JP6615420B1 - エッジシステム、情報処理方法及び情報処理プログラム - Google Patents
エッジシステム、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP6615420B1 JP6615420B1 JP2019533134A JP2019533134A JP6615420B1 JP 6615420 B1 JP6615420 B1 JP 6615420B1 JP 2019533134 A JP2019533134 A JP 2019533134A JP 2019533134 A JP2019533134 A JP 2019533134A JP 6615420 B1 JP6615420 B1 JP 6615420B1
- Authority
- JP
- Japan
- Prior art keywords
- semantic engine
- query
- edge system
- execution result
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90348—Query processing by searching ordered data, e.g. alpha-numerically ordered data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24566—Recursive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
- H04L67/63—Routing a service request depending on the request content or context
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
Abstract
Description
IoTに関する標準化団体であるoneM2Mは、アプリケーションからセマンティックなクエリを受け付け、クエリに応答する水平統合型IoTプラットフォームの標準化を進めている(例えば、特許文献1)。水平統合型IoTプラットフォームでは、オントロジーを使用して注釈を付与したセンサデータを管理する。また、水平統合型IoTプラットフォームでは、推論器によってアプリケーションのセマンティックなクエリに対する応答を実現する。これにより、アプリケーションはセンサーのドメイン知識なしで、データを利用することができる。
また、センサー側とアプリケーション側にメタデータを付与し、オントロジーを使用してメタデータ同士のマッチングを行い、アプリケーションの要求を満たすセンサデータを提供可能なセンサーの候補を抽出する技術も提案されている(例えば、特許文献2)。
クラウドへの負荷集中を軽減し、また通信遅延を解消するために、エッジシステムを用いることも想定される。しかしながら、エッジシステムの計算リソース及び記憶容量は限られている。このため、エッジシステムの限られた計算リソース及び記憶容量でアプリケーションからのクエリに的確に応答する必要がある。
水平統合型IoT(Internet of Things)プラットフォームに対応したエッジシステムであって、
セマンティックエンジンと、
前記セマンティックエンジンの検索の深度に対する要求である応答深度を取得する深度取得部と、
前記セマンティックエンジンの検索の深度が前記応答深度に達するまで、前記セマンティックエンジンに検索を繰り返させる検索制御部とを有する。
***構成の説明***
図1は、本実施の形態に係るIoTシステム1の構成例を示す。
本実施の形態では、クラウドシステム11に代わって、各エッジシステム10がアプリケーションからのセマンティックなクエリへの応答を行う。各エッジシステム10の計算リソース及び記憶容量はクラウドシステム11の計算リソース及び記憶容量よりも少ない。しかしながら、以下に示す処理によりエッジシステム10はアプリケーションからのセマンティックなクエリに的確に応答することができる。この結果、クラウドシステム11への負荷集中を軽減し、また通信遅延を解消することができる。
なお、エッジシステム10で行われ動作は、情報処理方法及び情報処理プログラムに相当する。
以降、センサー12が計測したデータ、あるいは、センサー12が統計処理等を行った処理済みのデータを合わせて、計測データと呼ぶ。
また、エッジシステム10は、機能構成として、通信部100、データ収集部101、データレイク102、アプリケーション103、応答深度制御部104、セマンティックエンジン105及びオントロジー106を有する。
ここで、応答深度とは、アプリケーションが要求する結果を得るためのパラメータである。つまり、応答深度は、セマンティックエンジン105の検索の深度(以下、実行深度ともいう)に対する要求である。例えば、実行深度は、セマンティックエンジン105を実行する回数(再帰回数)である。つまり、アプリケーション103は、再帰回数に対する要求を応答深度として指定することができる。また、実行深度は、オントロジーの親子関係の深さ(オントロジーが木構造の場合は、ノードから根ノードまでのエッジ数)であってもよい。親子関係の深さは、例えば、図23に示す深度特定表1000に規定される抽象度で表される。つまり、アプリケーション103は、図23に示す抽象度のレベル(1、2、3等)に対する要求を応答深度として指定することができる。
また、応答深度制御部104は、セマンティックエンジン105に検索を依頼する。また、応答深度制御部104は、セマンティックエンジン105の検索の深度が応答深度に達するまで、セマンティックエンジン105に検索を繰り返させる。例えば、応答深度制御部104は、セマンティックエンジン105を実行する回数の調整を行う。
応答深度制御部104は、深度取得部及び検索制御部に相当する。また、応答深度制御部104で行われる処理は、深度取得処理及び検索制御処理に相当する。
また、データ収集部101、応答深度制御部104及びセマンティックエンジン105は専用のハードウェアによって実現されてもよい。
