Hướng tới một mô hình lai phân cấp

Một phần của tài liệu Nghiên cứu phát triển ứng dụng nhận biết ngữ cảnh trong môi trường tính toán nhân rộng (Trang 40)

Các cách tiếp cận lai có thể được mở rộng hơn nữa để thiết kế một mô hình ngữ cảnh lai phân cấp mà có thể giải quyết thỏa đáng một lượng lớn các yêu cầu tiên quyết.

Một đề xuất sơ bộ cho mô hình phân cấp tập trung vào thành phần không gian/ontology. Mô hình biểu diễn ở đây có ý tưởng cung cấp một giải pháp toàn diện hơn, cả trong điều kiện tích hợp các hình thức lập luận khác nhau và cả trong năng lực biểu diễn. Mô hình được đưa ra bao gồm một hình thức biểu diễn để biểu diễn dữ liệu thu hồi trực tiếp từ cảm biến. Để hỗ trợ các yêu cầu của các dịch vụ tính toán mọi nơi, hình thức biểu diễn này nên tạo thực thi các kỹ thuật lập luận hiệu quả để phát sinh dữ liệu ngữ cảnh mức cao dựa trên các dữ liệu thô (ví dụ thực thi lập luận dựa luật trong ngôn ngữ lập trình logic bị giới hạn). Thêm vào đó, để cung cấp các ngữ nghĩa hình thức của dữ liệu, một mô hình ngữ cảnh ontology cũng hỗ trợ việc thực thi các nhiệm vụ lập luận như kiểm thử tính nhất quán và phát sinh thông tin ngữ cảnh mới. Rõ ràng, ở đây phải có một ánh xạ giữa các thuật ngữ sử dụng trong các miêu tả ngữ cảnh cho lập luận hiệu quả và các lớp, mối quan hệ bản thể học. Framework đa lớp được đưa ra với các lớp sau:

Hình 2.3 Framework đa lớp Lớp 1: Hợp nhất dữ liệu từ cảm biến

Lớp 2: Lớp này dành cho biểu diễn dữ liệu ngữ cảnh nông, tích hợp với các nguồn mở rộng và lập luận ngữ cảnh hiệu quả. Đặc biệt, nó chứa các module sau:

- Module cho các biểu diễn đánh dấu, dựa RDF hay dựa DB hiệu quả và quản lý dữ liệu ngữ cảnh. Điều này chứa cách xác định của các từ vựng dùng chung.

- Moulde cho các lập luận hiệu quả mức nông (lập luận tính không chắc chắn có thể được hỗ trợ).

- Các kỹ thuật tích hợp dữ liệu để thu hồi dữ liệu từ các nguồn mở rộng (như GIS, các server cục bộ, các hệ thống mô hình hóa người dùng) và cho giải pháp xung đột (thậm chí giảm các qui tắc xung đột)

Lớp 3: Tiến trình hiện thực hóa/trừu tượng áp dụng biểu diễn và lập luận ontology. Lớp này có các mục tiêu chính sau:

- Đặc tả ngữ nghĩa của các thuật ngữ ngữ cảnh (quan trọng để chia sẻ và tích hợp)

- Kiểm tra tính nhất quán

Lớp 3 Biểu diễn và lập luận ontology Ứng dụng Lớp 2 Giao diện ứng dụng Hiệu quả lập luận nông Quản lý và biểu diễn dữ liệu Tổng hợp dữ liệu Lược đồ từ vựng Lớp 1 Tích hợp dữ liệu cảm biến Nguồn Các cảm biến 

- Cung cấp một hàm tự động để thiết lập lớp dữ liệu ngữ cảnh thành các tình huống ngữ cảnh trừu tượng hơn.

Chương 3. Ứng dụng nhận biết ngữ cảnh và chương trình minh họa

Chương này sẽ tìm hiểu việc xây dựng một ứng dụng nhận biết ngữ cảnh với các công việc liên quan. Đó là việc xác định và xây dựng kiểu kiến trúc của hệ thống. Đây cũng là một nhiệm vụ quan trọng khi phát triển bất kỳ một loại ứng dụng nào. Đồng thời đưa ra một số kiểu kiến trúc đã có trong lĩnh vực các ứng dụng nhận biết ngữ cạnh. Ngoài ra là các thành phần của một hệ thống, các tiêu chí đánh giá khi phát triển ứng dụng..

Để áp dụng từ lý thuyết vào thực tiễn, phần này sẽ trình bày một ứng dụng nhận biết ngữ cảnh để minh họa.

Một phần của tài liệu Nghiên cứu phát triển ứng dụng nhận biết ngữ cảnh trong môi trường tính toán nhân rộng (Trang 40)

Tải bản đầy đủ (PDF)

(64 trang)