Jump to main content Hotkeys
Distributed and Self-organizing Systems
Distributed and Self-organizing Systems

Studienarbeit / Masterarbeit / Bachelorarbeit / Teamorientierte Projektarbeit / Praktikum

Knowledge Extraction from Internet of Things Ontologies using Data Science Techniques
Knowledge Extraction from Internet of Things Ontologies using Data Science Techniques

Research Area

Web Engineering

Advisers

mahdanoura

gaedke

Description

The number of smart devices, so called, Internet of Things devices is increasing rapidly. However, IoT suffers from a lack of semantic interoperability between devices. To improve this situation, semantic web technologies such as ontologies are used to describe IoT devices and their data according to a uniform description. However, the LOV4IoT ontology catalogue references more than 500 ontologies in the IoT domain. These ontologies have many redundant concepts and properties re-designed instead of reusing existing ones. Therefore, it is time-consuming and challenging to manually identify the key IoT concepts designed within these ontologies.

Thus, to help IoT developers to identify the key IoT concept within the existing ontologies a method is required that can perform this task automatically. The existing data science approaches and machine learning techniques (e.g. clustering, text embeddings) can be used on the existing ontologies to find the key concepts. This can reduce the development time and the human workload.

The aim of this thesis is to develop a solution that can aid the developers identifying the key IoT concepts designed within existing ontologies using existing data science techniques. This involves in particular the state of the art on existing IoT ontologies, data science approaches as well as the demonstration of the solution prototypical implementation and a suitable evaluation for the key concepts identified.

------

If you are interested in this topic, please contact me via email (mahda.noura@informatik.tu-chemnitz.de) to discuss the topic in detail together.

Description (German)

Die Anzahl der intelligenten Geräte, so genannten Internet of Things-Geräte, nimmt rapide zu. IoT leidet jedoch unter einem Mangel an semantischer Interoperabilität zwischen Geräten. Um diese Situation zu verbessern, werden semantische Webtechnologien wie Ontologien verwendet, um IoT-Geräte und ihre Daten gemäß einer einheitlichen Beschreibung zu beschreiben. Der LOV4IoT-Ontologiekatalog verweist jedoch auf mehr als 500 Ontologien in der IoT-Domäne. Diese Ontologien haben viele redundante Konzepte und Eigenschaften, die neu entworfen wurden, anstatt vorhandene wiederzuverwenden. Daher ist es zeitaufwändig und schwierig, die wichtigsten IoT-Konzepte, die in diesen Ontologien entwickelt wurden, manuell zu identifizieren.

Um IoT-Entwicklern zu helfen, das Schlüssel-IoT-Konzept innerhalb der vorhandenen Ontologien zu identifizieren, ist daher eine Methode erforderlich, die diese Aufgabe automatisch ausführen kann. Die vorhandenen datenwissenschaftlichen Ansätze und Techniken des maschinellen Lernens (z. B. Clustering, Texteinbettungen) können für die vorhandenen Ontologien verwendet werden, um die Schlüsselkonzepte zu finden. Dies kann die Entwicklungszeit und die Arbeitsbelastung des Menschen verringern.

Ziel dieser Arbeit ist es, eine Lösung zu entwickeln, mit deren Hilfe die Entwickler die wichtigsten IoT-Konzepte identifizieren können, die in vorhandenen Ontologien unter Verwendung vorhandener datenwissenschaftlicher Techniken entwickelt wurden. Dies beinhaltet insbesondere den Stand der Technik zu bestehenden IoT-Ontologien, datenwissenschaftlichen Ansätzen sowie die Demonstration der prototypischen Implementierung der Lösung und eine geeignete Bewertung für die identifizierten Schlüsselkonzepte.

------

Wenn Sie an diesem Thema interessiert sind, kontaktieren Sie mich bitte per E-Mail (mahda.noura@informatik.tu-chemnitz.de), um das Thema gemeinsam ausführlich zu besprechen.


Powered by DGS
Edit list (authentication required)

Press Articles