図1では、データ収集部101、アプリケーション103、応答深度制御部104及びセマンティックエンジン105がプログラムにより実現され、プロセッサ901がプログラムを実行する例を示す。
通信部100は、通信装置900で実現される。
データレイク102及びオントロジー106は、記憶装置902(メモリ、補助記憶装置を含む)内に設けられる。なお、データレイク102及びオントロジー106を専用のハードウェアで実現してもよい。
図3は、本実施の形態に係るエッジシステム10の動作例を示す。
そして、応答深度制御部104は入力データをセマンティックエンジン105に出力する。
なお、セマンティックエンジン105は、アプリケーションメタデータとデータレイク102に保存している計測データのメタデータとを用いて検索を行ってもよい。具体的には、セマンティックエンジン105は、期間、センサーの設置場所等でデータを絞り込むことができる。また、セマンティックエンジン105は、前回の実行結果を用いて再帰的に検索を行うことも可能である。
セマンティックエンジン105内でRDFを使用する場合は、Linked Dataのロード負荷の低減のために、エッジシステム10の起動時に応答深度制御部104がLinked Dataを予め読み込むようにしてもよい。
前述したように、実行深度は、例えば、セマンティックエンジン105の再帰回数又は図23に例示する抽象度である。
実行深度が応答深度より小さい場合(ステップS603でYES)は、応答深度制御部104は、セマンティックエンジン105の処理続行を決定する(ステップS604)。
実行深度が応答深度以上である場合(ステップS603でNO)は、応答深度制御部104は、セマンティックエンジン105の処理を終了することを決定する(ステップS605)。
このように、本実施の形態では、応答深度制御部104は、セマンティックエンジン105の実行深度が応答深度に達するまで、セマンティックエンジン105に検索を繰り返させる。このため、計算リソース及び記憶容量が限られているエッジシステム10であっても、クラウドシステム11と同様に、アプリケーション103からのクエリに的確に応答することができる。つまり、本実施の形態では、アプリケーション103の要求に応じた、任意の応答深度(抽象度)で応答を行うことができる。
本実施の形態では、エッジシステムのスケールアウト又はスケールダウンを可能にする構成を説明する。
本実施の形態では、主に実施の形態1との差異を説明する。
なお、以下で説明していない事項は、実施の形態1と同様である。
図5は、本実施の形態に係るIoTシステム1の構成例を示す。
図5では、実現が容易なマスタースレーブモデルが採用されている。
ネットワークストレージ15は必ずしも必要ではない。しかし、エッジシステム(主系)10及びエッジシステム(従系)16が共通して使用する計測データをネットワークストレージ15に格納しておくことで、計測データの管理が容易になる。
なお、エッジシステム(従系)16は、複数あってもよい。
セマンティックエンジン選択部107は、例えば、図24に示すエンドポイント特定表2000に基づき、エッジシステム(主系)10のセマンティックエンジン105とエッジシステム(従系)16のセマンティックエンジン401のいずれかを選択する。図24では、クエリのドメイン(検索の種類)ごとに選択すべきセマンティックエンジンのエンドポイントURI(Uniform Resource Identifier)が定義されている。セマンティックエンジン選択部107は、アプリケーション103からのクエリのドメインに対応するセマンティックエンジンを、図24のエンドポイント特定表2000を参照して選択する。なお、図24のエンドポイント特定表2000は、選択基準情報に相当する。
セマンティックエンジン選択部107は、例えば、プログラムにより実現され、プロセッサ901により実行される。また、セマンティックエンジン選択部107は専用のハードウェアで実現されてもよい。
また、データ収集部101及びデータ取得部301は専用のハードウェアによって実現されてもよい。
図6では、データ収集部101及びデータ取得部301がプログラムにより実現され、プロセッサ701がプログラムを実行する例を示す。
通信部300は、通信装置700で実現される。
データレイク102は、記憶装置702(メモリ、補助記憶装置を含む)内に設けられる。なお、データレイク102を専用のハードウェアで実現してもよい。
通信部400は、通信装置600で実現される。
セマンティックエンジン401は、プロセッサ601により実行される。セマンティックエンジン401は、専用のハードウェアによって実現されてもよい。
図6では、セマンティックエンジン401がプロセッサ601により実行される例を示す。
オントロジー402は、記憶装置602(メモリ、補助記憶装置を含む)内に設けられる。なお、オントロジー402を専用のハードウェアで実現してもよい。
図7は、本実施の形態に係るエッジシステム(主系)10の動作例を示す。
以下では、実施の形態1との差分のみ説明する。
セマンティックエンジン選択部107が、エッジシステム(主系)10内のセマンティックエンジン105(セマンティックエンジン105のエンドポイントURI)を選択した場合(ステップS08でYES)は、実施の形態1と同様の処理が行われる(ステップS02〜S06)。
一方、セマンティックエンジン選択部107がエッジシステム(従系)16のセマンティックエンジン401(セマンティックエンジン401のエンドポイントURI)を選択した場合(ステップS08でNO)は、セマンティックエンジン選択部107は、エッジシステム(従系)16のエンドポイントURIに対してクエリを発行する(ステップS09)。そして、セマンティックエンジン選択部107は、エッジシステム(従系)16から実行結果を取得する。
なお、図7に図示はしていないが、セマンティックエンジン選択部107がセマンティックエンジンのエンドポイントURIを特定できない場合は、セマンティックエンジン選択部107は、そのクエリを実行せずスキップする。または、セマンティックエンジン選択部107は、アプリケーション103にエラー通知を返却する。
