Υποστήριξη διδακτορικής διατριβής Νικόλαος Η. Κωνσταντίνου

Σημασιολογικός εμπλουτισμός Σημασιολογικός εμπλουτισμός της πληροφορίας σε σχεσιακές της πληροφορίας σε σχεσιακές

βάσεις δεδομένων και βάσεις δεδομένων και συστήματα με επίγνωση συστήματα με επίγνωση

περιβάλλοντοςπεριβάλλοντος

Υποστήριξη διδακτορικής διατριβής

Νικόλαος Η. Κωνσταντίνου

1

Εθνικό Μετσόβιο ΠολυτεχνείοΣχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών ΥπολογιστώνΤομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής

Περιεχόμενα παρουσίασηςΠεριεχόμενα παρουσίασηςΕισαγωγή στον σημασιολογικό ιστόΑνασκόπηση σε γλώσσες και τεχνολογίες

σημασιολογικού ιστούΣυνεργασία οντολογιών με βάσεις

δεδομένωνΔιαχείριση σημασιολογίας σε πραγματικό

χρόνο και κατανεμημένο περιβάλλονΑνακεφαλαίωση και μελλοντική έρευνα

2

Ορισμοί (1/2)Ορισμοί (1/2)Διαλειτουργικότητα (interoperability)

◦Δυο πράκτορες λογισμικού ανταλλάσουν επιτυχώς πληροφορία μεταξύ τους

Επισημείωση (annotation)◦Προσθήκη μεταδεδομένων

Σημασιολογική επισημείωση(semantic annotation)◦Τα μεταδεδομένα αυτά είναι κοινά αναγνωρίσιμα

Σημασιολογικός εμπλουτισμός(semantic enrichment)◦Προσθήκη σημασιολογίας

3

Ορισμοί (2/2)Ορισμοί (2/2)Ολοκλήρωση (integration)

◦Επεξεργασία πληροφορίας προερχόμενης από πολλές πηγές.

◦Ένα σύνολο πηγών, ένα σχήμα για την κάθε πηγή κι ένα καθολικό σχήμα

Σημασιολογική ολοκλήρωση(semantic integration)◦Ενσωμάτωση σημασιολογίας στην ολοκλήρωση

Δεδομένα Πληροφορία ΓνώσηΣυστήματα με επίγνωση περιβάλλοντος

(context-aware)◦Συστήματα τα οποία μέσω αισθητήρων

συγκεντρώνουν και εκμεταλλεύονται πληροφορία σχετική με το περιβάλλον τους

4

Το πρόβλημαΤο πρόβλημαΑναζήτηση συγκεκριμένης πληροφορίαςΟλοκλήρωση κατανεμημένων πηγών δεδομένωνΕπισημείωση

◦ όταν υπάρχει δεν ακολουθεί κάποιο πρότυπο που να επιτρέπει την εξαγωγή συμπερασμάτων (keywords)

Σημασιολογική επισημείωση◦ χρειάζεται επαρκή γνώση του χώρου◦ κοστίζει σε πόρους◦ μπορεί να είναι πλεονάζουσα, μερική ή σε διάφορα

formats◦ είναι δύσκολα επαναχρησιμοποιήσιμη◦ εύκολα γίνεται ξεπερασμένη

Συστήματα με επίγνωση περιβάλλοντος◦ Το πρόβλημα είναι οξύτερο λόγω της ραγδαίας αύξησης

του όγκου πληροφορίας5

Σημασιολογικός εμπλουτισμός Σημασιολογικός εμπλουτισμός της πληροφορίαςτης πληροφορίαςΠεριγραφή πόρων του Διαδικτύου με τρόπο

κατανοητό από τον άνθρωπο αλλά και από τον υπολογιστή

Δυνατότητα περιγραφής πολύπλοκων δομών, όχι απλά δενδρικών (όπως η XML)

Επέκταση και όχι αντικατάσταση του υπάρχοντος Ιστού

Συγκεκριμένο συντακτικό και λεξικό για την περιγραφή πόρων

Ευφυΐα: Δυνατότητα εξαγωγής συμπερασμάτων βασισμένα στα ήδη υπάρχοντα δεδομένα (μέσω reasoning)

Από τον Ιστό εγγράφων στον Ιστό (διασυνδεδεμένων) δεδομένων. Tim Berners-Lee: “…the Web done right”.

