Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

25.11.2017 | Ausgabe 6/2020

The Journal of Supercomputing 6/2020

Semantic annotation of summarized sensor data stream for effective query processing

Zeitschrift:
The Journal of Supercomputing > Ausgabe 6/2020
Autoren:
Shobharani Pacha, Suresh Ramalingam Murugan, R. Sethukarasi
Wichtige Hinweise
The original version of this article was revised: R. Sethukarasi was not listed among the authors.
A correction to this article is available online at https://​doi.​org/​10.​1007/​s11227-017-2212-6.

Abstract

In the big data era, the volume of streaming data produced by sensor networks is staggeringly large that enables business intelligence to make well-informed decisions on emerging modern applications. Performing the data analytics and query processing over the fast arriving data streams is a tedious process. The semantic annotation of the data stream provides a high-level description, and a semantic context supports intelligent querying and data analytics. This paper presents a framework called SEmantic Annotation over Summarized sensOr Data stReam (SEASOR) that includes summarization, semantic annotation, and query processing that facilitates sensor data stream analytics. The summarization merges these types of stream values to increase the query performance and decrease the memory space. The semantic annotation is scripted with the help of application-dependent base ontology that extends the Semantic Sensor Network (SSN) ontology. The annotation of the sensor stream provides detailed descriptions for the observation of sensors using the base ontology, and it divides the streaming sensor data into several subsets according to the sensing features. The domain model enables the query processor to access the relevant results via an annotated Resource Description Framework (RDF). The query processor uses the extended SPARQL (Cs-SPARQL) to access only the relatively small subset via an annotated RDF file and allows extending the query processing to support windows and the parallel processing of data streams. The experimental results prove that the proposed SEASOR provides timely answers to the user queries and achieves better performance in terms of result accuracy by 95%.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 6/2020

The Journal of Supercomputing 6/2020 Zur Ausgabe

Premium Partner

    Bildnachweise