基于图表示学习的物联网语义建模的研究
发布时间：2021-06-23 06:30
随着物联网的快速发展,联网物品的数量及其交互不断增加。诸如IPv6和5G之类的新兴通信技术的出现,提供了足够的网络地址并提高了数据传输的效率,从而进一步加速了联网物品的增长。海量物品之间的交互和交流产生了大量在语义上多种多样的上下文感知数据。将这些数据转化为知识并且表示为机器可理解的形式将有利于提升系统的扩展性和互操作性,从而促进物联网应用程序的开发和实现物联网数据的处理与融合。然而,传统的数据表示方法如语义标注、本体和语义网是基于规则的,当应用于物联网时缺乏灵活性和自适应性。为了应对这一挑战,本文主要聚焦于语义表示的问题,这对于物联网数据的处理和融合至关重要。为了充当桥梁,我们提出了一个高层框架,即Things2Vec,该框架旨在通过图表示学习技术从物品的交互中产生潜在的语义表示。这些语义表示使各种物联网语义分析任务受益,例如物联网服务推荐和物品的自动化。在Things2Vec中,我们利用图对由物品交互生成的函数序列关系进行建模,这被称为物联网上下文图。由于这些函数序列关系在语义上是异质的,因此会导致通用的图表示学习方法无法学习完整的信息。因此,我们提出了一种带偏置的随机游走程序,该...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
链接数据图
第2章相关技术介绍12TimBerners-Lee给链接数据提出了四条原则[41]：（1）使用URI作为物品的名称并且使用唯一的URI解决所有问题;（2）使用HTTPURI使人们可以查找到这些名称并且所有URI均可通过HTTP接口访问;（3）提供与URI相关的有用的RDF信息；（4）将该URI链接到其他URI，以便让别人可以发现更多的信息。将物联网设备交互产生的数据描述为链接数据的形式，可以链接不同系统、不同设备间的数据，从而屏蔽不同物联网设备以及物联网数据间的异质性。Patni等人[42]提出了一个框架，通过将其发布在链接开放数据云中，可以使其公开访问。这可以通过将原始传感器观测值转换为RDF并与链接开放数据云上的其他数据集链接来实现。有了这样的框架，可以使大量传感器数据可以公开访问，从而为数据的利用和分析提供了更大的机会。Sense2Web采用了人工手动标注物联网数据方法，使用从链接数据云中的位置信息和其他本地域本体获得的概念来标注物联网数据。带标注的数据以RDF三元组的形式发布，可通过一个公共的SPARQL端点[43]获得。Sense2Web还实现了RESTful接口，可直接发布、访问和查询链接的物联网数据。该平台支持以链接数据的形式发布可扩展和可互操作的描述，同时可以发布与物联网相关的资源和实体的实例，并将它们链接到Web上的现有资源[8]。Sense2Web提供图形用户界面，图2.4展示了Sense2Web中资源标注和发布界面的屏幕快照[33]。图2.4使用链接的开放数据概念进行资源注释[33]
第3章基于图表示学习的物联网语义建模21通用的图形表示学习方法直接应用于物联网时，会导致无法学习到完整的语义信息。图3.1Things2Vec的总体框架为了解决此限制，在Things2Vec框架中，我们基于两种不同的自然语言处理(NaturalLanguageProcessing，NLP)方法构造物联网上下文图，以识别节点对（函数序列）之间的语义关系。我们提出了一种带偏置的随机游走，来捕获具有不同类型语义关系的节点的邻居。直观地，物联网上下文图可以表示为一条条序列集合，通过我们提出的方法可以将其转换为向量表示。通过物联网上下文图优化的表示将有助于物联网语义分析任务。本章将分为两部分对Things2Vec框架进行描述，第一部分介绍了基于图表示学习的物联网语义建模的定义，第二部分介绍Things2Vec的系统架构的搭建过程。为了建模上下文感知数据的语义，本文将物联网中的触发-动作(Trigger-Action)编程模式[59]作为研究对象。Trigger-Action编程模式的预备知识将在第3.1章中进行介绍。3.1基于图表示学习的物联网语义建模的问题定义3.1.1Trigger-Action编程模式Trigger-Action编程模式[59]能够实现物联网设备的自动化。在Trigger-Action编程模式中，具有或没有编程技能的终端用户可以使用规则(Rule)指定目标，而不用编写复杂的编程语言。一些网站，例如IFTTT、Integromat和Zapier等已经证明Trigger-Action编程模型的可用性。本文研究来自IFTTT.com网站的数据。IFTTT是一个实现物品自动化的平台，它允许用户使用众所周知的服务或智能设备以图3.2中的形式创建工作流程(Recipes)，其中Trigger和Action分别是
【参考文献】：
期刊论文
[1]非糖尿病腹部手术患者围手术期的血糖护理干预[J]. 钟凤如,刘红梅,魏小婷,吴炯松. 现代医院. 2018(03)
[2]基于灰色神经网络的股票收益率预测[J]. 曹雷欣,孙红兵. 计算机与数字工程. 2017(01)
[3]国医大师李振华教授论治妇科病经验[J]. 康志媛,李真. 中医学报. 2016(12)
[4]A Fractional Micro-Macro Model for Crowds of Pedestrians Based on Fractional Mean Field Games[J]. Kecai Cao,Yang Quan Chen,Daniel Stuart. IEEE/CAA Journal of Automatica Sinica. 2016(03)
