Các cách tiếp cận mô hình hóa ngữ cảnh từ sớm là các mô hình giá trị - thuộc tính và lược đồ đánh dấu. Các mô hình Giá trị - thuộc tính sử dụng các cặp giá trị - thuộc tính để xác định danh sách các thuộc tính và giá trị của chúng để miêu tả thông tin ngữ cảnh được sử dụng bởi ứng dụng nhận biết ngữ cảnh. Cách tiếp cận mô hình hóa giá trị - thuộc tính thường được dùng trong cách framework dịch vụ phân tán (ví dụ như Capeus). Trong các framework này, bản thân dịch vụ thường được miêu tả với một danh sách các thuộc tính đơn giản. Cặp giá trị - thuộc tính dễ dàng quản lý nhưng thiếu khả năng cấu trúc tinh vi cho các thuật toán thu hồi ngữ cảnh hiệu quả.
Các cách tiếp cận mô hình hóa lược đồ đánh dấu là cấu trúc dữ liệu phân cấp bao gồm các thẻ đánh dấu với các thuộc tính và nội dung. Đặc biệt, nội dung của các thẻ đánh dấu luôn được xác định đệ quy bởi các thẻ khác. Các mô hình ngữ cảnh dựa vào việc đánh dấu sử dụng các dạng ngôn ngữ đánh dấu có cả XML. Một chuẩn W3C được đưa ra để miêu tả các thiết bị di động, (CC/PP) đã chỉ ra các cách tiếp cận mô hình hóa ngữ cảnh đầu tiên sử dụng và bao gồm các ràng buộc thành phần và các mối quan hệ giữa các kiểu ngữ cảnh. Các kiểu lập luận đơn giản về các ràng buộc và các mối quan hệ thành phần này được thực hiện với bộ lập luận cho mục đích đặc biệt. Các mô hình thông tin ngữ cảnh dựa vào đánh dấu và RDF có những hạn chế nên không phải là những đề cử tốt cho việc mô hình hóa ngữ cảnh chung.
Các cách tiếp cận mô hình hóa ngữ cảnh mới hơn sử dụng các kỹ thuật mô hình hóa hệ thống thông tin phức tạp hơn (cơ sở dữ liệu) hay các kỹ thuật quản lý tri thức. Chúng cũng dùng các kỹ thuật lập luận theo mục đích chung kết hợp với kỹ thuật mô hình hóa của chúng, ví dụ logic vị từ một và logic mô tả. Những cách tiếp cận mới này giải quyết nhiều yêu cầu ở trên, tuy nhiên không cách nào là đầy đủ các yêu cầu cho việc mô hình hóa và lập luận ngữ cảnh nói chung.
2.2.2 Các mô hình thông tin ngữ cảnh dựa vai trò các đối tượng
Các cách tiếp cận mô hình hóa ngữ cảnh dựa sự kiện gồm cách tiếp cận mô hình hóa ngữ cảnh dựa vai trò ối tượng được miêu tả trong phần này bắt nguồn từ những nỗ lực để tạo các mô hình ngữ cảnh đầy đủ nhằm hỗ trợ xử lý truy vấn và lập luận cũng như cung cấp các cấu tạo mô hình phù hợp cho việc sử dụng trong các nhiệm vụ kỹ nghệ phần mềm như phân tích và thiết kế. Các cách tiếp cận trước đó như các cặp giá trị - thuộc tính (giá trị - thuộc tính) không thỏa
mãn các yêu cầu này, mà đặc biệt do các kiểu thông tin ngữ cảnh được sử dụng bởi các ứng dụng phát triển ngày càng phức tạp.
Kỹ thuật này chủ yếu được phát triển bởi Henricksen bắt đầu từ năm 2002 với tập trung chủ yếu vào Ngôn ngữ mô hình hóa ngữ cảnh (Context Modelling Language - CML).
2.2.2.1 Tổng quan ngôn ngữ mô hình hóa ngữ cảnh - CML
Ngôn ngữ mô hình hóa ngữ cảnh dựa trên mô hình vai trò đối tượng (ORM – Object-Role Modeling) được phát triển cho mô hình hóa khái niệm của cơ sở dữ liệu[16]. Trong ORM, khái niệm mô hình hóa cơ bản là sự kiện, và mô hình hóa một lĩnh vực sử dụng ORM gồm các kiểu sự kiện tương đương và các luật mà trong đó các kiểu thực thể tham gia. CML cung cấp một cú pháp đồ họa được thiết kế để hỗ trợ các kỹ sư phần mềm trong việc phân tích và đặc tả hình thức các yêu cầu ngữ cảnh của một ứng dụng nhận biết ngữ cảnh. Nó mở rộng ORM với các cấu trúc mô hình để
- Nắm bắt các lớp và các nguồn khác nhau của các sự kiện ngữ cảnh: thông tin cụ thể, tĩnh, cảm nhận, dẫn xuất, và do người dùng cung cấp.