6

Το πλαίσιο Το πλαίσιο RDFRDF Τριάδες της μορφής (πόρος, ιδιότητα, πόρος) Αναπαράσταση γνώσης σε γράφο

Οι πόροι είναι URIs ή απλά λεκτικά Κληρονομικότητα: rdf:subClassOf και rdf:subPropertyOf Οι τύποι δεδομένων είναι αυτοί του XMLSchema Ποικίλλες δυνατότητες μορφοποίησης (N3, Turtle, XML/RDF) και

αποθήκευσης σε Βάση Δεδομένων: triplestores Περιορισμένη εκφραστικότητα

7

Περιγραφική λογικήΠεριγραφική λογική Διαφορετικές υπολογιστικές ιδιότητες ανάλογα με την ελευθερία

στην έκφραση (H, I, U, N ). Πχ: TBox: Ιεραρχία εννοιών και ρόλων ABox: Σύνολο ατόμων (individuals) με ονόματα και ιδιότητες ABox και TBox Βάση Γνώσεως Σειριοποίηση σε σύνολο τριάδων (συμβατότητα με RDF)

MotherFatherParent

8





9

Γλώσσες του Σημασιολογικού Γλώσσες του Σημασιολογικού ΙστούΙστούΓλώσσες περιγραφής

◦ Το σχήμα RDFS: τάξη στα semantics του RDF◦ OIL DAML+OIL OWL OWL 2 (27/10/2009)◦ Μικροπρότυπα (πχ hCalendar) + GRDDL RDF◦ RDFa: ενσωμάτωση RDF σε XHTML έγγραφα

Γλώσσες ερωτημάτων◦ SPARQL: triple pattern, όχι διάσχιση γράφων◦ Χωρίς stored procedures, triggers, transactions στον

επίσημο ορισμόΓλώσσες σύνταξης κανόνων: body head

◦ RuleML (με XML-only, XML/RDF-combining και RDF-only), SWRL, Jena

◦ Δεν έχει προκύψει ακόμη κάποιο πρότυπο

10

)3?,1(?)3,2(?)2?,1(? xxhasUnclexxhasBrotherxxhasParent

Τεχνολογίες του Τεχνολογίες του Σημασιολογικού ΙστούΣημασιολογικού ΙστούΣύνταξη οντολογιών

◦ Protégé, SWOOP, OntoEditΣημασιολογική Επισημείωση

◦ SMORE για html, πλήθος εργαλείων για πολυμεσική πληροφορία

Προγραμματιστικές διεπαφές◦ Jena: πρακτική επιλογή για Java

Υπηρεσίες συλλογιστικής◦ Κατηγοριοποίηση εννοιών, έλεγχοι σε συνέπεια και

ικανοποιησιμότητα, εξαγωγή έμμεσης (implicit) γνώσης◦ KAON2, Pellet, FaCT++, Racer, RacerPro◦ DIG διασυνδεσιμότητα: Επικοινωνία της οντολογίας με

τον εξυπηρετητή μέσω απλών μηνυμάτων http: αιτήματα ASK και TELL

11

Απήχηση σε τεχνολογίες του Απήχηση σε τεχνολογίες του ΔιαδικτύουΔιαδικτύου Πράκτορες λογισμικού

◦ Ανταλλαγή μηνυμάτων που να περιέχουν σημασιολογία (SL σε συνδυασμό με την FIPA ACL)

Σημασιολογικές Υπηρεσίες Διαδικτύου◦ Σημασιολογική περιγραφή λειτουργικότητας (OWL-S)

Μηχανές αναζήτησης◦ Λαμβάνουν υπόψη σημασιολογία◦ πλήθος προσεγγίσεων (swoogle, sindice, watson, ...)◦ χωρίς killer app ακόμη

Πολυμεσικά δεδομένα◦ Σημασιολογία στα μεταδεδομένα

Βάσεις δεδομένων◦ Σημασιολογική περιγραφή στο σχήμα

Συστήματα με επίγνωση περιβάλλοντος◦ Περιγραφή του μοντέλου κόσμου◦ Σημασιολογική ολοκλήρωση της πληροφορίας από κατανεμημένες

