[論文レビュー] Semantic Interoperability Middleware Architecture for Heterogeneous Environmental Data Sources

Adeyinka K. Akanbi, Muthoni Masinde|arXiv (Cornell University)|May 1, 2018

Semantic Web and Ontologies参考文献 13被引用数 1

ひとこと要約

本稿では、センサーに基づく構造化データと先住民の非構造的知識といった異種の環境データをオントロジーとルールベース推論を用いて統合する意味的ミドルウェアアーキテクチャを提案する。このアプローチにより、異分野間の意味的相互運用性と知識推論を可能にすることで、環境モニタリングの精度が向上する。

ABSTRACT

Data heterogeneity hampers the effort to integrate and infer knowledge from vast heterogeneous data sources. An application case study is described, in which the objective was to semantically represent and integrate structured data from sensor devices with unstructured data in the form of local indigenous knowledge. However, the semantic representation of these heterogeneous data sources for environmental monitoring systems is not well supported yet. To combat the incompatibility issues, a dedicated semantic middleware solution is required. In this paper, we describe and evaluate a cross-domain middleware architecture that semantically integrates and generate inference from heterogeneous data sources. These use of semantic technology for predicting and forecasting complex environmental phenomenon will increase the degree of accuracy of environmental monitoring systems.

研究の動機と目的

• 構造化されたセンサデータと非構造的先住民知識を統合する環境モニタリングシステムにおけるデータの異種性の課題に対処すること。
• 多様なデータソース間での意味的相互運用性を可能にするために、統一されたデータ統合と知識推論を支援すること。
• 複雑な環境現象の推論と予測を支援する異分野間のミドルウェアソリューションを開発すること。
• 意味的統合と推論メカニズムを通じて、環境モニタリングの精度を向上させること。

提案手法

• 意味ウェブ技術に基づくミドルウェアアーキテクチャの設計。異種のデータソースをモデル化するためのオントロジーを含む。
• 分野特化のオントロジーを用いて、構造化されたセンサデータと非構造的先住民知識を共通の意味的モデルにマッピングすること。
• 統合されたデータソースから新たな知識を導出するために、ルールベース推論エンジンを適用すること。
• 意味的推論を活用して、異なるデータタイプ間の関係やパターンを検出すること。
• データインジェスト、意味的マッピング、推論サービスをサポートするレイヤードアーキテクチャの実装。
• センサネットワークと先住民知識を含む実世界の環境モニタリング事例を用いて、システムを評価すること。

実験結果

リサーチクエスチョン

• RQ1 構造化されたセンサデータと非構造的先住民知識を、一つの環境モニタリングフレームワーク内でどのように意味的に統合できるか。
• RQ2 異種の環境データソース間で異分野間の意味的相互運用性を実現するために必要なアーキテクチャ的コンポーネントは何か。
• RQ3 意味的推論は、環境現象の予測と予報の精度をどの程度向上させることができるか。
• RQ4 意味的技術を用いて異種のデータモデルをマッピングおよびアライメントする際の主な課題は何か。

主な発見

• 提案されたミドルウェアアーキテクチャは、センサデータと先住民知識を含む異種の環境データソースの意味的統合を成功裏に実現した。
• 意味的マッピングとルールベース推論は、異なるデータタイプから意味のあるインサイトを導出する能力を著しく向上させた。
• 非構造的先住民知識と構造化されたセンサデータの統合により、環境現象の文脈的理解が向上した。
• このアーキテクチャは、環境モニタリングと予報に不可欠な複雑な推論タスクを支援する上で実現可能性を示した。