KR101936655B1 - 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치 - Google Patents

하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치 Download PDF

Info

Publication number
KR101936655B1
KR101936655B1 KR1020170064491A KR20170064491A KR101936655B1 KR 101936655 B1 KR101936655 B1 KR 101936655B1 KR 1020170064491 A KR1020170064491 A KR 1020170064491A KR 20170064491 A KR20170064491 A KR 20170064491A KR 101936655 B1 KR101936655 B1 KR 101936655B1
Authority
KR
South Korea
Prior art keywords
objects
information
community
internet
network model
Prior art date
Application number
KR1020170064491A
Other languages
English (en)
Other versions
KR20180129054A (ko
Inventor
이경호
정주익
Original Assignee
연세대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020170064491A priority Critical patent/KR101936655B1/ko
Publication of KR20180129054A publication Critical patent/KR20180129054A/ko
Application granted granted Critical
Publication of KR101936655B1 publication Critical patent/KR101936655B1/ko

Links

Images

Classifications

    • 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
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • 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
    • H04L67/2804—
    • 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
    • H04L67/56—Provisioning of proxy services
    • H04L67/561—Adding application-functional data or data for application control, e.g. adding metadata

Abstract

본 실시예들은 사물인터넷 객체들에 관하여 프로토콜 정보, 이동성 정보, 가용성 정보, 및 상태 정보를 포함하는 프로필 정보를 생성하고, 사물인터넷 객체들의 위치 정보 및 시간 정보를 이용하여 사물인터넷 객체들의 사회적 관계를 정의하여 네트워크 모델을 생성하고, 네트워크 모델을 기반으로 프로필 유사성, 서비스 유사성, 및 관계 점수를 판단함으로써, 요구되는 사물인터넷 객체를 신속하고 정확하게 탐색할 수 있는 사물인터넷 객체 탐색 방법 및 장치를 제공한다.