πηγές12





13

Συνεργασία οντολογιών με Συνεργασία οντολογιών με Βάσεις ΔεδομένωνΒάσεις Δεδομένων

Αντιστοίχιση: Προσδιορισμός μηχανισμού με τον οποίο στοιχεία ενός μοντέλου μετασχηματίζονται σε στοιχεία ενός άλλου μοντέλου

Το ABox της οντολογίας αντιστοιχίζεται σε σχεσιακή Βάση Δεδομένων◦ Επεκτασιμότητα◦ Σημασιολογική ολοκλήρωση

Ουσιαστικές διαφορές

Βάσεις Δεδομένων Τεράστια μοντέλα από απλά

συνδεδεμένα δεδομένα Απάντηση ερωτημάτων σε

δεδομένα που έχουν καταχωρηθεί

Το σχήμα της δεν είναι συνηθισμένο να διαμοιράζεται

Θεώρηση κλειστού κόσμου

Οντολογίες Μικρότερος όγκος, αυξημένη

πολυπλοκότητα Γνώση που δεν καταχωρήθηκε

ρητά αλλά προκύπτει από επαγωγή

Το σχήμα της είναι εξ’ ορισμού επαναχρησιμοποιήσιμο

Θεώρηση ανοιχτού κόσμου 14

Ανασκόπηση βιβλιογραφίας Ανασκόπηση βιβλιογραφίας και ταξινόμηση των και ταξινόμηση των προσεγγίσεωνπροσεγγίσεων

15

MOMIS, D2RQ, OntoGrate, Relational.OWL

KAON-Reverse

R2O

Ontomat-ReverseMapontoVis-A-Vis

Vis-A-Vis plug-in Vis-A-Vis plug-in για το για το ProtégéProtégé

16

Η (απλή) ιδέαΗ (απλή) ιδέα Προσθήκη ιδιότητας τύπου δεδομένων (datatype property) στην

οντολογία με τα περιεχόμενα SQL ερωτήματος

<owl:Class rdf:about="#Hiking"> <queryString> SELECT activities.description FROM activities, activities_types WHERE (activities.activity_type_id = activities_types.id) AND (activities_types.name = "Hiking") </queryString> <rdfs:subClassOf> <owl:Class rdf:about="#Sports"/> </rdfs:subClassOf> </owl:Class>

Πλεονεκτήματα συγκεκριμένης προσέγγισης:◦ Δε βασίζεται σε table class mapping◦ Επιτρέπει αυθαίρετη επιλογή δεδομένων◦ Είναι σχεσιακά πλήρης λύση

Μειονεκτήματα◦ Μη δυναμική προσαρμογή σε αλλαγές◦ Χωρίς υποστήριξη συνεργασίας (GUI) 17

Έλεγχοι συνέπειας (1/3)Έλεγχοι συνέπειας (1/3) Μη αποδεκτή αντιστοίχιση

Ξένες μεταξύ τους κλάσεις δε μπορεί να αντιστοιχηθούν σε δεδομένα τα οποία επικαλύπτονται

18

Έλεγχοι συνέπειας (2/3)Έλεγχοι συνέπειας (2/3) Αποδεκτή αντιστοίχιση

Σε περίπτωση σχέσης κλάσης-υπερκλάσης, η σχέση αυτή πρέπει να ανακλάται στα δεδομένα υπό αντιστοίχιση

19

Έλεγχοι συνέπειας (3/3)Έλεγχοι συνέπειας (3/3) Αποδεκτή αντιστοίχιση

Περίπτωση ξένου κλειδιού Οι τιμές της στήλης Β1 αναφέρονται σημασιολογικά στα

δεδομένα που έχουν αντιστοιχηθεί στην κλάση C120





21

ΟρισμοίΟρισμοίΜεσισμικό (middleware)

◦Παροχή υπηρεσιών προς δυο κατευθύνσεις: εφαρμογές και δίκτυα συλλογής πληροφορίας περιβάλλοντος

Επεξεργασία πραγματικού χρόνου◦Σύγχρονη επεξεργασία πληροφορίας: λογική

συνέπεια στα αποτελέσματα και στον χρόνο παραγωγής τους (timeliness)