セマンティックエンジンの実行結果を取得した後の処理は、実施の形態1と同様である(ステップS04〜S06)。
より具体的には、図9は、図7のステップS09で発行されたクエリに対する処理手順を示す。
計測データが必要な場合は、セマンティックエンジン401は、ネットワークストレージ15のデータ取得部301に問合せ、計測データを得る。また、RDF実行のためのLinked Dataが必要な場合は、セマンティックエンジン401は、オントロジー402からLinked Dataをロードする。
そして、セマンティックエンジン401は、実行結果を通信部400を介してエッジシステム(主系)10に返却する(ステップS904)。
一方、スケールダウン時は、イントラネット14上から削除対象のエッジシステム(従系)が除外される。セマンティックエンジン選択部107は、エンドポイント特定表2000から、除外したエッジシステム(従系)が担当するクエリのドメインと、エンドポイントURIとを削除する。
また、本実施の形態では、イントラネット14に配置されたエッジシステム(従系)16を用いる例を説明した。代わりに、インターネット13にエッジシステム(従系)16を配置し、インターネット13に配置されたエッジシステム(従系)16を用いるようにしてもよい。
以上、本実施の形態によれば、スケールアウト及びスケールダウンが容易である。つまり、本実施の形態によれば、容易に処理能力を増強することができ、また、容易に処理能力を削減することができる。
また、本実施の形態によれば、同じ機能を持つエッジシステム(従系)を複数台用意することで、冗長化が可能となり、可用性が向上する。
本実施の形態では、クラウドシステムのセマンティックエンジンを選択する構成を説明する。
本実施の形態では、主に実施の形態2との差異を説明する。
なお、以下で説明していない事項は、実施の形態2と同様である。
図10は、本実施の形態に係るエッジシステム10とクラウドシステム11の機能構成例を示す。
エッジシステム10の機能構成は、実施の形態1と同様である。
エッジシステム10は、クラウドシステム11に送信する計測データを選択することができる。また、エッジシステム10は、クラウドシステム11に送信する計測データを統計値にする等により匿名化してもよい。
また、データ収集部203及びセマンティックエンジン205は、専用のハードウェアで実行されてもよい。
図10では、データ収集部203及びセマンティックエンジン205がプロセッサ801により実行される例を示す。
通信部200は、通信装置800で実現される。
データレイク204及びオントロジー202は、記憶装置802(メモリ、補助記憶装置を含む)内に設けられる。データレイク204及びオントロジー202を専用のハードウェアで実現してもよい。
本実施の形態に係るエッジシステム10の処理は、実施の形態2のエッジシステム(主系)10とほぼ同様であるので、差分のみ説明する。
セマンティックエンジン選択部107は、クラウドシステム11のセマンティックエンジン205を利用するために、図24のエンドポイント特定表2000にセマンティックエンジン205が担当するクエリのドメインと、エンドポイントURIとを追記する。
そして、セマンティックエンジン選択部107は、エンドポイント特定表2000に基づき、エッジシステム10のセマンティックエンジン105とクラウドシステム11のセマンティックエンジン205のいずれかを選択する。
計測データが必要な場合は、セマンティックエンジン205は、データレイク204から計測データを得る。
RDF実行のためのLinked Dataが必要な場合は、セマンティックエンジン205は、オントロジー202からLinked Dataをロードする。
そして、セマンティックエンジン205は、入力データを用いて検索を実行する。
そして、セマンティックエンジン205は、実行結果を通信部200を介してエッジシステム10に返却する。
本実施の形態によれば、セマンティックエンジンの検索処理の一部をリソースが豊富なクラウドシステムに担当させることで、アプリケーションへの応答バリエーションを拡充することができる。
また、本実施の形態によれば、アプリケーションの要求に応じ、クラウドシステムの使用有無を判断できるため、クラウドシステムへの負荷集中を回避できる。
本実施の形態では、セマンティックエンジンの実行結果から、アプリケーションからのクエリと関連性が低い結果を除去し、実行結果の精度を向上させる構成を説明する。
本実施の形態では、主に実施の形態1との差異を説明する。
なお、以下で説明していない事項は、実施の形態1と同様である。
図11は、本実施の形態に係るエッジシステム10の機能構成例である。
図11では、関連性判定部108がセマンティックエンジン105と応答深度制御部104との間に追加されている。
関連性判定部108は、応答深度制御部104からセマンティックエンジン105へのクエリを取得する。そして、関連性判定部108は、取得したクエリに対するセマンティックエンジン105の実行結果を予測する。そして、関連性判定部108は、予測した実行結果がアプリケーション103が求める実行結果に合致するか否かを判定する。関連性判定部108は、予測した実行結果がアプリケーション103が求める実行結果に合致しない場合に、当該クエリを破棄する。
また、関連性判定部108は、セマンティックエンジン105の実行結果を取得する。アプリケーション103からのクエリとセマンティックエンジン105の実行結果とを比較する。そして、関連性判定部108は、セマンティックエンジン105の実行結果にクエリに合致しない実行結果が存在するか否かを判定する。セマンティックエンジン105の実行結果にクエリに合致しない実行結果が存在する場合に、関連性判定部108は、クエリに合致しない実行結果を破棄する。
関連性判定部108は、クエリ破棄部及び結果破棄部に相当する。
図12は、本実施の形態に係るエッジシステム10の動作例を示す。