Description

하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치 {Method and Apparatus for Discovering IoT Object Using Overlay Network Model Based On Hypergraph}
본 실시예가 속하는 기술 분야는 사물인터넷 객체를 탐색하는 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
IoT(Internet of Things)에서는 모든 객체들이 상호 연결되어 있으며 공동 작업을 위해 정보를 원활하게 교환한다. IoT의 발전으로 새로운 패러다임인 SIoT(Social Internet of Things)가 등장하였다. SIoT에서는 스마트 객체들이 사교성을 갖는다. 즉, 사회적 객체들은 인간과 비슷한 사회적 행동을 통해 다른 객체와 자율적으로 상호 작용하고 사회적 관계를 수립한다. 사회적 객체들에 의해 제공되는 원하는 서비스를 쉽게 찾을 수 있습니다. 사회적 객체들은 신뢰할 수 있는 방식으로 서비스와 정보를 구성한다.
스마트 객체에서 사회적 객체로 전환하기 위해서는 IoT 객체는 디지털 표현(즉, 프로필)을 사용하여 식별이 가능해야 한다. IoT 객체는 프로필 정보를 공유하고 프로필 가시성 및 접근성을 제어할 수 있어야 한다. 프로필은 인간 중심의 소셜 네트워킹 서비스의 중추에 해당한다. 프로필에는 사회 주체에 대한 다양한 정보가 포함되어 있는데, 인간은 사회를 형성하고 사회적 연결을 형성하는 데 프로필을 사용할 수 있다. 그러므로 객체에 관한 적절한 프로파일링은 사회적 객체를 확산하기 위한 초석과 같다.
객체 간의 관계는 IoT의 자율성을 보장하기 위해 가능한 동적이어야 한다. 인간 중심의 사회적 네트워크에서 인간 간에는 다양한 개인적인 관계가 존재한다. 소셜 네트워크의 한 가지 중요한 측면은 이러한 관계가 소셜 그래프 내에서 관리되고 정량화될 수 있다는 것이다.
IoT의 구조는 효율적으로 서비스를 발견하기 위해 유연하게 형성되어야 한다. IoT 자원의 동적성은 현재의 IoT 환경에서도 필요하다. IoT 자원이 네트워크에 가입, 탈퇴 및 이동하는 것을 기존 서비스 검색 메커니즘에 곧바로 적용하기는 쉽지 않다. 대량의 객체들을 처리하는 과정에서 성능 저하 문제가 발생한다. 서비스 탐색에서 성능 저하 문제를 완화하려면 IoT 객체들이 포함된 네트워크를 계획적으로 구성해야 하며 그에 따라 탐색 메커니즘을 수정해야 한다.
정보 손실 없이 다양한 IoT의 상호 작용을 효율적으로 관리할 필요가 있다. IoT 객체의 수는 매우 많을 뿐만 아니라 IoT 객체는 본질적으로 확장성, 이질성, 및 동적성의 특성을 나타낸다. 즉, IoT 객체와 객체들의 관계의 폭발적인 축적에 대처할 수 있도록 IoT를 관리하고 모델링할 필요가 있다. 기능과 설명의 측면에서 다양성을 통제할 필요가 있다. 그리고 동일한 통신 네트워크 내에서 또는 분리된 네트워크 사이에서의 동적 행동에 따라 객체와 객체들의 관계를 재구성할 필요가 있다.
예컨대, 센싱하는 제1 객체, 상황을 판단하는 제2 객체, 및 외부에 상황을 알리는 기능을 수행하는 제3 객체가 상호 연결된 홈 서비스에 있어서, 제1 객체가 정상적으로 센싱을 하더라도 제3 객체가 고장나면 외부에 상황을 알릴 수 없는 문제가 있다. 만약 이웃 집에 제3 객체와 유사한 제4 객체가 존재할 경우, 제4 객체를 탐지하고 제2 객체와 제4 객체를 연결하여 제4 객체를 통해 외부에 상황을 알릴 필요가 있다.
아직까지 IoT 서비스에서 유사한 객체 및 서비스를 신속하게 탐색하고, 객체들을 동적으로 재구성할 수 있는 모델이 없는 실정이다.
본 발명의 실시예들은 IoT 객체 간의 사회적 관계를 수립하기 위하여 IoT 객체를 프로파일링하고 분류하며, 다양한 수준의 IoT 모델링을 위한 다차원 네트워크를 기반으로 IoT 객체를 탐색하고 IoT 객체를 관리하는 데 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면, 컴퓨팅 디바이스에 의한 사물인터넷 객체 탐색 방법에 있어서, 복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 단계, 상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계(Social Relation)에 관한 네트워크 모델을 생성하는 단계, 및 상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 단계를 포함하는 사물인터넷 객체 탐색 방법을 제공한다.
본 실시예의 다른 측면에 의하면, 복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 프로필 생성부, 상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성하는 네트워크 모델 생성부, 및 상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 객체 탐색부를 포함하는 사물인터넷 객체 탐색 장치를 제공한다.
본 실시예의 또 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 사물인터넷 객체 탐색을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에, 복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 단계, 상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성하는 단계, 및 상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 단계를 포함한 동작들을 수행하는 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 사물인터넷 객체들에 관하여 프로토콜 정보, 이동성 정보, 가용성 정보, 및 상태 정보를 포함하는 프로필 정보를 생성하고, 사물인터넷 객체들의 위치 정보 및 시간 정보를 이용하여 사물인터넷 객체들의 사회적 관계를 정의하여 네트워크 모델을 생성하고, 네트워크 모델을 기반으로 프로필 유사성, 서비스 유사성, 및 관계 점수를 판단함으로써, 요구되는 사물인터넷 객체를 신속하고 정확하게 탐색할 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 일 실시예에 따른 사물인터넷 객체 탐색 장치를 예시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 사물인터넷 객체 탐색 장치가 생성하는 네트워크 모델을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따라 사물인터넷 객체 탐색 장치가 생성하는 네트워크 모델에 포함된 인터랙션 레이어를 예시한 도면이다.