◦Ασύγχρονη επεξεργασία: daemon◦Χρόνος απόκρισης (latency): ο χρόνος που

μεσολαβεί από την εμφάνιση δεδομένων στο σύστημα μέχρι την ολοκλήρωση της παραγωγής των αντίστοιχων αποτελεσμάτων

22

Στόχοι της εργασίαςΣτόχοι της εργασίαςΑναζήτηση σε όγκο πολυμεσικών δεδομένωνΣυλλογή δεδομένων από πολλαπλές πηγές και

ενοποίησή τουςΕξαγωγή σημασιολογικών χαρακτηριστικών

υψηλού επιπέδου σε πραγματικό χρόνοΣυσχέτιση των χαρακτηριστικών

χαμηλότερου επιπέδου με σημασιολογικά μεταδεδομένα

Κατανεμημένη αρχιτεκτονική ώστε να εξασφαλίζεται η επεκτασιμότητα και η κλιμακωσιμότητα του συστήματος

23

Αρχιτεκτονική συστήματος Αρχιτεκτονική συστήματος μεσισμικού*μεσισμικού*Τμήματα (modules)

◦ Αισθητήρες◦ Ανιχνευτές (trackers)◦ 2 Σύνολα κανόνων (αντιστοίχισης και σημασιολογικών)◦ Προγραμματιστική διεπαφή (API) μέσω Υπηρεσιών

Διαδικτύου με εφαρμογές και με το σύστημα εξαγωγής χαρακτηριστικών

◦ Οντολογία◦ Υπηρεσίες συλλογιστικής◦ Πρότυπα μηνυμάτων◦ Ενέργειες (alerts)◦ Υποβολή ερωτημάτων σε σημασιολογικό επίπεδο

* Η εν λόγω έρευνα διεξήχθη στα πλαίσια του ερευνητικού έργου ΠΡΙΑΜΟΣ (Προσαρμοστικά συστήματα πραγματΙκού χρόνου για εξόρυξη σημασιολογίας και ευφυείς διεπΑφές – επίδειξη σε εφαρΜΟγές ασφάλειαΣ και επικοινωνίας του πολίτη), το οποίο χρηματοδοτήθηκε από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας (ΓΓΕΤ), Επιχειρησιακό Πρόγραμμα “Κοινωνία της Πληροφορίας”, μέτρο 3.3: “Επεξεργασία εικόνων, ήχου και γλώσσας”.

24

Αρχιτεκτονική συστήματος Αρχιτεκτονική συστήματος μεσισμικούμεσισμικού

25

Επεξεργασία Μηνυμάτων: Ροή Επεξεργασία Μηνυμάτων: Ροή ΠληροφορίαςΠληροφορίας

Το γεγονός του περιβάλλοντος γίνεται αντιληπτό από τους αισθητήρες, παράγοντας δεδομένα χαμηλού επιπέδου (πολυμεσικά, πχ ροή video ή/και ήχου)

Οι αλγόριθμοι εξαγωγής χαρακτηριστικών παράγουν επισημείωση σε XML

Η επισημείωση αποστέλλεται μέσω Υπηρεσιών Διαδικτύου στον εξυπηρετητή μεσισμικού

Ο εξυπηρετητής εφαρμόζει προκαθορισμένους κανόνες στο εισερχόμενο μήνυμα

Στην περίπτωση που η απόδοση του μεσισμικού ξεπερνά συγκεκριμένο κατώφλι εκτελούνται διαδικασίες διαχείρισης της απόδοσης

26

Πλεονεκτήματα Πλεονεκτήματα συγκεκριμένης προσέγγισηςσυγκεκριμένης προσέγγισης Πρακτικά απεριόριστη ελευθερία στην περιγραφή των δεδομένων Ομογενοποίηση αποτελεσμάτων διαφορετικών ανιχνευτών Διασύνδεση με εξωτερικές πηγές δεδομένων και αισθητήρων,

μέσω αμοιβαία προκαθορισμένης διεπαφής σύμφωνα με διεθνή πρότυπα

Δυνατότητα εκ των υστέρων επεξεργασίας και εκμετάλλευσης της Βάσης Γνώσης που δημιουργείται