なお、以下では、実施の形態1との差分のみ説明する。
つまり、関連性判定部108は、クエリに対するセマンティックエンジン105の実行結果を予測し、予測した実行結果がアプリケーション103が求める実行結果に合致しない場合に、当該クエリを破棄する。
つまり、関連性判定部108は、セマンティックエンジン105の実行結果にクエリに合致しない実行結果が存在する場合に、クエリに合致しない実行結果を破棄する。
すなわち、関連性判定部108は、セマンティックエンジン105が出力する全ての答えを予測する。次に、関連性判定部108は、予測した全ての答えの各々とアプリケーションメタデータとの類似度を算出する。
関連性判定部108は、例えば、次のように類似度を算出する。
ここでは、アプリケーションメタデータにクエリとして「室内における行動」が含まれていると考える。セマンティックエンジンの出力集合として、「(室内の)廊下を渡る」、「(外で)散歩している」及び「階段を上る」が得られたとする。関連性判定部108は、類似度として、ユークリッド距離、相関関数、尤度関数等を用いる。ここでは、関連性判定部108が尤度関数を利用するものとする。
尤度関数Lは次のように定義される。
P(A|B=b)をB=bが発生した場合にAが起きる条件付き確率とすると、L(b|A)=∝P(A|B=b)と表す(∝は比例記号)。
「(室内の)廊下を渡る」の類似度は、L(室内における行動|(室内の)廊下を渡る)>0となる。即ち、「(室内の)廊下を渡る」という事象は、室内における行動として尤もらしい。
同様に、L(室内における行動|(外で)散歩している)=0、L(室内における行動|階段を上る)=1/2となる。「階段を上る」事象は、屋内でも屋外でも発生し得るため、1/2となる。
類似度が閾値以上の出力がひとつでも存在する場合(ステップS1003でYES)は、関連性判定部108は、クエリをセマンティックエンジン105へ出力する(ステップS1004)。
一方、出力集合の類似度がすべて閾値より小さい場合(ステップS1003でNO)は、関連性判定部108は、クエリをセマンティックエンジン105へ出力せず、クエリを除外する(ステップS1005)。この時、関連性判定部108は、応答深度制御部104へ、有効な応答が存在しない旨を通知する。
関連性判定部108は、図13のステップS1002の算出方法と同様の算出方法で類似度を算出する。
類似度が閾値より小さい場合(ステップS1103でNO)は、関連性判定部108は、対応するセマンティクエンジン実行結果を除外する(ステップS1104)。
一方、類似度が閾値以上であれば(ステップS1103でYES)、関連性判定部108は、応答深度制御部104に実行結果を出力する。
本実施の形態によれば、不要な再帰処理を抑制することで、消費リソースを低減することができる。
また、本実施の形態によれば、アプリケーションへの応答に、ノイズが少なくなる。
本実施の形態では、セマンティックエンジンの実行結果をシソーラス(類語、関連語、連想語)によって拡張する構成を説明する。セマンティックエンジンが、拡張された実行結果を用いて再帰的に検索を実行することで、実行結果のバリエーションを増加させることができる。
本実施の形態では、主に実施の形態1との差異を説明する。
なお、以下で説明していない事項は、実施の形態1と同様である。
図15は、本実施の形態に係るエッジシステム10の機能構成例を示す。
実施の形態1との差分のみ説明する。
図15では、結果拡張部109がセマンティックエンジン105と応答深度制御部104との間に追加されている。
結果拡張部109は、セマンティックエンジン105の実行結果を取得する。そして、結果拡張部109は、シソーラス110を用いてセマンティックエンジン105の実行結果を拡張する。結果拡張部109は、拡張された実行計画を応答深度制御部104に返却する。
図16は、本実施の形態に係るエッジシステム10の動作例を示す。
なお、以下では、実施の形態1との差分のみ説明する。
この結果、再帰実行する際のセマンティックエンジン105への入力のバリエーションが増える。
そして、結果拡張部109は、セマンティックエンジン105の実行結果と、ステップS1202で特定された語を応答深度制御部104に出力する。
本実施の形態によれば、語の揺らぎによる推論の取りこぼしを防止することで、アプリケーションへ返答する結果の精度が向上する。
本実施の形態では、エッジシステムのセマンティックエンジンが使用するRDFのオントロジー(Linked Data)及び機械学習のモデルデータをクラウドシステムから取得する構成を説明する。オントロジー(Linked Data)及びモデルデータをクラウドシステムから取得することにより、動的にセマンティックエンジンの挙動を制御することができる。
本実施の形態では、主に実施の形態1との差異を説明する。
なお、以下で説明していない事項は、実施の形態1と同様である。
図18は、本実施の形態に係るエッジシステム10とクラウドシステム11の機能構成例を示す。
なお、図18では、オントロジー(Linked Data)及び機械学習のモデルデータの取得及び抽出に関する構成のみを示している。
つまり、本実施の形態に係るエッジシステム10では、実施の形態1の構成に、オントロジー取得部111が追加されている。また、本実施の形態に係るクラウドシステム11では、実施の形態3の構成に、オントロジー抽出部201が追加されている。
クラウドシステム11において、オントロジー抽出部201は、エッジシステム10からの要求に基づき、セマンティックエンジン105が用いるオントロジー(Linked Data)及び機械学習のモデルデータの少なくともいずれかを抽出する。そして、オントロジー抽出部201は、抽出したオントロジー(Linked Data)又は/及びモデルデータをエッジシステム10に送信する。
図19は、本実施の形態に係るエッジシステム10の動作例を示す。
なお、以下では、オントロジー取得部111がLinked Data及びモデルデータを受信する例を説明するが、オントロジー取得部111はLinked Data及びモデルデータのいずれか一方のみを受信してもよい。また、オントロジー取得部111は、セマンティックエンジン105が用いるデータであれば、Linked Data、モデルデータ以外のデータを受信してもよい。