- Nắm bắt thông tin không đầy đủ bằng cách sử dụng siêu dữ liệu chất lượng và khái niệm “alternatives” để nắm bắt các khẳng định trái chiều (như các báo cáo về vị trí trái ngược nhau từ các bộ cảm nhận)
- Nắm bắt sự phụ thuộc giữa các kiểu sự kiện ngữ cảnh
- Nắm bắt lịch sử cho các kiểu sự kiện mang tính chắc chắn và các ràng buộc trên các lịch sử đó.
Hình thức của ORM và các mở rộng CML khiến nó có thể hỗ trợ một ánh xạ thẳng từ một mô hình ngữ cảnh dựa mô hình này sang một hệ thống quản lý ngữ cảnh thời gian thực có thể được gắn với các sự kiện ngữ cảnh và được truy vấn bởi các ứng dụng nhận biết ngữ cảnh. Halpin miêu tả hàm Rmap để biến một lược đồ khái niệm thành một lược đồ quan hệ, và Henricksen đã phát triển một mở rộng của Rmap để có thể được sử dụng cho việc ánh xạ một mô hình ngữ cảnh dựa CML thành một cơ sở dữ liệu quan hệ. Tuy nhiên, ngữ nghĩa hình thức của ORM và CML có thể được thừa hưởng để cung cấp sự tích hợp với các cài đặt khác như các bộ lập luận dựa sự kiện [17].
Hình 2.2 Một ví dụ về mô hình biểu diễn ngữ cảnh với CML
Mô hình ví dụ này được thiết kế để sử dụng bởi các ứng dụng liên lạc nhận biết ngữ cảnh. Mô hình nắm bắt hoạt động người dùng theo hình thức kiểu sự kiện thời gian bao gồm các hoạt động từ quá khứ, hiện tại và tương lai; các kết hợp giữa những người sử dụng, các kênh liên lạc và các thiết bị; và các vị trí của người dùng và thiết bị (cả tuyệt đối và tương đối, trong đó tuyệt đối được biểu diễn như một sự kiện xuất phát).
Mỗi hình elip trong hình mô tả một kiểu đối tượng với giá trị trong dấu ngoặc đơn miêu tả lược đồ biểu diễn được dùng cho kiểu đối tượng – trong đó mỗi hình hộp biểu thị một vai trò của đối tượng trong sự kiện. Bảng Key tổng kết các cú pháp còn lại được sử dụng trong hình 2.2.
2.2.2.2 Hỗ trợ lập luận
CML kế thừa hình thức của ORM để hỗ trợ việc đánh giá các khẳng định đơn giản cũng như các truy vấn tựa SQL. Một trong số các đặc tính mới của CML là khả năng hỗ trợ truy vấn trên thông tin không chắc chắn (đặc biệt, thông tin mơ hồ biểu diễn sử dụng hình thức cấu tạo “luân phiên”) bằng cách sử dụng
logic 3 giá trị. Điều này được minh họa bằng việc sử dụng kiểu sự kiện “located at” từ mô tả ở Hình 2.2. Hai khởi tạo của sự kiện này được chỉ ra ở bảng 3.
Bảng 3. Các giá trị của sự kiện “located at” Thực thể của “located at” không có
trạng thái phụ
Thực thể của “located at” có trạng thái phụ
Người Vị trí Người Vị trí
Firzwilliam Darcy Kitchen Firzwilliam Darcy Kitchen
Elirabeth Bennet Study Firzwilliam Darcy Dinning
Elirabeth Bennet Study
Với việc sử dụng logic 3 giá trị, khẳng định “Fitzwilliam Darcy located at Kitchen” đánh giá True vẫn tôn trọng khởi tạo đầu tiên và có thể đúng mà vẫn đảm bảo khởi tạo thứ hai.
