを効率的に処理するという点で、スケーラビリティを示した。