なお、以下では、オントロジー抽出部201がLinked Data及びモデルデータを抽出する例を説明するが、オントロジー抽出部201はLinked Data及びモデルデータのいずれか一方のみを抽出してもよい。また、オントロジー抽出部201は、セマンティックエンジン105が用いるデータであれば、Linked Data、モデルデータ以外のデータを抽出してもよい。
具体的には、オントロジー抽出部201は、アプリケーションのドメイン(例えば、人の行動、病気の種類、機器の動作等)又は統計情報(他の類似のアプリケーションのこれまでの使用実績等)で、条件に合うLinked Data及びモデルデータを絞り込む。なお、オントロジー抽出部201は、Linked Dataを抽出する場合は、Linked Dataから不要なリンクを取り除いてもよい。その際、オントロジー抽出部201は、機械学習、統計情報等を用いて、リンクの要否を判定してもよい。
本実施の形態によれば、エッジシステムのオントロジーを適切に更新することができる。このため、本実施の形態によれば、アプリケーションに出力する実行結果の精度を向上させることができる。
また、本実施の形態によれば、クラウドシステムでオントロジーを一元管理することができる。このため、本実施の形態によれば、他のエッジシステム上の類似のアプリケーションに知識を転用することができる。この結果、他のエッジシステムの稼働の初期からセマンティックエンジンの実行結果の精度を向上させることができる。
本実施の形態では、セマンティックエンジンの実行結果に優先順位を設定する構成を説明する。この結果、アプリケーションは、実行結果における重要度を認識することができる。
本実施の形態では、主に実施の形態1との差異を説明する。
なお、以下で説明していない事項は、実施の形態1と同様である。
図21は、本実施の形態に係るエッジシステム10の機能構成例を示す。
実施の形態1との差分のみ説明する。
図21では、スコアリング部112が応答深度制御部104とアプリケーション103との間に追加されている。
スコアリング部112は、セマンティックエンジン105の実行結果に優先順位を設定する。より具体的には、スコアリング部112は、セマンティックエンジン105の推論過程に基づき、セマンティックエンジン105の実行結果に優先順位を設定する。
なお、図21では、スコアリング部112を説明するために必要な構成のみを図示している。
次に、スコアリング部112の動作を説明する。
図22は、セマンティックエンジン105のRDFで使用するLinked Dataの例である。
Linked Data3000は、主語及び目的語の少なくともいずれかであるノード3001、3003、3004、3005、3006、3007と、ノードを結ぶ述語3002の有向グラフで構成される。
セマンティックエンジン105の1回目の実行において、計測データから機械学習によりノード3001が推論され、さらにRDFによりノード3003、3004が推論されたとする。セマンティックエンジン105の2回目の実行において、ノード3005、3006、3007が推論されたとする。スコアリング部112は、ノードごとに、推論時にどのノードの通過があったかを記録する。図22の例では、ノード3001、3003、3004、3006、3007の各々は1回の通過、ノード3005は2回の通過が記録される。
スコアリング部112は、通過回数をスコアとして扱う。そして、スコアリング部112は、スコアの高い順にセマンティックエンジン105の実行結果に優先順位を設定する。更に、スコアリング部112は、優先順位が高い実行結果を優先してアプリケーションに提示する。上記の例では、ノード3005の優先順位が最も高い。ノード3001、3003、3004、3006、3007の優先順位は全て同じである。
本実施の形態によれば、推論の過程の情報を利用して、スコアリングを実施できるので、結果の正当性を確認することができる。
また、本実施の形態によれば、アプリケーションは、どの実行結果が重要であるかを判断しやすくなる。
最後に、エッジシステム10のハードウェア構成の補足説明を行う。
プロセッサ901は、プロセッシングを行うIC(Integrated Circuit)である。
プロセッサ901は、CPU(Central Processing Unit)、DSP(Digital Signal Processor)等である。
記憶装置902は、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、HDD(Hard Disk Drive)等である。
通信装置900は、データの通信処理を実行する電子回路である。
通信装置900は、例えば、通信チップ又はNIC(Network Interface Card)である。
そして、OSの少なくとも一部がプロセッサ901により実行される。
プロセッサ901はOSの少なくとも一部を実行しながら、データ収集部101、アプリケーション103、応答深度制御部104、セマンティックエンジン105、セマンティックエンジン選択部107、関連性判定部108、結果拡張部109、オントロジー取得部111、スコアリング部112の機能を実現するプログラムを実行する。