Để đánh giá các điều kiện phức tạp hơn có thể được nắm bắt bởi các khẳng định, Henricksen định nghĩa một ngữ pháp cho các tình huống hình thức hóa. Các tình huống được biểu diễn bằng cách sử dụng một hình thức mới của logic vị từ mà có thể cân bằng giữa hiệu quả đánh giá với năng lực biểu diễn. Chúng được định nghĩa như các biểu thức logic có tên theo hình thức S(1,..,
n): , trong đó S là tên của tình huống, 1,.., n là các biến, và là một biểu diễn logic trong đó các biến tự do tương ứng với tập {1,.., n }[Tr7,17]. Biểu thức logic kết hợp một số các biểu thức cơ bản bằng việc sử dụng các kết nối logic như and, or và not. Các biểu thức cơ bản hợp lệ là đẳng thức/ bất đẳng thức hay các khẳng định. Các tình huống có thể được kết hợp từng bước với các biểu thức logic phức tạp hơn.
2.2.2.3 Đánh giá
Một trong những điểm mạnh chính của CML là khả năng hỗ trợ của nó cho các giai đoạn của tiến trình kỹ nghệ phần mềm. Cú pháp đồ họa của nó hỗ trợ phân tích và thiết kế các yêu cầu ngữ cảnh của ứng dụng nhận biết ngữ cảnh; biểu diễn quan hệ và ngữ pháp tình huống hỗ trợ biểu diễn thời gian thực và truy vấn. CML cũng cung cấp hỗ trợ dễ hiểu để nắm bắt và đánh giá thông tin mang tính lịch sử và không đầy đủ hơn nhiều cách tiếp cận mô hình hóa khác đang sử dụng hiện nay. CML cũng nhấn mạnh sự phát triển các mô hình ngữ cảnh cho các ứng dụng cụ thể hay các lĩnh vực ứng dụng
Tuy nhiên, CML cũng có một số điểm yếu. Nó có một mô hình thông tin phẳng, trong đó tất cả các kiểu ngữ cảnh được biểu diễn một cách thống nhất như các sự kiện nguyên tử. Nếu một cấu trúc cần phân tầng, hay một chiều đặc biệt của ngữ cảnh chiếm ưu thế từ quan điểm của truy vấn (như các mô hình không gian, hay
khi mà thông tin vị trí quan trọng hơn các thông tin khác), thì các biểu diễn khác có thể là phù hợp hơn
2.2.3 Các mô hình không gian của thông tin ngữ cảnh
Không gian là một ngữ cảnh quan trọng trong nhiều ứng dụng ngữ cảnh. Hầu hết các định nghĩa ngữ cảnh đều đề cập đến không gian như một yếu tố quan trọng: như Schilit, Adams và Want định nghĩa 3 khía cạnh quan trọng của ngữ cảnh như “Bạn ở đâu, bạn là ai và gần nguồn nào”. Cũng như vậy, trong hầu hết các định nghĩa ngữ cảnh thường được sử dụng bởi Dey, không gian được xem như một khía cạnh trung tâm của các thực thể ngữ cảnh: “Một thực thể là một người, một nơi hay một đối tượng được xem như có liên quan tới tương tác giữa người dùng và ứng dụng, bao gồm người dùng và chính các ứng dụng đó” – những nơi đó là các thực thể không gian. Do đó một vài cách tiếp cận mô hình hóa ngữ cảnh luôn dành cho không gian và vị trí một ưu đãi. Điều đó là phù hợp để tổ chức truy cập thông tin ngữ cảnh hiệu quả.
2.2.3.1 Mô hình thông tin ngữ cảnh
Hầu hết các mô hình thông tin ngữ cảnh là các mô hình dựa sự kiện tổ chức thông tin ngữ cảnh của chúng bằng vị trí vật lý. Điều này có thể là vị trí của các thực thể thế giới thực được miêu tả trong thông tin ngữ cảnh (như đường biên của một phòng), vị trí của bộ cảm nhận đo thông tin ngữ cảnh, hoặc thông tin ngữ cảnh phi vật lý[20].
Thông tin vị trí này cũng được xác định trước (nếu các thực thể là tĩnh), hoặc nó đạt được bởi các hệ thống định vị lần vết các đối tượng di động và báo cáo vị trí của chúng tới hệ thống quản lý vị trí. Nhìn chung, hai loại của các hệ tọa độ được hỗ trợ bởi các hệ thống định vị là:
Tọa độ hình học: Biểu diễn các điểm hay các vùng trong một không gian hình học như tọa độ 84 WGS của GPS biểu diễn kinh độ, vĩ độ và độ cao trên mực nước biển của một số điểm trên bề mặt trái đất. Sử dụng các hàm hình học như khoảng cách Ơclit cho phép tính toán khoảng cách và cho phép truy vấn láng giềng gần nhất.