[5]融合像素与纹理特征的人群人数统计方法研究[J]. 徐麦平,张二虎,陈亚军. 西安理工大学学报. 2015(03)
[6]Hyperion影像与高分辨率影像融合影像的分类结果比较[J]. 董跃宇. 科技资讯. 2015(07)
[7]语义物联网:从本体构建开始[J]. 徐源,张春红,纪阳. 电信网技术. 2014(03)
[8]卷首语[J]. 电子政务. 2010(08)
本文编号：3244430
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
链接数据图
第2章相关技术介绍12TimBerners-Lee给链接数据提出了四条原则[41]：（1）使用URI作为物品的名称并且使用唯一的URI解决所有问题;（2）使用HTTPURI使人们可以查找到这些名称并且所有URI均可通过HTTP接口访问;（3）提供与URI相关的有用的RDF信息；（4）将该URI链接到其他URI，以便让别人可以发现更多的信息。将物联网设备交互产生的数据描述为链接数据的形式，可以链接不同系统、不同设备间的数据，从而屏蔽不同物联网设备以及物联网数据间的异质性。Patni等人[42]提出了一个框架，通过将其发布在链接开放数据云中，可以使其公开访问。这可以通过将原始传感器观测值转换为RDF并与链接开放数据云上的其他数据集链接来实现。有了这样的框架，可以使大量传感器数据可以公开访问，从而为数据的利用和分析提供了更大的机会。Sense2Web采用了人工手动标注物联网数据方法，使用从链接数据云中的位置信息和其他本地域本体获得的概念来标注物联网数据。带标注的数据以RDF三元组的形式发布，可通过一个公共的SPARQL端点[43]获得。Sense2Web还实现了RESTful接口，可直接发布、访问和查询链接的物联网数据。该平台支持以链接数据的形式发布可扩展和可互操作的描述，同时可以发布与物联网相关的资源和实体的实例，并将它们链接到Web上的现有资源[8]。Sense2Web提供图形用户界面，图2.4展示了Sense2Web中资源标注和发布界面的屏幕快照[33]。图2.4使用链接的开放数据概念进行资源注释[33]
第3章基于图表示学习的物联网语义建模21通用的图形表示学习方法直接应用于物联网时，会导致无法学习到完整的语义信息。图3.1Things2Vec的总体框架为了解决此限制，在Things2Vec框架中，我们基于两种不同的自然语言处理(NaturalLanguageProcessing，NLP)方法构造物联网上下文图，以识别节点对（函数序列）之间的语义关系。我们提出了一种带偏置的随机游走，来捕获具有不同类型语义关系的节点的邻居。直观地，物联网上下文图可以表示为一条条序列集合，通过我们提出的方法可以将其转换为向量表示。通过物联网上下文图优化的表示将有助于物联网语义分析任务。本章将分为两部分对Things2Vec框架进行描述，第一部分介绍了基于图表示学习的物联网语义建模的定义，第二部分介绍Things2Vec的系统架构的搭建过程。为了建模上下文感知数据的语义，本文将物联网中的触发-动作(Trigger-Action)编程模式[59]作为研究对象。Trigger-Action编程模式的预备知识将在第3.1章中进行介绍。3.1基于图表示学习的物联网语义建模的问题定义3.1.1Trigger-Action编程模式Trigger-Action编程模式[59]能够实现物联网设备的自动化。在Trigger-Action编程模式中，具有或没有编程技能的终端用户可以使用规则(Rule)指定目标，而不用编写复杂的编程语言。一些网站，例如IFTTT、Integromat和Zapier等已经证明Trigger-Action编程模型的可用性。本文研究来自IFTTT.com网站的数据。IFTTT是一个实现物品自动化的平台，它允许用户使用众所周知的服务或智能设备以图3.2中的形式创建工作流程(Recipes)，其中Trigger和Action分别是
【参考文献】：
期刊论文
[1]非糖尿病腹部手术患者围手术期的血糖护理干预[J]. 钟凤如,刘红梅,魏小婷,吴炯松. 现代医院. 2018(03)
[2]基于灰色神经网络的股票收益率预测[J]. 曹雷欣,孙红兵. 计算机与数字工程. 2017(01)
[3]国医大师李振华教授论治妇科病经验[J]. 康志媛,李真. 中医学报. 2016(12)
[4]A Fractional Micro-Macro Model for Crowds of Pedestrians Based on Fractional Mean Field Games[J]. Kecai Cao,Yang Quan Chen,Daniel Stuart. IEEE/CAA Journal of Automatica Sinica. 2016(03)
[5]融合像素与纹理特征的人群人数统计方法研究[J]. 徐麦平,张二虎,陈亚军. 西安理工大学学报. 2015(03)
[6]Hyperion影像与高分辨率影像融合影像的分类结果比较[J]. 董跃宇. 科技资讯. 2015(07)
[7]语义物联网:从本体构建开始[J]. 徐源,张春红,纪阳. 电信网技术. 2014(03)
[8]卷首语[J]. 电子政务. 2010(08)
本文编号：3244430
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3244430.html