도 4는 본 발명의 다른 실시예에 따른 사물인터넷 객체 탐색 방법을 예시한 흐름도이다.
도 5 및 도 6은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 사물인터넷 객체 탐색 장치를 예시한 블록도이다. 도 1에 도시한 바와 같이, 사물인터넷 객체 탐색 장치(100)는 프로필 생성부(110), 네트워크 모델 생성부(120), 및 객체 탐색부(130)를 포함한다. 사물인터넷 객체 탐색 장치(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.
사물인터넷 객체 탐색 장치(100)는 사물인터넷 객체들의 사회적 관계를 정의한 네트워크 모델에 기반하여 요구되는 객체를 신속하고 정확하게 탐색하는 장치이다.
프로필 생성부(110)는 복수의 사물인터넷 객체에 관한 프로필 정보를 생성한다. 프로필 정보는 사물인터넷 객체 간의 사회적 관계를 설명하기 위한 메타데이터이다. 프로필 정보는 객체의 프로토콜 정보, 객체의 이동성 정보, 객체의 가용성 정보, 및 객체의 상태 정보 중 적어도 하나를 포함한다.
네트워크 모델 생성부(120)는 프로필 정보, 객체의 위치 정보, 및 객체의 시간 정보를 이용하여 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성한다. 사물인터넷 객체의 사회적 관계는 (i) 객체의 위치 정보 및 객체의 시간 정보에 기반한 객체 관계(Object Relation) 및 (ii) 객체의 위치 정보 및 객체의 시간 정보에 기반한 커뮤니티 관계(Community Relation)로 정의된다. 사물인터넷 객체의 사회적 관계는 네트워크 모델에서 동적으로 생성, 변경, 또는 제거된다. 네트워크 모델은 상위 레벨인 태스크 레이어(Task Layer), 중간 레벨인 인터페이스 레이어(Interface Layer), 및 하위 레벨인 인터랙션 레이어(Interaction Layer)를 포함한다.
객체 탐색부(130)는 네트워크 모델에 기반하여 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색한다. 객체 탐색부(130)는 태스크 레이어의 태스크를 검색한다. 객체 탐색부(130)는 인터페이스 레이어의 인터페이스의 위치 특성 및 시간 특성을 분석하여 후보 인터페이스를 선별한다. 객체 탐색부(130)는 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 유사성 및 서비스 유사성을 산출한다. 객체 탐색부(130)는 겹쳐진 커뮤니티들(Overlapping Communities)에 속하는 객체들의 커뮤니티 점수를 이용하여 후보 객체의 관련성 점수를 산출하고 후보 객체의 순위를 매겨 객체를 탐색한다.
이하에서는 네트워크 모델에 대해 상세하게 설명한다.
도 2는 본 발명의 일 실시예에 따른 사물인터넷 객체 탐색 장치가 생성하는 네트워크 모델을 예시한 도면이다. 도 2에 도시된 네트워크 모델은 확장성(Scalability), 이질성(Heterogeneity), 및 동적성(Dynamicity) 측면을 고려하여 설계된다.
IoT는 확장성을 요구한다. 확장성은 플랫폼 또는 시스템이 다수의 IoT 객체를 얼마나 잘 처리하고 새로 추가된 객체를 적절히 처리하고 대응할 수 있는지를 나타낸다. 객체의 수가 적을 때에는 수동 또는 반자동으로 IoT 객체를 IoT 네트워크 모델에 추가할 수 있다. 그러나 IoT 개체의 수가 기하 급수적으로 증가함에 따라 새로 생성된 개체에 대해 자동으로 확장할 수 있는 기능이 IoT 네트워크 모델에 포함되어야 한다. 매일 생성되는 새로운 정보를 수용하기 위해 가능한 포괄적인 IoT 네트워크 모델을 구축해야 한다.
IoT는 이질성을 갖는다. 객체의 기능이 다르고 객체를 설명하기 위한 통일된 형식이 없으므로, IoT 객체는 본질적으로 이기종이다. IoT 환경에서 IoT 객체가 서로 통신하기 위해 사용하는 프로토콜에는 다양한 종류가 있다. IoT 객체는 동일한 통신 프로토콜을 공유 할 때 직접 데이터를 교환 할 수 있지만 통신 프로토콜이 다른 경우에는 미들웨어 또는 프록시를 사용해야 한다. IoT 네트워크 모델을 설계할 때, 객체의 효율적인 탐색 및 구성을 가능하게 하기 위해 이러한 이질성을 고려해야 한다.
IoT는 동적성을 요구한다. IoT 네트워크 모델은 고도로 동적인 IoT 객체에 대처할 수 있도록 가능한 유연하게 설계되어야 한다. IoT 객체의 이동성에 따라 여러 네트워크에 가입, 탈퇴, 및 이동할 수 있으며 시간에 따라 상태가 변경될 수 있다. 예를 들어, 특정 장소에 위치한 고정된 광 센서는 다른 위치에 있는 점유 센서의 데이터와 결합할 때 의미없는 감지 값을 제공할 수 있다. 그러나, 점유 센서가 있는 동일한 네트워크로 광 센서를 물리적으로 운반할 수 있고, 두 센서의 협업으로 의미있는 데이터를 생성할 수 있다.
확장성, 이질성, 및 동적성을 고려한 네트워크 모델은 상위 레벨인 태스크 레이어, 중간 레벨인 인터페이스 레이어, 및 하위 레벨인 인터랙션 레이어를 포함한다.
상위 레벨인 태스크 레이어는 사용자 지정 태스크를 포함한다. 태스크는 객체 검색을 수행하는 데 필요한 사용자 요구 사항의 집합이다. 각 태스크는 네트워크 모델의 중간 계층인 인터페이스의 통합을 나타낸다. 태스크는 함께 연결된 여러 태스크로 구성될 수 있다. 예컨대, 태스크는 H=<Hid, Hin, Hout, Hop>로 정의될 수 있다. Hid는 식별자, Hin는 입력, Hout는 출력, Hop는 기능을 나타낸다. 게다가, 태스크의 기능은 OPi로 정의될 수 있고, OPi=<OPid, OPin, OPout, e, d> Hop로 표현될 수 있다. OPid는 기능의 이름, OPin는 입력 파라미터, OPout는 출력 파라미터, e는 사용자의 시간적 특징 요구사항(예컨대, 시간 지점, 시간 간격 등), d는 공간적 특징 요구사항(예컨대, 장소의 명칭, 위도 및 경도 등)을 나타낸다.
