[論文レビュー] Service mining for Internet of Things

Bing Huang, Athman Bouguettaya|arXiv (Cornell University)|May 14, 2020

Service-Oriented Architecture and Web Services参考文献 6被引用数 9

ひとこと要約

本稿では、空間的・時間的要因、環境的要因、社会的要因、運用的要因を用いて、IoTサービス間の意味のある関係を発見するためのサービスマイニングフレームワークを提案する。オントロジーに基づくサービスモデルと、サービス関係の興味深さを評価するためのメトリクスのセットを導入し、解析的およびシミュレーション結果を通じて、意味的に重要なサービスパターンを同定する有効性を示している。

ABSTRACT

A service mining framework is proposed that enables discovering interesting relationships in Internet of Things services bottom-up. The service relationships are modeled based on spatial-temporal aspects, environment, people, and operation. An ontology-based service model is proposed to describe services. We present a set of metrics to evaluate the interestingness of discovered service relationships. Analytical and simulation results are presented to show the effectiveness of the proposed evaluation measures.

研究の動機と目的

• スケーラブルで自動化された方法で、IoTサービス間の意味的豊かな関係を発見する課題に対処すること。
• 空間的、時間的、環境的、運用的側面を捉えるオントロジーを用いて、IoTサービスをモデル化すること。
• サービス関係の「興味深さ」を測るためのメトリクスを定義し、評価すること。
• 動的で文脈に適応可能なIoTサービスコンポジションを支援する、ボトムアップ型のサービス関係マイニングを可能にすること。
• 解析的およびシミュレーション研究を通じて、提案された評価メトリクスの有効性を検証すること。

提案手法

• フレームワークは、空間的、時間的、環境的、運用的次元を統合したオントロジーを用いて、IoTサービスをモデル化する。
• サービス関係は、生のサービスログと文脈的情報からボトムアップに発見される。
• 共起頻度、時間的整合性、文脈的関連性といったメトリクスのセットが、関係の興味深さを定量化するために定義される。
• メトリクスは解析的モデリングとシミュレーションを用いて評価され、感度と識別力が評価される。
• オントロジーに基づくモデルは意味的推論を可能にし、環境の変化に動的に適応するのを支援する。
• 評価フレームワークは、現実のIoTデータパターンを統合し、多様なサービス相互作用シナリオをシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、ボトムアップ的かつデータ駆動的な方法で、IoTサービス間の意味のある関係を発見できるか？
• RQ2 空間的、時間的、環境的、運用的要因の中で、サービス関係の興味深さに最も顕著な影響を与える要因は何か？
• RQ3 どのようなメトリクスが、IoTサービスの多面的性質を効果的に表現できるか？
• RQ4 どのようなメトリクスが、IoTシステムにおけるサービス関係の興味深さを信頼性を持って定量化できるか？
• RQ5 提案された評価メトリクスは、意味的のある関係とランダムな関係をどのように区別できるか？

主な発見

• 提案されたメトリクスは、シミュレーション環境において、意味的に重要なサービス関係とランダムまたは単なる関係を効果的に区別できる。
• オントロジーに基づくモデルは、空間的、時間的、文脈的次元におけるサービス間の複雑な相互依存関係を成功裏に捉えている。
• シミュレーション結果から、時間的整合性と文脈的関連性が、興味深いサービス関係の強力な指標であることが示された。
• 解析的評価により、メトリクスがサービス相互作用パターンや環境条件の変化に敏感であることが確認された。
• フレームワークは、動的かつ変化するIoTサービスエコシステムをモデル化する上でスケーラビリティと適応性を示した。
• 結果は、文脈に適応したメトリクスを用いたボトムアップ型サービスマイニングが、IoTにおけるサービスコンポジションと発見を向上させることを検証した。