Formal methods for knowledge extraction and reuse from heterogeneous sources for semantic interoperability of distributed architectures

Scholarship Summary

Este trabajo se centra en la creación de modelos matemáticos y la implementación de sensores inteligentes, Cyber ​​Physical Systems (CPS) para enriquecer la capa de datos provenientes del campo. Uno de los desafíos científicos más relevantes es la falta de formalización (en otros términos matemáticos) de los modelos de sistemas y la información resultante. sistemas, así como la definición de la semántica de los conceptos y relaciones que aplican, con el fin de asegurar su comprensión común y facilitar su interoperabilidad minimizando las pérdidas semánticas; Para dotar a este proyecto, que ya está en marcha, de un conocimiento preciso y concreto contribuciones científicas, utilizaremos un enfoque de ingeniería de sistemas interoperables (Ramos, 2011) y (Morel, 2003), que consiste en apoyarse en diferentes tipos y niveles de abstracción o modelos. Estos modelos deben expresar y formalizar no solo el "estructural" aspecto de los componentes del sistema, sino también su comportamiento (Maier, 1998), que puede ser limitado por los requisitos específicos del dominio del sistema (reglas de negocio). Otro tipo de la restricción puede ser inducida por el protocolo (s) de interoperabilidad que puede imponer reglas estrictas a sistemas interoperables con propiedades como autonomía, confidencialidad y transparencia. El objetivo de este proyecto de investigación es doble: por un lado, modelar los datos que vienen de fuentes heterogéneas y, por otro lado, estudiar los problemas que plantean los modelos Ingeniería impulsada en sistemas cooperativos. Involucrar la cooperación en relación con "sistemas de actores "dispuestos a interoperar. Los sistemas colaborativos ahora están organizados en redes, es decir, en forma de sistemas complejos.Los complejos sistemas previstos estarán compuestos por redes de CSP, sensores inteligentes, que recuperará datos insertando el contexto y, por lo tanto, formará redes de información (Cardin, 2016). El desafío científico es, por tanto, proporcionar lenguajes de modelado y herramientas adaptadas a cada proyecto de sistemas con arquitectura distribuida. Cada proyecto de sistema con una arquitectura distribuida, a pesar de la heterogeneidad del negocio habilidades y la naturaleza multidisciplinaria de los dominios. Este desafío tiene dos dimensiones: por un lado, la capacidad de modelado para proporcionar herramientas para los procesos de negocio, que requiere la definición y formalización de sus invariantes; por otro lado, el estudio de las condiciones de uso de los modelos en la práctica, siempre en evolución e incierta. El análisis de concepto formal (FCA) (Priss, 2006) es una herramienta útil y poderosa para describir los vínculos entre los objetos (que forman un contexto), en particular entre objetos que transmiten conocimiento. Este método se basa en la teoría de la celosía (Wille, 2009), que Se puede utilizar para resolver problemas de evaluación de la interoperabilidad entre sistemas de información. dentro de las empresas.Se introdujo una extensión de los mecanismos FCA en (Rouane-Hacene et al. 2013) y denominado Análisis de conceptos relacionales (RCA). Análisis de conceptos relacionales (RCA) donde el enfoque está en conjuntos de datos que son compatibles con los modelos de relaciones entre entidades (Chen, 1976) o, alternativamente, con el recurso Marco de descripción (RDF) (Miller, 1998). Los datos abiertos vinculados han sido reconocidos como fuente valiosa de información general sobre minería de datos, y los gráficos de conocimiento son una método para formalizar este conocimiento (Ristoski, 2016). Esto proporciona un método para extrayendo conocimiento conceptual de datos multirrelacionales. La extracción de información es parte del campo de estudio llamado datos. minería (Manning et al., 2008), se puede estudiar información que se puede relacionar entre sí a través de los métodos de minería de datos multirrelacional (MRDM) (Džeroski, 2003) que se ocupa de con datos multicontextuales. El método RCA no se limita a la extracción de conocimiento de contextos separados, su objetivo es expresar el conocimiento interoperando la semántica de diferentes contextos, es decir, además de extraer conocimiento de diferentes contextos, también extraer conocimiento de un contexto específico, los datos contenidos en los otros contextos son utilizado para enriquecer la extracción de conocimientos. Retos científicos abordados por la tesis Frente a este desafío, los desafíos científicos se refieren a: La falta de formalización (en términos matemáticos) de la aglomeración de información en los modelos del sistema y el sistemas de información que surgen de ellos, así como la definición de la semántica de los conceptos y relaciones que implementan, para asegurar su entendimiento común y facilitar su interoperación minimizando pérdidas semánticas; La adaptación (o incluso extensión) de herramientas algebraicas y / o geométricas (teoría de celosía, teoría de categorías, álgebra homológica) en el contexto del análisis de conceptos formales, para el tratamiento de datos heterogéneos en constante evolución. Este es un enfoque reciente que aún no se ha desarrollado completamente (incluso desde un punto de vista matemático) para este tipo de datos.