[论文解读] Capturing the contributions of the semantic web to the IoT: a unifying vision

Nicolas Seydoux, Khalil Drira+2 more|arXiv (Cornell University)|Aug 30, 2017

IoT and Edge/Fog Computing参考文献 53被引用 6

一句话总结

本文提出 LMU-N，一种用于语义网物联网（SWoT）的统一架构模式，用于对语义网在物联网（IoT）中的贡献进行分类与分析。通过将物联网系统划分为底层、中层和上层节点，该框架揭示了语义网技术主要增强上游流程（如数据发布和推理），同时突出了在内容一致性、可扩展性以及通过本体对齐和去中心化处理实现语义互操作性方面的开放挑战。

ABSTRACT

The Internet of Things (IoT) is a technological topic with a very important societal impact. IoT application domains are various and include: smart cities, precision farming, smart factories, and smart buildings. The diversity of these application domains is the source of the very high technological heterogeneity in the IoT, leading to interoperability issues. The semantic web principles and technologies are more and more adopted as a solution to these interoperability issues, leading to the emergence of a new domain, the Semantic Web Of Things (SWoT). Scientific contributions to the SWoT are many, and the diversity of architectures in which they are expressed complicates comparison. To unify the presented architectures, we propose an architectural pattern, LMU-N. LMU-N provides a reading grid used to classify processes to which the SWoT community contributes, and to describe how the semantic web impacts the IoT. Then, the evolutions of the semantic web to adapt to the IoT constraints are described as well, in order to give a twofold view of the convergence between the IoT and the semantic web toward the SWoT.

研究动机与目标

• 为应对由于技术多样性与专有架构导致的物联网系统日益增长的异构性与互操作性挑战。
• 通过提出一个通用的架构框架，统一语义网物联网（SWoT）研究的碎片化格局。
• 通过一种结构化、以节点为中心的模式，分析语义网技术如何为物联网系统做出贡献。
• 识别 SWoT 中内容一致性、可扩展性和语义互操作性方面的关键研究空白。
• 探索物联网如何推动语义网技术的演进，以满足现实世界中的约束条件。

提出的方法

• 提出 LMU-N，一种将物联网系统划分为底层、中层和上层节点的架构模式，以标准化系统分析。
• 使用 LMU-N 框架对现有 SWoT 研究贡献在数据流流程中的分类与映射。
• 在 LMU-N 结构内，分析语义网在内容发布、增强、推理和查询方面的贡献。
• 评估轻量级本体和去中心化处理等语义网演进，以满足物联网约束。
• 研究链接数据和词汇表在实现机器可理解、可互操作的物联网通信中的作用。
• 提出 LMU-N 的未来扩展，以支持大规模部署（如智慧城市）中的递归节点抽象。

实验结果

研究问题

• RQ1 如何建立一个统一的架构模式，以比较和分类多样化的 SWoT 研究贡献？
• RQ2 语义网技术在物联网系统不同层级（底层、中层、上层节点）中的主导角色是什么？
• RQ3 物联网如何挑战传统语义网原则，这些原则又如何适应这些约束？
• RQ4 在 SWoT 系统中，确保内容一致性、可扩展性和安全性方面存在哪些开放挑战？
• RQ5 自然语言与本体对齐在多大程度上能够改善 SWoT 中的用户交互与互操作性？

主要发现

• 语义网贡献主要集中于上游流程，如数据发布、增强和推理，而较少研究关注内容降低或一致性管理。
• LMU-N 模式成功地对多样化 SWoT 研究进行了结构化与分类，揭示了网络层次中语义能力的清晰分布。
• 尽管已有进展，但仅有少数研究关注内容降低，而这是在分布式、转换后的数据中保持一致性的关键过程。
• 可扩展性仍是主要挑战，去中心化处理和本地自组织行为作为减少全局网络负载的关键策略浮现出来。
• 安全性是物联网的首要关注点，而语义网物联网中安全机制的深度集成仍需加强，以实现安全的自组织计算。
• 本体对齐以及自然语言资源的集成，为实现以人为本、表达性强且可互操作的物联网应用提供了有前景的路径。