[논문 리뷰] Semantic Interoperability Middleware Architecture for Heterogeneous Environmental Data Sources

Adeyinka K. Akanbi, Muthoni Masinde|arXiv (Cornell University)|2018. 05. 01.

Semantic Web and Ontologies참고 문헌 13인용 수 1

한 줄 요약

이 논문은 온톨로지와 규칙 기반 추론을 사용하여 센서 기반 구조화된 데이터와 자생적 비구조화된 지식과 같은 이질적인 환경 데이터를 통합하는 의미론적 미들웨어 아키텍처를 제안한다. 이 접근법은 교차 도메인 의미론적 상호운용성과 지식 추론을 가능하게 하여 환경 모니터링 정확도를 향상시킨다.

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.

연구 동기 및 목표

• 구조화된 센서 데이터와 비구조화된 자생적 지식을 융합하는 환경 모니터링 시스템에서의 데이터 이질성 문제를 해결한다.
• 다양한 데이터 소스 간의 의미론적 상호운용성을 보장하여 통합된 데이터 통합과 지식 추론을 지원한다.
• 복잡한 환경 현상의 추론과 예측을 지원하는 교차 도메인 미들웨어 솔루션을 개발한다.
• 의미론적 통합과 추론 메커니즘을 통해 환경 모니터링의 정확도를 향상시킨다.

제안 방법

• 의미 웹 기술을 기반으로 한 미들웨어 아키텍처를 설계하여, 이질적인 데이터 소스를 모델링하기 위한 온톨로지를 포함한다.
• 도메인 특화 온톨로지를 사용하여 구조화된 센서 데이터와 비구조화된 자생적 지식을 공통의 의미론적 모델로 매핑한다.
• 규칙 기반 추론 엔진을 적용하여 통합된 데이터 소스에서 새로운 지식을 유도한다.
• 의미론적 추론을 활용하여 상이한 데이터 유형 간의 관계와 패턴을 탐지한다.
• 데이터 수신, 의미론적 매핑, 추론 서비스를 지원하는 계층적 아키텍처를 구현한다.
• 센서 네트워크와 자생적 지식을 포함하는 실세계 환경 모니터링 사례 연구를 통해 시스템을 평가한다.

실험 결과

연구 질문

• RQ1 어떻게 구조화된 센서 데이터와 비구조화된 자생적 지식을 하나의 환경 모니터링 프레임워크 내에서 의미론적으로 통합할 수 있는가?
• RQ2 이질적인 환경 데이터 소스 간의 교차 도메인 의미론적 상호운용성을 구현하기 위해 필요한 아키텍처 구성 요소는 무엇인가?
• RQ3 의미론적 추론은 환경 현상 예측 및 예측 정확도를 어느 정도 향상시킬 수 있는가?
• RQ4 의미론적 기술을 사용하여 이질적인 데이터 모델을 매핑하고 정렬할 때의 주요 과제는 무엇인가?

주요 결과

• 제안된 미들웨어 아키텍처는 센서 데이터와 자생적 지식를 포함한 이질적인 환경 데이터 소스의 의미론적 통합을 성공적으로 가능하게 했다.
• 의미론적 매핑과 규칙 기반 추론은 상이한 데이터 유형으로부터 유의미한 통찰을 도출하는 시스템의 능력을 크게 향상시켰다.
• 비구조화된 자생적 지식과 구조화된 센서 데이터의 통합은 환경 현상에 대한 맥락적 이해를 향상시켰다.
• 이 아키텍처는 환경 모니터링과 예측에 핵심적인 복잡한 추론 작업을 지원하는 데 실현 가능성을 입증했다.