중간 레벨인 인터페이스 레이어는 IoT 객체의 사용 내역으로 구성된 오버레이 네트워크이다. 인터페이스 레이어는 시맨틱 센서 네트워크 온톨로지 (SSNO)에서 확장된 온톨로지를 사용한다. 각 사용 내역은 인터페이스를 형성하고 다른 인터페이스와 연계되어 거대한 인터페이스 네트워크를 생성한다. 여기서, 연계는 의미론적 의존성과 인터페이스의 유사성을 기반으로 생성된다. 인터페이스 레이어의 목적은 사용 기록의 추상화를 제공하여 IoT 객체의 검색 및 구성 프로세스를 가속화하는 것이다. 인터페이스의 출력과 다른 인터페이스의 입력의 의미 유형이 동일하다면 두 인터페이스는 의미적으로 의존적이다. 즉, 두 인터페이스간에 의미 종속성이 존재하면 인터페이스는 다른 인터페이스의 출력을 사용하여 태스크를 수행할 수 있다. 또한 두 인터페이스가 유사한 연산을 실행하거나 비슷한 유형의 출력을 생성하기 위해 유사한 입력을 요구하는 경우 두 인터페이스는 의미상 유사하다. 태스크 레이어의 각 태스크는 인터페이스 레이어의 인터페이스 조합이므로 태스크 레이어 및 인터페이스 레이어 전체에 의미 종속성인 링크가 존재할 수 있다.
하위 레벨인 인터랙션 레이어는 가장 세분화된 수준에서 다양한 IoT의 상호 작용을 수집한다. IoT 객체와 사용 관계는 각 시간 및 공간 요소와 함께 인터랙션 레이어에서 모델링된다. 인터랙션 레이어는 하이퍼 그래프 모델을 기반으로 구성된다.
이하에서는 인터랙션 레이어에 대해 상세하게 설명한다.
도 3은 본 발명의 일 실시예에 따라 사물인터넷 객체 탐색 장치가 생성하는 네트워크 모델에 포함된 인터랙션 레이어를 예시한 도면이다.
도 3을 참조하면, 인터랙션 레이어는 세 가지 유형의 액터를 포함한다. IoT 객체, 타임 스탬프, 및 위치의 집합을 정의한다. 각 IoT 객체는 튜플로 표현된다. 예컨대, 튜플은 Oi=<Oid, Oserv, Oprof>로 정의될 수 있다. Oid는 IoT 객체의 고유 식별자, Oserv는 객체에 의해 제공되는 서비스 집합, Oprof는 객체의 프로필 정보를 나타낸다. 각 서비스는 튜플로 정의될 수 있다. si=<sop, sin, sout>으로 표현될 수 있다. sop는 서비스의 기능 집합, sin는 서비스의 입력, sout는 서비스의 출력을 나타낸다. 확장된 SSNO(Semantic Sensor Network Ontology) 개념은 서비스 설명과 프로필 정보 모두에 의미론적으로 주석을 다는 데 사용된다.
액터들 사이의 IoT 관계는 OLT, OOL, OOT, OLL, OTT 관계로 정의된다.
IoT 네트워크 모델은 정점 V, 하이퍼엣지 E, 가중치 W를 포함하는 하이퍼 그래프이다. 하이퍼 그래프는 하이퍼엣지를 이용하여 노드들의 클러스터와 복잡한 관계를 나타낼 수 있다. 하이퍼엣지는 여러 정점을 연결할 수 있고 다양한 관계를 명시적으로 나타낸다. 시간적 및 공간적 특징은 IoT 객체의 발견과 구성에 중요한 요소이므로, 인터랙션 레이어는 하이퍼 그래프를 사용하여 IoT 액터로서 시간적 및 공간적 특징을 표현하도록 모델링된다.
사물인터넷 객체의 사용이력을 이용하여 사물인터넷 객체를 프로파일링할 수 있다.
사물인터넷 객체는 OLT, OOL, OOT, OLL, OTT 관계를 기반으로 커뮤니티 점수를 산출한다. 중첩된 커뮤니티의 객체들의 커뮤니티 점수를 이용하여 후보 객체에 관한 관계 점수를 산출한다.
태스크 레이어의 태스크를 기반으로 인터페이스 레이어의 시맨틱 인터페이스를 비교하고 인터랙션 레이어의 커뮤니티를 검색하여 사물인터넷 객체를 탐색한다.
이하에서는 사물인터넷 객체 탐색 장치가 프로필 정보를 생성하는 동작을 상세하게 설명한다.
프로필 정보는 객체의 프로토콜 정보, 객체의 이동성 정보, 객체의 가용성 정보, 및 객체의 상태 정보 중 적어도 하나를 포함한다.
프로토콜 정보는 객체 간에 직접 또는 간접적으로 통신하기 위한 규약이다. 예컨대, HTTP, TCP/IP, UDP/IP, Zigbee, Bluetooth, RFID, NFC 등으로 정의될 수 있다.
이동성 정보는 사회적 관계를 수립할 때 중요한 역할을 한다. 객체의 현재 위치 및 가능한 이동 경로에 따라 객체와 잠재적으로 연결 가능한 후보 객체가 다를 수 있다. 이동성 정보는 일정 이동성(Constant Mobility), 활성 이동성(Active Mobility), 수동 이동성(Passive Mobility), 및 고정성(Stationary)으로 구분된다. 일정 이동성은 끊임없이 움직이는 객체를 나타내고, 활성 이동성은 자체적으로 다른 위치로 이동이 가능한 객체, 수동 이동성은 사람과 같은 외부 객체에 의해 다른 위치로 이동이 가능한 객체, 및 고정성은 특정 위치에 고정된 객체를 나타낸다.
가용성 정보는 객체가 제공하는 기능을 나타낸다. 가용성 정보는 처리 기능(Processing), 센싱 기능(Sensing), 및 구동 기능(Actuating)로 구분된다. 처리 기능은 처리 유닛의 특성을 보이기 충분한 컴퓨팅 성능을 갖춘 객체를 나타내고, 센싱 기능은 유용한 데이터를 감시하고 백엔드 서버로 데이터를 전송할 수 있는 객체를 나타내고, 구동 기능은 시스템의 제어를 담당하는 객체를 나타낸다.
상태 정보는 사회적 관계의 동적 특성에 기여하는 요소이다. 상태 정보는 사용 가능(Available), 사용 불가(Unavailable), 제한적 사용(Restricted Availability)으로 구분된다. 사용 가능은 다른 객체가 사용할 수 있도록 개방된 객체를 나타내고, 사용 불가는 유지 관리, 트래픽 과부하 등의 이유로 다른 객체가 사용할 수 없는 객체를 나타내고, 제한적 사용은 인증되고 접속 권한이 허락된 객체에 의해 접속이 가능한 객체를 나타낸다.
이하에서는 사물인터넷 객체 탐색 장치가 사물인터넷 객체의 사회적 관계를 정의하는 동작을 상세하게 설명한다.
네트워크 모델 생성부는 객체 관계를 생성한다. 객체 관계는 (i) 하나의 객체가 사용된 위치 및 시간에 관한 제1 객체 관계(OLT), (ii) 두 개의 객체가 사용된 동일한 위치에 관한 제2 객체 관계(00L), (iii) 두 개의 객체가 사용된 동일한 시간에 관한 제3 객체 관계(OOT), (iv) 하나의 객체가 사용된 두 개의 상이한 위치에 관한 제4 객체 관계(OLL), 및 (v) 하나의 객체가 사용된 두 개의 상이한 시간에 관한 제5 객체 관계(OTT)로 구분된다.