Υποβολή σημασιολογικών ερωτημάτων υψηλότερου επιπέδου◦ Πότε έγινε αντιληπτό για τελευταία φορά το άτομο Χ ή κάποιος από

τους συναδέλφους του;◦ Πότε βρέθηκαν στον ίδιο χώρο τα άτομα κατηγορίας Χ και

κατηγορίας Υ ταυτόχρονα;◦ Υπήρξε στο χώρο παρακολούθησης άτομο εκτός ωρών εργασίας

χωρίς την επίβλεψη υπεύθυνου;

27

Παράδειγμα μηνύματοςΠαράδειγμα μηνύματος

Το μήνυμα αποστέλλεται από έναν αισθητήρα προς το μεσισμικό

<Event id=”5712”>

<Tracker type=”FaceTracker” timestamp=”11:28:34”>

<DataSource id=”3” name=”CeilingCamera”

url=”http://localhost/seq_0077.jpg”/>

<person id=”1” certainty=”100”>

<location2d datasourceId=”3” x=”429” y=”46”/>

<face dbpersonid=”10” name=”John” certainty=”91”/>

</person>

</Tracker>

</Event>

28

Γλώσσα κανόνων Γλώσσα κανόνων αντιστοίχισηςαντιστοίχισης

Παράδειγμα κανόνα αντιστοίχισης

if, xml element has value,/Event/Tracker/@type,”FaceTracker”,and, …then,insert individual in class,Professor,named after,/Event/Tracker/person/face/@name,and set datatype property,hasTime,/Event/Tracker/@timestamp,…

Θα προστεθούν οι εξής τριάδες στη Βάση Γνώσης

default:Professor_John rdf:type default:Professor ; default:hasTime "11:28:34"^^xsd:time .

Πλήρης αυτοματοποίηση της διαδικασίας (τετριμμένη)◦ XML tag ↔ κλάση οντολογίας◦ XML property ↔ datatype property οντολογίας

29

Γλώσσα σημασιολογικών Γλώσσα σημασιολογικών κανόνωνκανόνωνΠρότυπο Event-Condition-ActionΑν συνθήκη τότε ενέργειαΠαράδειγμαif,SPARQL query has results,

SELECT ?x ?y WHERE {

...}

then,

alert ("message")

Σύντηξη (fusion) μηνυμάτων

30

Διαδικασίες συντήρησηςΔιαδικασίες συντήρησηςΠαράδειγμα σε SPARQL για μεταφορά του ABox από την

προσωρινή στη μόνιμη Βάση Γνώσεως

Σημειώνεται ότι το construct DELETE δεν περιλαμβάνεται στον επίσημο ορισμό της SPARQL

Επίσης, ούτε το construct UPDATE, απαραίτητο για την ανανέωση των ιδιοτήτων των individuals

DELETE FROM <http://example.org/buffer>

{ ?member ?p ?o }WHERE{ GRAPH <http://example.org/buffer> { ?class a owl:Class . ?member a ?class . ?member ?p ?o . }}

INSERT INTO <http://example.org/permanent>{ ?member ?p ?o }WHERE{ GRAPH <http://example.org/buffer> { ?class a owl:Class . ?member a ?class . ?member ?p ?o . }}

31

Παρεχόμενη λειτουργικότητα Παρεχόμενη λειτουργικότητα συγκεκριμένης προσέγγισηςσυγκεκριμένης προσέγγισης

Εισαγωγή και επεξεργασία◦Οντολογιών◦Προτύπων μηνυμάτων◦Σημασιολογικών ερωτημάτων◦Κανόνων (σημασιολογικών και αντιστοίχισης)◦Ενεργειών

Λήψη ειδοποιήσεωνΕκτέλεση σημασιολογικών ερωτημάτων

32

Εφαρμογή διαχείρισηςΕφαρμογή διαχείρισης

33

Δεδομένα μετρήσεων Δεδομένα μετρήσεων (1/2)(1/2)

Σε εξωτερικούς χώρους τα αποτελέσματα ήταν απογοητευτικά με τους ανιχνευτές που ήταν διαθέσιμοι

Το μη ελεγχόμενο περιβάλλον συμβάλλει σε εσφαλμένα αποτελέσματα

34

35

Δεδομένα μετρήσεων Δεδομένα μετρήσεων (2/2)(2/2)