プロセッサ901がOSを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、データ収集部101、アプリケーション103、応答深度制御部104、セマンティックエンジン105、セマンティックエンジン選択部107、関連性判定部108、結果拡張部109、オントロジー取得部111、スコアリング部112の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、記憶装置902、プロセッサ901内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、データ収集部101、アプリケーション103、応答深度制御部104、セマンティックエンジン105、セマンティックエンジン選択部107、関連性判定部108、結果拡張部109、オントロジー取得部111、スコアリング部112の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ(登録商標)ディスク、DVD等の可搬記録媒体に格納されていてもよい。そして、データ収集部101、アプリケーション103、応答深度制御部104、セマンティックエンジン105、セマンティックエンジン選択部107、関連性判定部108、結果拡張部109、オントロジー取得部111、スコアリング部112の機能を実現するプログラムが格納された可搬記録媒体を商業的に流通させてもよい。
また、エッジシステム10は、処理回路により実現されてもよい。処理回路は、例えば、ロジックIC(Integrated Circuit)、GA(Gate Array)、ASIC(Application Specific Integrated Circuit)、FPGA(Field−Programmable Gate Array)である。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
Claims (14)
- セマンティックエンジンと、
前記セマンティックエンジンへのクエリを取得し、前記クエリに対する前記セマンティックエンジンの実行結果を予測し、予測した実行結果が前記クエリの発行元が求める実行結果に合致するか否かを判定し、予測した実行結果が前記クエリの発行元が求める実行結果に合致しない場合に、前記クエリを破棄するクエリ破棄部とを有するエッジシステム。 - 前記エッジシステムは、
水平統合型IoT(Internet of Things)プラットフォームに対応したエッジシステムであって、更に、
前記セマンティックエンジンの検索の深度に対する要求である応答深度を取得する深度取得部と、
前記セマンティックエンジンの検索の深度が前記応答深度に達するまで、前記セマンティックエンジンに検索を繰り返させる検索制御部とを有する請求項1に記載のエッジシステム。 - 前記エッジシステムは、更に、
前記セマンティックエンジンと、他のシステムに含まれるセマンティックエンジンとのいずれかを選択し、選択したセマンティックエンジンに検索を行わせるセマンティックエンジン選択部を有する請求項1に記載のエッジシステム。 - 前記セマンティックエンジン選択部は、
前記セマンティックエンジンと、他のエッジシステムに搭載されるセマンティックエンジンとのいずれかを選択する請求項3に記載のエッジシステム。 - 前記セマンティックエンジン選択部は、
前記セマンティックエンジンと、クラウドシステムに搭載されるセマンティックエンジンとのいずれかを選択する請求項3に記載のエッジシステム。 - 前記セマンティックエンジン選択部は、
検索の種類ごとに選択すべきセマンティックエンジンが示される選択基準情報を参照し、実行対象の検索の種類に対応するセマンティックエンジンを選択する請求項3に記載のエッジシステム。 - 前記セマンティックエンジン選択部は、
前記他のシステムのスケールアウト及びスケールダウンの少なくともいずれかに従い、前記選択基準情報を更新する請求項6に記載のエッジシステム。 - 前記エッジシステムは、更に、
前記セマンティックエンジンへのクエリと前記セマンティックエンジンの実行結果とを取得し、前記クエリと前記セマンティックエンジンの実行結果とを比較し、前記セマンティックエンジンの実行結果に前記クエリに合致しない実行結果が存在するか否かを判定し、前記セマンティックエンジンの実行結果に前記クエリに合致しない実行結果が存在する場合に、前記クエリに合致しない実行結果を破棄する結果破棄部を有する請求項1に記載のエッジシステム。 - 前記エッジシステムは、更に、
前記セマンティックエンジンの実行結果を取得し、シソーラスを用いて前記セマンティックエンジンの実行結果を拡張する結果拡張部を有する請求項1に記載のエッジシステム。 - 前記エッジシステムは、更に、
前記セマンティックエンジンが用いるデータを取得するオントロジー取得部を有する請求項1に記載のエッジシステム。 - 前記エッジシステムは、更に、
前記セマンティックエンジンの実行結果に優先順位を設定するスコアリング部を有する請求項1に記載のエッジシステム。 - 前記スコアリング部は、
前記セマンティックエンジンの推論過程に基づき、前記セマンティックエンジンの実行結果に優先順位を設定する請求項11に記載のエッジシステム。 - セマンティックエンジンを有するコンピュータであるエッジシステムが、
前記セマンティックエンジンへのクエリを取得し、前記クエリに対する前記セマンティックエンジンの実行結果を予測し、予測した実行結果が前記クエリの発行元が求める実行結果に合致するか否かを判定し、予測した実行結果が前記クエリの発行元が求める実行結果に合致しない場合に、前記クエリを破棄する情報処理方法。 - セマンティックエンジンを有するコンピュータであるエッジシステムに、
前記セマンティックエンジンへのクエリを取得し、前記クエリに対する前記セマンティックエンジンの実行結果を予測し、予測した実行結果が前記クエリの発行元が求める実行結果に合致するか否かを判定し、予測した実行結果が前記クエリの発行元が求める実行結果に合致しない場合に、前記クエリを破棄するクエリ破棄処理を実行させる情報処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/048071 WO2020136790A1 (ja) | 2018-12-27 | 2018-12-27 | エッジシステム、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6615420B1 true JP6615420B1 (ja) | 2019-12-04 |
JPWO2020136790A1 JPWO2020136790A1 (ja) | 2021-02-15 |
Family