제1 객체 관계(OLT)는 특정 타임스탬프에서 특정 위치에서 사용된 객체를 설명한다. 제1 객체 관계(OLT)에서 가중치는 수학식 1과 같이 표현된다.
Figure 112017049844775-pat00001
가중치는 1보다 클 수 있고, 타임스탬프는 24시간을 넘는 값을 가질 수 있다. 제2 객체 관계(00L)는 동일한 위치에서 사용된 두 개의 객체를 나타낸다. 제2 객체 관계에서의 가중치는 수학식 1에서 타임스탬프를 객체로 변경하여 표현된다. 제3 객체 관계(OOT)에서의 가중치는 수학식 1에서 위치를 객체로 변경하여 표현된다. 제4 객체 관계(OLL)는 상이한 장소에서 사용된 객체를 나타낸다. 하이퍼엣지의 가중치는 수학식 1에서 타임스탬프를 위치로 변경하여 표현된다. 제5 객체 관계(OTT)는 시간 구간에서 사용된 객체를 나타낸다. 하이퍼엣지의 가중치는 수학식 1에서 위치를 타임스탬프로 변경하여 표현된다.
네트워크 모델 생성부는 객체 관계에 기반하여 커뮤니티 관계를 생성한다.
커뮤니티 관계는 (i) 위치에 따른 사용이력을 갖는 객체들의 군집인 위치 지향 커뮤니티(Location Oriented Community), (ii) 시간에 따른 사용이력을 갖는 객체들의 군집인 시간 지향 커뮤니티(Time Oriented Community), 및 (iii) 복잡한 태스크를 수행하는 객체들의 군집인 태스크 중심 커뮤니티(Task Driven Community)로 구분된다.
위치 지향 커뮤니티는 적어도 하나의 객체 관계와 관련된 위치에 기반한 커뮤니티이다. 커뮤니티 관계에 속하는 객체는 커뮤니티 관계와의 연결성 정도를 측정하는 커뮤니티 점수를 갖는다. 커뮤니티 점수는 객체가 포함된 커뮤니티에서의 상이한 관계들의 개수 및 관계의 발생 수에 기반하여 산출된다. 커뮤니티 점수는 수학식 2와 같이 표현된다.
Figure 112017049844775-pat00002
lj는 적어도 하나의 객체 관계와 관련된 각각의 위치이다. 커뮤니티는 lj에서 사용 이력을 갖는 객체를 이용하여 생성된다. ρ는 lj-위치 기반 커뮤니티(clj)와 공존하는 정점(oi)의 정도를 나타내고, Rlj은 lj 위치를 포함하는 모든 관계를 나타낸다. yz는 yz∈O∪T∪L으로 표현된다.
가중치는 0 내지 1 범위 내에서 정규화되고, 수학식 3과 같이 표현된다.
Figure 112017049844775-pat00003
시간 지향 커뮤니티는 적어도 하나의 객체 관계와 관련된 시간에 기반한 커뮤니티이다. 시간 지향 커뮤니티는 수학식 2에서 lj를 tk로 대체할 수 있다. tk는 적어도 하나의 객체 관계와 관련된 각각의 타임스탬프이다. 커뮤니티는 tk에서 사용 이력을 갖는 객체를 이용하여 생성된다.
태스크 중심 커뮤니티는 복잡한 태스크를 협업하여 수행하는 객체 집합이다. 예컨대, 복수의 센서 및 구동기가 데이터를 교환하고 비이상적 조건을 감지하고 필요한 동작을 수행하는 홈 모니터링 시스템 등이 있다.
이하에서는 사물인터넷 객체 탐색 장치가 객체를 탐색하는 동작을 상세하게 설명한다.
객체 탐색부는 태스크 레이어의 태스크를 검색한다. 그리고, 인터페이스 레이어의 인터페이스의 위치 특성 및 시간 특성을 분석하여 후보 인터페이스를 선별한다. 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 유사성 및 서비스 유사성을 산출한다. 산출된 유사성은 수학식 4와 같이 표현된다.
Figure 112017049844775-pat00004
or 및 oj는 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 및 서비스 설명에 관한 이진 벡터로 표현된다.
후보 객체의 관련성 점수는 (i) 객체들의 커뮤니티 점수, (ii) 객체가 속하는 커뮤니티의 개수, 및 (iii) 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체에 관한 최대 관련성 점수의 관계로부터 산출된다. 관련성 점수는 수학식 5와 같이 표현된다.
Figure 112017049844775-pat00005
|C|는 객체가 속하는 위치 지향 커뮤니티 및 시간 지향 커뮤니티의 개수이다.
후보 객체에 관한 랭킹 점수는 관련성 점수, 프로필 유사성, 및 서비스 유사성의 관계로 표현될 수 있다. 랭킹 점수는 수학식 6과 같이 표현된다.
Figure 112017049844775-pat00006
랭킹 점수를 통하여 사용자 요구사항에 적합한 객체를 정확하게 탐색할 수 있다. 사물 인터넷 객체 탐색 장치 및 방법은 기존의 객체를 탐색한 객체로 대체하여, 객체 간에 연결시킬 수 있다.
본 실시예에 따르면, 다양한 시나리오가 수행될 수 있다. 예컨대, 스마트 폰 관련 시나리오를 예시한다.
그룹에 속하는 사람들은 서로 다른 관심과 선호도를 가질 수 있다. 이러한 사람들의 대부분은 스마트폰을 휴대한다. 본 발명의 IoT 네트워크 모델을 사용함으로써, 이러한 사람들은 시공간적 특징뿐만 아니라 그들의 관심 및 선호도에 따라 다양한 유형의 커뮤니티로 구분될 수 있다.
예컨대, 백화점에 위치하며 식료품을 구입하는 데 공통의 관심을 갖는 어떠한 사람들은 그룹화될 수 있다. 이러한 사람들 중 하나가 백화점의 할인 쿠폰 또는 관련 정보를 받은 경우, 상기 관련 정보는 그/그녀의 커뮤니티에 속하는 다른 사람에게 전달 될 수 있다. 또한, 백화점에 있는 사람들의 커뮤니티에 관한 다양한 정보를 수집함으로써, 매장 관리자는 무언가를 구입하는 사람들의 경향과 같은 유용한 데이터를 얻을 수 있고, 소비자들에게 추천할 수 있다.
다음으로 스마트 홈 관련 시나리오를 예시한다.
샘은 현재 자신의 직장에서 고객과 회의를 진행하고 있다. 그가 회의를 진행하는 동안, 그의 집에 있는 모션 센서는 집에 아무도 없다는 것을 감지한다. 동시에, 온도 센서들은 그의 집의 주위 온도가 상승하는 것을 감지한다. 최적의 온도를 유지하기 위해, 에어컨 시스템이 켜진다. 그러나, 온도센서들은 온도가 계속 상승하는 것을 감지한다. 그래서, 홈 모니터링 시스템은 샘에게 잠재적 위험을 알리는 텍스트 메시지를 전송한다. 그러나 그는 여전히 회의 중이어서 시스템은 그로부터 응답을 받지 못한다. 따라서, 시스템은 집의 상황을 911에 보고함과 동시에, 다양한 센서 및 액츄에이터는 사전에 필요한 조치를 취하기로 결정한다.