Πειραματικό περιβάλλονΠειραματικό περιβάλλον

• Offline επεξεργασία μηνυμάτων με τους αλγόριθμους:• Viola-Jones για αναγνώριση και• Camshift για παρακολούθηση

προσώπων

• Videos από το Smart room του ΑΙΤ στα πλαίσια του έργου

• Ομαλή λειτουργία συστήματος

36

Πειραματικά Πειραματικά αποτελέσματααποτελέσματα

Αντιπαράδειγμα κανόνα ως βάση για τις μετρήσεις: Για κάθε μήνυμα που δέχεσαι εισήγαγε ένα individual στην οντολογία

Χρειάζεται προσοχή στη ρύθμιση των κανόνων ώστε να μην αυξάνεται ο όγκος της Βάσης Γνώσης

Χωρίς υπηρεσίες συλλογιστικής, ο χρόνος απόκρισης είναι αμελητέος: απλό SQL INSERT ερώτημα

37

Παράγοντες που επηρεάζουν την Παράγοντες που επηρεάζουν την απόδοσηαπόδοση

Εξυπηρετητής υπηρεσιών συλλογιστικής◦Ο Racer δεν εξετάστηκε

Σύνολο κανόνωνΑριθμός τριάδων στο

προσωρινό μοντέλο της οντολογίας

38

Αριθμός τριάδων στην Αριθμός τριάδων στην οντολογίαοντολογία

Ο χρόνος επεξεργασίας του κάθε μηνύματος είναι ευθέως ανάλογος του αριθμού τριάδων της προσωρινής Βάσης Γνώσεως

Υψηλός χρόνος επεξεργασίας ανά τριάδα της προσωρινής Βάσης Γνώσεως για σχετικά μικρές οντολογίες

Σταθερός για μεγαλύτερες οντολογίες

39

Σενάριο 1: Παρακολούθηση Σενάριο 1: Παρακολούθηση χώρωνχώρωνΜια κάμερα2 ανιχνευτές, για αναγνώριση και

παρακολούθηση προσώπωνΜια οντολογία

◦ default:Professorrdf:type owl:Class ;rdfs:subClassOf default:Staff .

◦ default:hasNamerdf:type owl:DatatypeProperty ;rdfs:domain default:Human ;rdfs:range xsd:string .

Ένα πρότυπο μηνυμάτων

40

Απόδοση του μεσισμικού στο Απόδοση του μεσισμικού στο σενάριο παρακολούθησης σενάριο παρακολούθησης χώρωνχώρων

Οι διαδικασίες συντήρησης απόδοσης είναι απαραίτητες

Τα δεδομένα που χρησιμοποιήθηκαν είναι με πρώιμες εκδόσεις των ανιχνευτών

41

Σενάριο 2: Εφαρμογή Σενάριο 2: Εφαρμογή υποστήριξης συνεδριάσεωνυποστήριξης συνεδριάσεων

Πιο σύνθετο σενάριοΠερισσότεροι σημασιολογικοί κανόνες

42

Απόδοση του μεσισμικού στο σενάριο Απόδοση του μεσισμικού στο σενάριο υποστήριξης συνεδριάσεωνυποστήριξης συνεδριάσεων

Αντίστοιχα με το σενάριο παρακολούθησης χώρων, το σύστημα γρήγορα καθίσταται μη πρακτικό

Οι περισσότεροι κανόνες καθιστούν το σύστημα αργότερο

43

Περισσότερες πειραματικές Περισσότερες πειραματικές μετρήσειςμετρήσεις

Μεγαλύτερα κατώφλια οδηγούν σε◦ Πιο αργή απόκριση◦ Πιο αραιές διαδικασίες συντήρησης

44

Ένας πελάτηςΈνας πελάτης

Αμελητέα και σταθερή καθυστέρηση Peaks στην απόδοση καλύτερα οι διαδικασίες συντήρησης να

γίνονται με βάση τον αριθμό τριάδων της προσωρινής Βάσης Γνώσης45

Τρεις πελάτες σε ταυτόχρονη Τρεις πελάτες σε ταυτόχρονη λειτουργίαλειτουργία

Σε κάθε περίπτωση ο χρόνος απόκρισης για τον κάθε πελάτη εξαρτάται από τον αριθμό των τριάδων της προσωρινής Βάσης Γνώσης

