Dieses Dokuwiki verwendet ein von Anymorphic Webdesign erstelltes Thema.

Collaborations ESPRITEC (Groupe IoT/M2M) - I3S

Thématique 1 : WoT (Web of Things)

Collaborateurs :

  • I3S : Gérald Rocher, Jean-Yves Tigli, Stéphane Lavirotte
  • ESPRITEC : Rahma Daikhi, Ibrahim Ben Lazreg

Sous thème 1.1 : SWoT (Semantic Web of Things)

Les progrès, ces dernières années, en termes de miniaturisation des composants électroniques et de diminution de leur consommation électrique a permis de doter les environnements physiques et les objets de notre vie quotidienne de dispositifs leur offrant des moyens de communication leur permettant d’être observés et contrôlés par l’intermédiaire de services logiciels (Web of Things, WoT). Intégrés à des systèmes dits « ambiants » ces services offrent des fonctionnalités qui doivent être mises en œuvre à chaque instant par les applications logicielles ambiantes, pour offrir des services de haut niveau permettant d’assister les utilisateurs dans leurs tâches quotidiennes.
Cependant, le caractère dynamique des utilisateurs et de leur environnement nécessite la mise en œuvre d’adaptations logicielles permanentes. Ces adaptations logicielles se font au travers des schémas d’adaptation logiciels qui permettent aux dispositifs de se configurer et de composer leurs fonctionnalités avec celles d’autres dispositifs. Les schémas d’adaptation logicielle sélectionnent pour cela les dispositifs les plus pertinents parmi ceux disponibles à chaque instant.
Pour augmenter la pertinence des services sélectionnés, les travaux de recherche actuels se tournent vers les technologies du web sémantique qui, par l’intermédiaire d’annotations sémantiques sur les dispositifs, permettent de les décrire et de les qualifier. Cependant, la majorité des travaux s’appuient sur des modèles de description de la connaissance (ontologies) commun à tous les dispositifs et décrivant un domaine d’application spécifique (smart home, smart office, healthcare, …).
Alors qu’une telle approche permet de s’affranchir des problèmes d’hétérogénéité sémantique, elle réduit néanmoins le champ d’application des applications logicielles ambiantes en les limitant à des domaines bien ciblés, et les connaissances décrites ne sont pas en mesure d’évoluer au cours de l’exécution du système.
Notre approche consiste alors à décrire chaque dispositif par l’intermédiaire d’un modèle de connaissance qui lui est propre mais qui peut néanmoins s’appuyer sur des vocabulaires déjà bien établis (LOV, Linked data et URI déréférencées). Nous estimons qu’une telle approche est la plus vraisemblable et sera celle suivie, à terme, par les différents constructeurs. Nos travaux de recherche tentent de démontrer l’intérêt d’une telle approche pour permettre l’accroissement de la connaissance des systèmes ambiants au fur et à mesure que de nouveaux dispositifs sont découverts dans leur environnement immédiat (@run-time). L’accroissement de cette connaissance débouchant potentiellement sur une amélioration de la pertinence des services sélectionnés au cours du temps.
A l’heure actuelle, de tels modèles de description de la connaissance sont inexistants. Aussi, nous proposons, dans le cadre d’un travail de collaboration, le développement de modèles de connaissances (ontologies) indépendants (hétérogènes) permettant la description des dispositifs de différents constructeurs. Ces ontologies, permettront de définir un ensemble de test (dataset) réutilisable pour valider nos travaux et ceux à venir.