ID=68763446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019533134A Active JP6615420B1 (ja) | 2018-12-27 | 2018-12-27 | エッジシステム、情報処理方法及び情報処理プログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210256073A1 (ja) |
JP (1) | JP6615420B1 (ja) |
KR (1) | KR102310391B1 (ja) |
CN (1) | CN113316774A (ja) |
DE (1) | DE112018008165T5 (ja) |
WO (1) | WO2020136790A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116685991A (zh) * | 2021-01-21 | 2023-09-01 | 三菱电机株式会社 | 信息处理装置、信息处理方法和信息处理程序 |
CN113791840A (zh) * | 2021-09-10 | 2021-12-14 | 中国第一汽车股份有限公司 | 一种管理系统、管理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014056372A (ja) * | 2012-09-12 | 2014-03-27 | Dainippon Printing Co Ltd | 電子チラシ閲覧システム |
JP2015046178A (ja) * | 2009-11-10 | 2015-03-12 | プライマル フュージョン インコーポレイテッド | インターラクティブグラフィカルインタフェースを用いてデータ構造を生成及び操作するシステム、方法、及びコンピュータプログラム |
JP2018532208A (ja) * | 2015-10-30 | 2018-11-01 | コンヴィーダ ワイヤレス, エルエルシー | セマンティックiotのためのrestful動作 |
JP2018206206A (ja) * | 2017-06-07 | 2018-12-27 | 株式会社東芝 | データベース管理装置、データベース管理システム、およびデータベース管理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8065319B2 (en) * | 2007-04-01 | 2011-11-22 | Nec Laboratories America, Inc. | Runtime semantic query optimization for event stream processing |
US8402018B2 (en) | 2010-02-12 | 2013-03-19 | Korea Advanced Institute Of Science And Technology | Semantic search system using semantic ranking scheme |
WO2016109521A1 (en) | 2014-12-30 | 2016-07-07 | Convida Wireless, Llc | Semantics annotation and semantics repository for m2m systems |
US11593671B2 (en) * | 2016-09-02 | 2023-02-28 | Hithink Financial Services Inc. | Systems and methods for semantic analysis based on knowledge graph |
JP6406335B2 (ja) | 2016-11-14 | 2018-10-17 | オムロン株式会社 | マッチング装置、マッチング方法及びプログラム |
US11188568B2 (en) * | 2016-11-14 | 2021-11-30 | Nec Corporation | Prediction model generation system, method, and program |
US10845937B2 (en) * | 2018-01-11 | 2020-11-24 | International Business Machines Corporation | Semantic representation and realization for conversational systems |
-
2018
- 2018-12-27 WO PCT/JP2018/048071 patent/WO2020136790A1/ja active Application Filing
- 2018-12-27 CN CN201880100420.3A patent/CN113316774A/zh active Pending
- 2018-12-27 DE DE112018008165.6T patent/DE112018008165T5/de not_active Ceased
- 2018-12-27 KR KR1020217018319A patent/KR102310391B1/ko active IP Right Grant
- 2018-12-27 JP JP2019533134A patent/JP6615420B1/ja active Active
-
2021
- 2021-05-05 US US17/308,591 patent/US20210256073A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015046178A (ja) * | 2009-11-10 | 2015-03-12 | プライマル フュージョン インコーポレイテッド | インターラクティブグラフィカルインタフェースを用いてデータ構造を生成及び操作するシステム、方法、及びコンピュータプログラム |