이 경우에, 본 발명의 IoT 네트워크 모델은 특정 시나리오에 기여할 수 있는 엔티티를 찾을 수 있고, 수행해야 하는 조치에 우선 순위를 지정할 수 있다.
사물인터넷 객체 탐색 장치에 포함된 구성요소들이 도 1에서는 분리되어 도시되어 있으나, 복수의 구성요소들은 상호 결합되어 적어도 하나의 모듈로 구현될 수 있다. 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
사물인터넷 객체 탐색 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
사물인터넷 객체 탐색 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 사물인터넷 객체 탐색 방법을 예시한 흐름도이다. 사물인터넷 객체 탐색 방법은 컴퓨팅 디바이스에 의하여 수행될 수 있으며, 사물인터넷 객체 탐색 장치와 동일한 방식으로 동작한다.
단계 S410에서, 컴퓨팅 디바이스는 복수의 사물인터넷 객체에 관한 프로필 정보를 생성한다. 프로필 정보는 사물인터넷 객체 간의 사회적 관계를 설명하기 위한 메타데이터이다. 프로필 정보는 객체의 프로토콜 정보, 객체의 이동성 정보, 객체의 가용성 정보, 및 객체의 상태 정보 중 적어도 하나를 포함한다.
단계 S420에서, 컴퓨팅 디바이스는 프로필 정보를 이용하여 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성한다. 사물인터넷 객체의 사회적 관계는 (i) 객체의 위치 정보 및/또는 객체의 시간 정보에 기반한 객체 관계(Object Relation) 및 (ii) 객체의 위치 정보 또는 객체의 시간 정보에 기반한 커뮤니티 관계(Community Relation)로 정의된다. 사물인터넷 객체의 사회적 관계는 네트워크 모델에서 동적으로 생성, 변경, 또는 제거된다.
네트워크 모델을 생성하는 단계(S420)는 객체 관계를 생성한다. 객체 관계는 (i) 하나의 객체가 사용된 위치 및 시간에 관한 제1 객체 관계(OLT), (ii) 두 개의 객체가 사용된 동일한 위치에 관한 제2 객체 관계(00L), (iii) 두 개의 객체가 사용된 동일한 시간에 관한 제3 객체 관계(OOT), (iv) 하나의 객체가 사용된 두 개의 상이한 위치에 관한 제4 객체 관계(OLL), 및 (v) 하나의 객체가 사용된 두 개의 상이한 시간에 관한 제5 객체 관계(OTT) 중 적어도 하나이다.
네트워크 모델을 생성하는 단계(S420)는 커뮤니티 관계를 생성한다. 커뮤니티 관계는 (i) 위치에 따른 사용이력을 갖는 객체들의 군집인 위치 지향 커뮤니티(Location Oriented Community), (ii) 시간에 따른 사용이력을 갖는 객체들의 군집인 시간 지향 커뮤니티(Time Oriented Community), 및 (iii) 복잡한 태스크를 수행하는 객체들의 군집인 태스크 중심 커뮤니티(Task Driven Community)로 구분된다. 커뮤니티 관계에 속하는 객체는 커뮤니티 관계와의 연결성 정도를 측정하는 커뮤니티 점수를 갖는다.
네트워크 모델은 상위 레벨인 태스크 레이어(Task Layer), 중간 레벨인 인터페이스 레이어(Interface Layer), 및 하위 레벨인 인터랙션 레이어(Interaction Layer)를 포함한다. 태스크 레이어는 객체를 검색하기 위한 사용자 요구사항의 집합인 태스크를 포함한다. 태스크는 인터페이스 레이어에 포함된 인터페이스의 집합을 나타낸다. 인터페이스 레이어는 객체의 사용이력을 포함하는 오버레이 네트워크를 형성한다. 객체의 사용이력에 의해 인터페이스가 생성되고, 인터페이스는 시맨틱 독립성 및 유사성에 기반하여 다른 인터페이스에 연결된다. 인터랙션 레이어는 액터(Actor), 객체 관계(Object Relation), 커뮤니티 관계(Community Relation), 및 가중치를 갖는 하이퍼그래프에 기반한 네트워크 모델이다. 액터는 객체 정보, 위치 정보, 및 시간 정보로 구분되고, 객체 정보는 객체 식별정보, 서비스 정보, 및 프로필 정보를 포함한다.
단계 S430에서, 컴퓨팅 디바이스는 네트워크 모델에 기반하여 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색한다.
객체를 탐색하는 단계(S430)는 태스크 레이어의 태스크를 검색하고, 인터페이스 레이어의 인터페이스의 위치 특성 및 시간 특성을 분석하여 후보 인터페이스를 선별한다. 객체를 탐색하는 단계(S430)는 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 유사성 및 서비스 유사성을 산출한다.
객체를 탐색하는 단계(S430)는 겹쳐진 커뮤니티들(Overlapping Communities)에 속하는 객체들의 커뮤니티 점수를 이용하여 후보 객체의 관련성 점수를 산출하고 후보 객체의 순위를 매긴다. 후보 객체의 관련성 점수는 (i) 객체들의 커뮤니티 점수, (ii) 객체가 속하는 커뮤니티의 개수, 및 (iii) 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체에 관한 최대 관련성 점수의 관계로부터 산출된다.
도 5 및 도 6은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다. 실시예들은 확장성, 이질성, 및 동적성을 만족하며, 특히, 도 5 및 도 6은 동적성을 평가한 F-Measure 값을 도시하고 있다. F-Measure는 Precision 및 Recall의 가중 평균이다. 도 6의 인터랙션 레이어에서 객체 관계가 새롭게 추가되거나 제거되는 동안, 도 5에서는 객체의 프로필은 변경된다. 사물 인터넷 객체 탐색 장치 및 방법은 변경된 프로필 정보를 수신한다. F-Measure 점수는 IoT 객체 및 관계의 동적인 변화가 제한되는 상황에 대응하는 라인 그래프로 표시된다. 바 그래프는 동적인 설정에서 F-Measure 값을 나타낸다. 도 5 및 도6을 참조하면, 실시예들이 객체 및 관계의 동적인 변화에도 유연하게 적응할 수 있음을 쉽게 파악할 수 있다.
도 4에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 4에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 사물인터넷 객체 탐색 장치 110: 프로필 생성부
120: 네트워크 모델 생성부 130: 객체 탐색부