46

Εννέα πελάτες σε ταυτόχρονη Εννέα πελάτες σε ταυτόχρονη λειτουργίαλειτουργία

Ο χρόνος απόκρισης για τον κάθε πελάτη είναι πολλαπλάσιος του χρόνου επεξεργασίας ενός μηνύματος από τον εξυπηρετητή

47

Αντιμετώπιση σφαλμάτων και Αντιμετώπιση σφαλμάτων και ασυνεπειώνασυνεπειώνΕνσωμάτωση ασάφειας στους κανόνες

◦ Αποδοχή γεγονότων μόνο σε περίπτωση που η βεβαιότητα ξεπερνά κάποιο κατώφλι

Δειγματοληψία (sampling) και προσωρινή αποθήκευση (caching) σε περίπτωση μεγάλου φόρτου

Απόρριψη μηνυμάτων που εμφανίζουν ασυνέπεια◦ με σημασιολογικούς κανόνες◦ με διαδικασίες συντήρησης

48

ΣυμπεράσματαΣυμπεράσματαΗ χρήση οντολογιών επιτρέπει τη μοντελοποίηση

σεναρίωνΔημιουργείται πλούσια Βάση Γνώσης, διαθέσιμη για

offline επεξεργασία και αξιοποίηση (πχ ολοκλήρωση με άλλα συστήματα)Αλλά

Σε κάθε μήνυμα χρειάζεται να γίνεται ανάγνωση του σημασιολογικού μοντέλου περιορισμοί στην απόδοση του συστήματος

Χρειάζεται προσοχή στο σχεδιασμό των κανόνων ώστε η Βάση Γνώσης να αυξάνει μόνο όταν αυτό είναι απαραίτητο

Ο χρόνος επεξεργασίας σε πραγματικό χρόνο είναι της τάξης των μερικών δευτερολέπτων

Αν και τα τμήματα του λογισμικού είναι ανεξάρτητα μεταξύ τους, η διαδικασία σχεδιασμού εφαρμογής βασισμένης στο μεσισμικό είναι μη γραμμική

49

Ανοιχτά ζητήματα για το Ανοιχτά ζητήματα για το σύστημα μεσισμικούσύστημα μεσισμικούΑσφάλεια (στη μετάδοση, την αποθήκευση και στην

πρόσβαση στα δεδομένα)Σημασιολογικές Υπηρεσίες Διαδικτύου (WSDL με

ενσωματωμένη σημασιολογία, OWL-S ή SWSF)Εφαρμογή προτυποποιημένων κανόνων (SWRL,

ruleML ή Jena rules)Ενοποίηση με διαφορετικού τύπου αισθητήρων και

επικοινωνία με προτυποποιημένες γλώσσες (sensorML)Περαιτέρω βελτίωση απόδοσης σε περίπτωση

αυξημένου φόρτου (sampling και caching)Υποστήριξη άλλων ειδών κανόνων (δεν υπάρχει

πρότυπο)Προσθήκη ιεραρχίας κανόνωνΕφαρμογή σε δίκτυα αισθητήρων





51

Ανακεφαλαίωση των Ανακεφαλαίωση των καινοτομικών στοιχείων της καινοτομικών στοιχείων της διατριβήςδιατριβήςΟλοκλήρωση/αναβάθμιση Βάσεων

Δεδομένων με ευφυή χαρακτηριστικά◦Ανάλυση του χώρου, εκτενής ανασκόπηση της

βιβλιογραφίας (JWE08)◦Πρωτότυπη προσέγγιση στην επίλυση του

προβλήματος: Vis-A-Vis (WISM06, 20 αναφορές σε επιστημονικές εργασίες ως σήμερα)

Σημασιολογικός εμπλουτισμός συστημάτων με επίγνωση περιβάλλοντος◦Παρουσίαση πρωτότυπης εργασίας

(IE07, Springer MTAP09)

52

Μελλοντική έρευνα - Μελλοντική έρευνα - ΠροκλήσειςΠροκλήσειςΑυτοματοποίησηΑσφάλειαΑσάφεια (fuzziness)Σημασιολογική διαλειτουργικότηταΑξιοποίηση σημασιολογικής πληροφορίας

