語義物聯(lián)網(wǎng)中基于RDF流的復雜事件處理方法研究.pdf

1、語義物聯(lián)網(wǎng)作為較新的研究領域是對物聯(lián)網(wǎng)的一個擴展，其特點是在使用語義技術消除數(shù)據(jù)異構的基礎上，能結合豐富的知識進行語義查詢、推理。傳感器網(wǎng)絡作為語義物聯(lián)網(wǎng)的基礎設施，實時、持續(xù)地產生高度動態(tài)的數(shù)據(jù)，為了能良好地表達和處理這種動態(tài)數(shù)據(jù)，RDF流數(shù)據(jù)以及相應的RDF流處理技術被提出。目前的RDF流處理大多是在擴展了SPARQL查詢的基礎上對RDF流數(shù)據(jù)進行持續(xù)地查詢處理，但如何在RDF流數(shù)據(jù)查詢的基礎上分析、識別其中蘊含的時間、因果關系，即

2、以事件驅動的角度進行更高層次地處理還較少涉及，本文主要針對這一問題進行研究。
　　本文闡述了已有的RDF流處理技術和基于RDF流處理技術的語義復雜事件處理方法，在此基礎上，首先提出了基于RDF流的復雜事件處理框架RCEP。然后對RCEP中使用到的事件本體進行建模，在建模過程中考慮了事件模式的特點，并結合使用了現(xiàn)有的SSN本體，使得構建的事件本體具有良好地可表達性;在用戶自定義事件過程中，根據(jù)用戶的設置和傳感器本體中的元數(shù)據(jù)選擇合適

3、的傳感器;在RDF流處理上，選擇Sparkwave作為RDF流處理工具，針對其RETE網(wǎng)絡結構不夠優(yōu)化這一問題進行改進，即在RETE網(wǎng)絡構建過程中根據(jù)事件模式的子圖的過濾能力這一因素決定其在RETE網(wǎng)絡中的連接順序，以此達到減少連接比較次數(shù)和內存占用的目的。在Sparkwave的RDF流推理過程中，為減少推理所用時間，根據(jù)事件模式選擇性地從本體中加載背景知識。最后對RCEP的各個模塊依據(jù)文中提出的方法進行設計與實現(xiàn)。
　　為了驗證