Claims (19)

  1. 컴퓨팅 디바이스에 의한 사물인터넷 객체 탐색 방법에 있어서,
    복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 단계;
    상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계(Social Relation)에 관한 네트워크 모델을 생성하는 단계; 및
    상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 단계
    를 포함하는 사물인터넷 객체 탐색 방법.
  2. 제1항에 있어서,
    상기 프로필 정보는 상기 사물인터넷 객체 간의 사회적 관계를 설명하기 위한 메타데이터이며, 상기 객체의 프로토콜 정보, 상기 객체의 이동성 정보, 상기 객체의 가용성 정보, 및 상기 객체의 상태 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  3. 제1항에 있어서,
    상기 사물인터넷 객체의 사회적 관계는 (i) 상기 객체의 상기 위치 정보 및/또는 상기 객체의 상기 시간 정보에 기반한 객체 관계(Object Relation) 및 (ii) 상기 객체의 상기 위치 정보 또는 상기 객체의 상기 시간 정보에 기반한 커뮤니티 관계(Community Relation)로 정의되며,
    상기 사물인터넷 객체의 사회적 관계는 상기 네트워크 모델에서 동적으로 생성, 변경, 또는 제거되는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  4. 제3항에 있어서,
    상기 네트워크 모델을 생성하는 단계는 상기 객체 관계를 생성하며,
    상기 객체 관계는 (i) 하나의 객체가 사용된 위치 및 시간에 관한 제1 객체 관계(OLT), (ii) 두 개의 객체가 사용된 동일한 위치에 관한 제2 객체 관계(00L), (iii) 두 개의 객체가 사용된 동일한 시간에 관한 제3 객체 관계(OOT), (iv) 하나의 객체가 사용된 두 개의 상이한 위치에 관한 제4 객체 관계(OLL), 및 (v) 하나의 객체가 사용된 두 개의 상이한 시간에 관한 제5 객체 관계(OTT) 중 적어도 하나인 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  5. 제3항에 있어서,
    상기 네트워크 모델을 생성하는 단계는 상기 커뮤니티 관계를 생성하며,
    상기 커뮤니티 관계는 (i) 상기 위치에 따른 사용이력을 갖는 객체들의 군집인 위치 지향 커뮤니티(Location Oriented Community), (ii) 상기 시간에 따른 사용이력을 갖는 객체들의 군집인 시간 지향 커뮤니티(Time Oriented Community), 및 (iii) 복잡한 태스크를 수행하는 객체들의 군집인 태스크 중심 커뮤니티(Task Driven Community)로 구분되며,
    상기 커뮤니티 관계에 속하는 객체는 상기 커뮤니티 관계와의 연결성 정도를 측정하는 커뮤니티 점수를 갖는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  6. 제1항에 있어서,
    상기 네트워크 모델은 상위 레벨인 태스크 레이어(Task Layer), 중간 레벨인 인터페이스 레이어(Interface Layer), 및 하위 레벨인 인터랙션 레이어(Interaction Layer)를 포함하는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  7. 제6항에 있어서,
    상기 태스크 레이어는 상기 객체를 검색하기 위한 사용자 요구사항의 집합인 태스크를 포함하고, 상기 태스크는 상기 인터페이스 레이어에 포함된 인터페이스의 집합을 나타내며,
    상기 인터페이스 레이어는 상기 객체의 사용이력을 포함하는 오버레이 네트워크를 형성하고, 상기 객체의 사용이력에 의해 상기 인터페이스가 생성되고, 상기 인터페이스는 시맨틱 독립성 및 유사성에 기반하여 다른 인터페이스에 연결되는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  8. 삭제
  9. 제6항에 있어서,
    상기 인터랙션 레이어는 액터(Actor), 객체 관계(Object Relation), 커뮤니티 관계(Community Relation), 및 가중치를 갖는 하이퍼그래프에 기반한 네트워크 모델이며,
    상기 액터는 객체 정보, 상기 위치 정보, 및 상기 시간 정보로 구분되고, 상기 객체 정보는 객체 식별정보, 서비스 정보, 및 상기 프로필 정보를 포함하는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  10. 제7항에 있어서,
    상기 객체를 탐색하는 단계는,
    상기 태스크 레이어의 상기 태스크를 검색하고, 상기 인터페이스 레이어의 상기 인터페이스의 위치 특성 및 시간 특성을 분석하여 후보 인터페이스를 선별하고, 상기 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 유사성 및 서비스 유사성을 산출하는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  11. 제10항에 있어서,
    상기 객체를 탐색하는 단계는,
    겹쳐진 커뮤니티들(Overlapping Communities)에 속하는 객체들의 커뮤니티 점수를 이용하여 후보 객체의 관련성 점수를 산출하고 상기 후보 객체의 순위를 매기는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  12. 제11항에 있어서,
    상기 후보 객체의 관련성 점수는 (i) 상기 객체들의 커뮤니티 점수, (ii) 상기 객체가 속하는 커뮤니티의 개수, 및 (iii) 상기 후보 인터페이스에 속하는 객체 및 상기 동일한 커뮤니티에 속하는 객체에 관한 최대 관련성 점수의 관계로부터 산출되는 것을 특징으로 하는 사물인터넷 객체 탐색 방법.
  13. 복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 프로필 생성부;
    상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성하는 네트워크 모델 생성부; 및
    상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 객체 탐색부
    를 포함하는 사물인터넷 객체 탐색 장치.
  14. 제13항에 있어서,
    상기 프로필 정보는 상기 사물인터넷 객체 간의 사회적 관계를 설명하기 위한 메타데이터이며, 상기 객체의 프로토콜 정보, 상기 객체의 이동성 정보, 상기 객체의 가용성 정보, 및 상기 객체의 상태 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 사물인터넷 객체 탐색 장치.
  15. 제13항에 있어서,
    상기 사물인터넷 객체의 사회적 관계는 (i) 상기 객체의 위치 정보 및 상기 객체의 시간 정보에 기반한 객체 관계(Object Relation) 및 (ii) 상기 객체의 상기 위치 정보 및 상기 객체의 상기 시간 정보에 기반한 커뮤니티 관계(Community Relation)로 정의되며,
    상기 사물인터넷 객체의 사회적 관계는 상기 네트워크 모델에서 동적으로 생성, 변경, 또는 제거되는 것을 특징으로 하는 사물인터넷 객체 탐색 장치.
  16. 제13항에 있어서,
    상기 네트워크 모델은 상위 레벨인 태스크 레이어(Task Layer), 중간 레벨인 인터페이스 레이어(Interface Layer), 및 하위 레벨인 인터랙션 레이어(Interaction Layer)를 포함하는 것을 특징으로 하는 사물인터넷 객체 탐색 장치.
  17. 제16항에 있어서,
    상기 태스크 레이어는 상기 객체를 검색하기 위한 사용자 요구사항의 집합인 태스크를 포함하고, 상기 태스크는 상기 인터페이스 레이어에 포함된 인터페이스의 집합을 나타내며,
    상기 인터페이스 레이어는 상기 객체의 사용이력을 포함하는 오버레이 네트워크를 형성하고, 상기 객체의 사용이력에 의해 상기 인터페이스가 생성되고, 상기 인터페이스는 시맨틱 독립성 및 유사성에 기반하여 다른 인터페이스에 연결되며,
    상기 객체 탐색부는,
    상기 태스크 레이어의 상기 태스크를 검색하고, 상기 인터페이스 레이어의 상기 인터페이스의 위치 특성 및 시간 특성을 분석하여 후보 인터페이스를 선별하고, 상기 후보 인터페이스에 속하는 객체 및 동일한 커뮤니티에 속하는 객체의 프로필 유사성 및 서비스 유사성을 산출하는 것을 특징으로 하는 사물인터넷 객체 탐색 장치.
  18. 제17항에 있어서,
    상기 객체 탐색부는,
    겹쳐진 커뮤니티들(Overlapping Communities)에 속하는 객체들의 커뮤니티 점수를 이용하여 후보 객체의 관련성 점수를 산출하고 상기 후보 객체의 순위를 매기는 것을 특징으로 하는 사물인터넷 객체 탐색 장치.
  19. 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 사물인터넷 객체 탐색을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에,
    복수의 사물인터넷 객체에 관한 프로필 정보를 생성하는 단계;
    상기 프로필 정보, 상기 객체의 위치 정보, 및 상기 객체의 시간 정보를 이용하여 상기 사물인터넷 객체의 사회적 관계에 관한 네트워크 모델을 생성하는 단계; 및
    상기 네트워크 모델에 기반하여 상기 복수의 사물인터넷 객체 중에서 적어도 하나의 객체를 탐색하는 단계
    를 포함한 동작들을 수행하는 컴퓨터 프로그램.
KR1020170064491A 2017-05-25 2017-05-25 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치 KR101936655B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170064491A KR101936655B1 (ko) 2017-05-25 2017-05-25 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170064491A KR101936655B1 (ko) 2017-05-25 2017-05-25 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180129054A KR20180129054A (ko) 2018-12-05
KR101936655B1 true KR101936655B1 (ko) 2019-04-03