JP2014056372A (ja) * | 2012-09-12 | 2014-03-27 | Dainippon Printing Co Ltd | 電子チラシ閲覧システム |
JP2018532208A (ja) * | 2015-10-30 | 2018-11-01 | コンヴィーダ ワイヤレス, エルエルシー | セマンティックiotのためのrestful動作 |
JP2018206206A (ja) * | 2017-06-07 | 2018-12-27 | 株式会社東芝 | データベース管理装置、データベース管理システム、およびデータベース管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113316774A (zh) | 2021-08-27 |
DE112018008165T5 (de) | 2021-09-16 |
US20210256073A1 (en) | 2021-08-19 |
WO2020136790A1 (ja) | 2020-07-02 |
KR102310391B1 (ko) | 2021-10-07 |
KR20210080569A (ko) | 2021-06-30 |
JPWO2020136790A1 (ja) | 2021-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108292310B (zh) | 用于数字实体相关的技术 | |
US20150142829A1 (en) | System, apparatus, program and method for data aggregatione | |
Yagoubi et al. | Massively distributed time series indexing and querying | |
US10289717B2 (en) | Semantic search apparatus and method using mobile terminal | |
US10423902B2 (en) | Parallel processing apparatus and method of estimating power consumption of jobs | |
KR20160124742A (ko) | 비정형 텍스트내의 특징들의 중의성을 해소하는 방법 | |
US7822788B2 (en) | Method, apparatus, and computer program product for searching structured document | |
JP2008250722A (ja) | 文書検索システム、文書番号部分列取得装置、および文書検索方法 | |
US20140229496A1 (en) | Information processing device, information processing method, and computer program product | |
JP6615420B1 (ja) | エッジシステム、情報処理方法及び情報処理プログラム | |
US10095737B2 (en) | Information storage system | |
JP4237813B2 (ja) | 構造化文書管理システム | |
CN116842099B (zh) | 一种多源异构数据处理方法和系统 | |
US20230132117A1 (en) | Handling system-characteristics drift in machine learning applications | |
JP6145562B2 (ja) | 情報構造化システム及び情報構造化方法 | |
KR102269737B1 (ko) | 딥러닝 기반의 정보 분류 방법 및 그 장치 | |
JP6624062B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
WO2013150633A1 (ja) | 文書処理システム、及び、文書処理方法 | |
JP6040141B2 (ja) | キーワード付与装置、キーワード付与方法及びプログラム | |
US11841897B2 (en) | Identifying content items in response to a text-based request | |
KR101096285B1 (ko) | 연관 검색 쿼리 추출 방법 및 시스템 | |
US20220107938A1 (en) | Information outputting device and non-transitory computer readable medium | |
JP7105717B2 (ja) | 情報処理装置、抽出方法、およびプログラム | |
JP2017146924A (ja) | コンテンツ収集装置、コンテンツ収集方法およびコンテンツ収集プログラム | |
JP6747040B2 (ja) | データ解析装置、データ解析方法、データ解析プログラムおよび記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190618 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190618 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190618 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191002 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191008 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6615420 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |