基于机器学习的物联网虚拟化信息抽取
分布式、并行与集群计算
2021-11-16 v2 信息检索
摘要
要使物联网发挥其全部潜力，在不同应用与跨垂直领域之间共享和复用信息至关重要。然而，现有大量物联网平台采用不同的表示方式、协议与交互模式。为解决此问题，Fed4IoT项目开发了一个物联网虚拟化平台，一方面集成来自许多不同源平台的信息，另一方面将各用户所需信息以其选定的目标平台格式提供。为此，信息被转换为一种通用的中立交换格式。所选格式为NGSI-LD，其正由ETSI上下文信息管理行业规范组（ETSI ISG CIM）标准化。Thing Visor是将源信息转换为NGSI-LD的组件，随后交付至目标平台并转换为目标格式。ThingVisor可手工实现，但这需要大量人力，尤其考虑到众多传感器产生的底层信息具有异质性。因此，辅助开发人员并理想地全自动完成数据抽取、 enrichment与转换至NGSI-LD的过程是关键一步。机器学习是一种有前景的方法，但其通常需要大量人工标注数据用于训练，这一代价在许多物联网场景中并不现实。一种称为知识注入的编程式标注方法，将专家知识编码，用于将数据中抽取的 schema 或本体与目标 schema 或本体进行匹配，为数据标注并便利向NGSI-LD的转换提供基础。
引用
@article{arxiv.2106.06022,
title = {IoT Virtualization with ML-based Information Extraction},
author = {Martin Bauer},
journal= {arXiv preprint arXiv:2106.06022},
year = {2021}
}