Tọa độ tượng trưng: Các tọa độ tượng trưng được biểu diễn bởi một định danh như số phòng hay địa chỉ của một ô hoặc điểm truy cập trong điện thoại wireless hay các mạng cục bộ. Trái ngược với tọa độ hình học, không có mối quan hệ không gian được cung cấp bởi các tọa độ tượng trưng. Để cho phép lập luận không gian về phạm vi và khoảng cách thì rõ ràng thông tin về quan hệ không gian giữa các cặp của tọa độ tương trưng phải được cung cấp.
Các mô hình ngữ cảnh không gian có thể được miêu tả theo các lớp của các bản thể học không gian được đưa ra bởi A. Frank:
- Lớp 0 là bản thể học về những cái có thực. Nó dựa trên giả thiết rằng có chính xác một thế giới thực; do đó, mọi thuộc tính trong thế giới và được cho bởi 1 điểm trong không gian thời gian có 1 giá trị đơn.
- Lớp 1 gồm các hình ảnh của sự vật thật và là lớp đầu tiên có thể được truy cập trong các mô hình dữ liệu. Ở đây, một giá trị có thể được phát sinh tại một vị trí với một kiểu kiểu hình ảnh được cho. Kiểu này xác định qui mô đo lường của giá trị (danh nghĩa hay hợp lý) và đơn vị đo lường (m, s). Với các giá trị không gian, hệ thống tọa độ phải được cho. Các giá trị thường có một giới hạn để giảm lỗi. Các mô hình ngữ cảnh dựa sự kiện là một phù hợp điển hình ở lớp này.
- Trong lớp 2, các hình ảnh đơn được nhóm với các đối tượng riêng được xác định bởi các thuộc tính thống nhất. Ngày nay, giá trị của một hình ảnh là trạng thái của toàn bộ đối tượng được cho bởi 1 định danh. Frank chỉ xem xét các đối tượng vật lý trong tầng này như “những thứ tồn tại trong thế giới thực và có thể quan sát được bằng các phương pháp quan sát”. Chúng có một khuôn khổ hình học trong thế giới nhưng nó có thể thay đổi theo thời gian (như chất lỏng, cồn). Đến lớp 2, các tầng bản thể học bao bọc dữ liệu như đối tượng thực – bạn có thể gửi ra ngoài cho các nhà địa lý, các sinh viên để mô hình các đối tượng vật lý và chúng sẽ đi đến một đồng thuận về các hình ảnh của chúng. Do đó, loại thông tin này có thể được chia sẻ môt cách dễ dàng giữa các ứng dụng nhận biết thông tin ngữ cảnh.
- Trong lớp 3, thực tại xã hội được biểu diễn. Thực tại xã hội gồm các đối tượng và các mối quan hệ được tạo bởi các tương tác xã hội. Như các thuộc tính được phân lớp và đặt tên trong ngữ cảnh của nhà nước, thể chế pháp lý và các qui tắc. Tên đối tượng thuộc về lớp này vì chúng được gán bởi văn hóa; với nhiều thứ quan trọng (không phải tất cả) có các chức năng để xác định tên và tìm ra đối tượng bằng tên trong môi trường chắc chắn.
- Cuối cùng, trong lớp 4 các qui tắc được mô hình để được sử dụng bởi các tác nhân nhận thức (cả con người và phần mềm) cho việc suy diễn. Lớp này thường được xây dựng vào các ngôn ngữ truy vấn cơ sở dữ liệu, các ứng dụng hay các bộ lập luận của hệ thống cơ sở tri thức. Các mô hình dựa bản thể học của thông tin ngữ cảnh phủ toàn bộ các tầng ở mức này. Mặc dù mô hình các lớp của Frank là một khái niệm trừu tượng của các biểu diễn (không gian) khác nhau của thế giới nhưng nó rất hữu ích để phân biệt giữa các dạng thực thi các mô hình ngữ cảnh không gian.
2.2.3.2 Hỗ trợ lập luận
Các mô hình ngữ cảnh không gian cho phép lập luận về vị trí và các mối quan hệ không gian của các đối tượng. Như các quan hệ chứa phạm vi trong một lĩnh vực riêng hay khoảng cách tới các thực thể. Theo C.Becker thì có 3 truy vấn không gian điển hình trên thông tin ngữ cảnh không gian.
Vị trí: thu hồi vị trí của một đối tượng
Dãy: Một lượng các đối tượng được đình vị trong một khoảng không gian được thu hồi
Hàng xóm gần nhất: Các truy vấn cung cấp một danh sách của một hay nhiều đối tượng gần với vị trí của một đối tượng ví như truy vấn đến chiếc máy in gần nhất, hay nhà hàng, webcam. Các truy vấn này thậm chí trở thành thách thức lớn khi vị trí các đối tượng là không chính xác hay được cho làm một