Les domaines d’applications à couvrir doivent être les plus vastes possibles et non limités aux dispositifs pour l’habitation (on pense en particulier à des dispositifs du domaine de la santé et de l’assistance aux personnes à mobilité réduite, au domaine de l’automobile, de l’industrie, etc…). Libre aux étudiants de définir des scénarios de mise en œuvre de la connaissance décrite. Le développement des ontologies devra s’appuyer sur le langage OWL et suivre les recommandations décrites sur le site suivant : http://www.sensormeasurement.appspot.com/?p=bestPractice

Différentes approches possibles

Construction manuelle d'ontologies (@Design time)
Développement d'un outil d'extraction automatique d'ontologies (@Design time)

A partir des pages web constructeurs ou bien de revendeurs (WallMart, Amazon, etc…), mettre en place un outil d'extraction des concepts et des relations définis (semantic web crawler). Dans ce cadre, l'exploitation des métadonnées présentes sur les pages web peut s'avérer ici utile. En particulier l'approche “linked data” [1,2]. Une étude de l'état de l'art pourra alors être menée pour comprendre dans quelle mesure une telle approche est utilisée dans le cadre de la description de produits pour exploitation ultérieure (Wallmart semble être précurseur dans ce domaine) par des applications SWoT. Si il s'avère qu'une telle approche est novatrice, un exemple de page web décrivant un dispositif et enrichie de métadonnées (voir [3,6] et DBPedia Spotlight )pourra alors être développée et l'ontologie extraite grâce au crawler développé (et publication possible).

Pre-alignement / Enrichissement (@Design time)


Pour diminuer l'hétérogénéité sémantique, un pré-alignement pourra être effectué sur les ontologies. Cet alignement pourra, par exemple, s'appuyer sur les vocabulaires LOV de manière à enrichir l'ontologie avec des classes d'équivalence qui permettront de faciliter l'intégration de l'ontologie dans la base de connaissance [4].

Mise en oeuvre d'URI déréférencées (@Run time)

Les URIs déréférencées [5] peuvent être vues comme des pointeurs vers des sous-graphes RDF disponibles sur le web. Dans ce cadre, le développement d'un repository contenant les sous-graphes RDF décrivant des concepts est envisagé. Les ontologies développées contiennent alors les URIs déréférencées que la base de connaissance utilise alors pour récupérer les sous-graphes RDF et les instancier dans la base de connaissance.
L’intérêt de cette approche réside dans la diminution des données à embarquer dans les annotations (réduction de la surcharge réseau) mais surtout permet d'avoir un point d'ancrage aux descriptions des concepts (le repository) que chaque constructeur maintiendrait à jour. De fait, la base de connaissance pourrait, de temps en temps, réitérer la demande des sous-graphes et maintenir une connaissance à jour.

Résumé

Device ontologies development framework

L'approche préconisée serait celle à partir de pages web enrichies de linked data et à partir desquelles les ontologies seraient extraites et ensuite enrichies avec des classes d'équivalence (pre-alignment stage) pour faciliter les alignements dans la base de connaissance.

Meetings

Minutes200715 Rahma/Gérald/Jean-Yves meeting200715.pdf

Références

[1] Heath, T., & Bizer, C. (2011). Linked data: Evolving the web into a global data space. Synthesis lectures on the semantic web: theory and technology, 1(1), 1-136.
[2] Product customization as linked data
[3] Dostal, M., Nykl, M., & Ježek, K. (2014). Semantic analysis of software specifications with Linked Data.
[4] Zhao, L., & Ichise, R. (2013). Ontology Integration for the Linked Open Data. application/pdf.
[5] http://www.w3.org/2001/tag/doc/httpRange-14/2007-05-31/HttpRange-14
[6] Scharffe, F., Atemezing, G., Troncy, R., Gandon, F., Villata, S., Bucher, B., … & Vatant, B. (2012). Enabling linked data publication with the Datalift platform. In Proc. AAAI workshop on semantic cities (pp. No-pagination).

recherche/collab/espritec/accueil.txt · Dernière modification: 2015/07/27 14:42 par daikhi
Piste: Collaborations ESPRITEC (Groupe IoT/M2M) - I3S
Dieses Dokuwiki verwendet ein von Anymorphic Webdesign erstelltes Thema.
CC Attribution-Noncommercial-Share Alike 3.0 Unported
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0