53

Δημοσιεύσεις (1/2)Δημοσιεύσεις (1/2) Διεθνή επιστημονικά περιοδικά με κριτές

1. N. Konstantinou, E. Solidakis, A. Zafeiropoulos, P. Stathopoulos, N. Mitrou: A Context-aware Middleware for Real-Time Semantic Enrichment of Distributed Multimedia Metadata, In International Journal of Multimedia Tools and Applications, Springer, special issue on Data Semantics for Multimedia Systems (doi:10.1007/s11042-009-0361-1)

2. A. Zafeiropoulos, I. Papaioannou, E. Solidakis, N. Konstantinou, P. Stathopoulos, N. Mitrou: Exploiting Bluetooth for deploying indoor LBS over a localization infrastructure independent architecture, In International Journal of Computer Aided Engineering Technology (IJCAET), special issue on Smart Homes: Technologies and Applications, Vol. 2, No. 2 (2010, to appear)

3. N. Konstantinou, D.-E. Spanos, and N. Mitrou. Ontology and Database Mapping: A Survey of Current Implementations and Future Directions. Journal of Web Engineering, 7(1):1–24, March 2008.

Κεφάλαια σε βιβλία4. A. Zafeiropoulos, D.E. Spanos, S. Arkoulis, N. Konstantinou, N. Mitrou: chapter Data

Management in Sensor Networks Using Semantic Web Technologies, In Data Management in Semantic Web (Eds. Hai Jin and Zehua Lv), to be published by Nova Publishers

Διεθνή συνέδρια με κριτές5. A. Zafeiropoulos, N. Konstantinou, S. Arkoulis, D.-E. Spanos, and N. Mitrou. A

Semantic-Based Architecture for Sensor Data Fusion. In Second International Conference on Mobile Ubiquitous Computing, Systems, Services and Technologies (UBICOMM’08), Valencia, Spain, October 2008.

54

Δημοσιεύσεις (2/2)Δημοσιεύσεις (2/2) Διεθνή συνέδρια με κριτές (συνέχεια)

6. N. Konstantinou, E. Solidakis, S. Zoi, A. Zafeiropoulos, P. Stathopoulos, and N. Mitrou. Priamos: A Middleware Architecture for Real-Time Semantic Annotation of Context Features. In IET International Conference on Intelligent Environments (IE’07), Ulm, Germany, September 2007.

7. A. Zafeiropoulos, E. Solidakis, S. Zoi, N. Konstantinou, P. Papageorgiou, P. Stathopoulos, and N. Mitrou. A lightweight approach for providing Location Based Content Retrieval. In 18th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC’07), pages 1–5, Athens, Greece, September 2007.

8. A. Zafeiropoulos, E. Solidakis, S. Zoi, N. Konstantinou, P. Stathopoulos, and N. Mitrou. Location Based Guidance Services in a Museum Environment: Deployment Issues and a Proposed Architectural Approach. In International Conference on Wireless Information Networks and Systems (WINSYS’07), Barcelona, Spain, September 2007.

9. N. Konstantinou, D.-E. Spanos, M. Chalas, E. Solidakis, and N. Mitrou. VisAVis: An Approach to an Intermediate Layer between Ontologies and Relational Database Contents. In WISM’06, on the 18th Conference on Advanced Information Systems Engineering (CAiSE’06), pages 1050–1061, Luxembourg, June 2006.

10. P. Stathopoulos, S. Zoi, N. Konstantinou, E. Solidakis, C. Basios, A. Zafeiropoulos, P. Papageorgiou, and N. Mitrou. E-Museum - A Content Management System for Providing Museum Visitors with Personalized Audiovisual Information. In 3rd International Conference of Museology, Mytilene, Greece, June 2006.

11. E. Solidakis, N. Konstantinou, E.S. Pashou, A. Papakonstantinou, and N. Mitrou. A Decentralized Multi-Agent Ontology-Based System for Information Retrieval. In SWAMM’06, on the 15th World Wide Web Conference (WWW’06), Edinburgh, May 2006.

55

Ευχαριστώ πολύ!

56

Documents

Υποστήριξη διδακτορικής διατριβής Νικόλαος Η. Κωνσταντίνου