Family

ID=64743795

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170064491A KR101936655B1 (ko) 2017-05-25 2017-05-25 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101936655B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220166500A (ko) 2021-06-10 2022-12-19 삼성에스디에스 주식회사 오버레이 네트워크를 통한 통신 방법 및 그 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102137892B1 (ko) * 2018-12-12 2020-07-24 전자부품연구원 Geo-location 속성을 이용한 Geo-query 기반 리소스 검색 방법
KR102154051B1 (ko) * 2019-04-03 2020-09-09 연세대학교 산학협력단 사물인터넷 객체의 사회적 연결도를 측정하는 사물인터넷 객체 분석 방법 및 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150036881A1 (en) 2013-08-02 2015-02-05 Qualcomm Incorporated Identifying iot devices/objects/people using out-of-band signaling/metadata in conjunction with optical images

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10104111B2 (en) * 2016-02-17 2018-10-16 Sony Corporation Network security for internet of things

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150036881A1 (en) 2013-08-02 2015-02-05 Qualcomm Incorporated Identifying iot devices/objects/people using out-of-band signaling/metadata in conjunction with optical images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Clarifying Trust in Social Internet of Things(Zhiting Lin and Liang Dong, IEEE, 2017.04.11.)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220166500A (ko) 2021-06-10 2022-12-19 삼성에스디에스 주식회사 오버레이 네트워크를 통한 통신 방법 및 그 시스템

Also Published As

Publication number Publication date
KR20180129054A (ko) 2018-12-05

Similar Documents

Publication Publication Date Title
Ranjan et al. The next grand challenges: Integrating the internet of things and data science
JP7065498B2 (ja) データオーケストレーションプラットフォーム管理
Younan et al. Challenges and recommended technologies for the industrial internet of things: A comprehensive review
Javadpour et al. Resource management in a peer to peer cloud network for IoT
Ahmed et al. The role of big data analytics in Internet of Things
Tönjes et al. Real time iot stream processing and large-scale data analytics for smart city applications
Perera et al. Context-aware sensor search, selection and ranking model for internet of things middleware
Van Kranenburg et al. A context management framework for supporting context-aware distributed applications
Kushwaha et al. Oasis: A programming framework for service-oriented sensor networks
JP2018516473A (ja) リソースの優先順位付けおよび通信チャネルの確立
KR101936655B1 (ko) 하이퍼그래프 기반의 오버레이 네트워크 모델을 이용한 사물인터넷 객체 탐색 방법 및 장치
Kertiou et al. A dynamic skyline technique for a context-aware selection of the best sensors in an IoT architecture
Cuka et al. Implementation and performance evaluation of two fuzzy-based systems for selection of IoT devices in opportunistic networks
Wanigasekara et al. A bandit approach for intelligent IoT service composition across heterogeneous smart spaces
Kalantary et al. Resource discovery in the Internet of Things integrated with fog computing using Markov learning model
Aziez et al. A full comparison study of service discovery approaches for internet of things
Bhajantri et al. A comprehensive survey on resource management in internet of things
Kirsch-Pinheiro et al. Context-aware service selection using graph matching
Manqele et al. Preference-based Internet of Things dynamic service selection for smart campus
Forestiero et al. Recommendation platform in Internet of Things leveraging on a self-organizing multiagent approach
KR101686919B1 (ko) 빅데이터에 기반한 추론 엔진을 관리하는 방법 및 장치
Najar et al. Service discovery and prediction on Pervasive Information System
Yachir et al. Towards an event-aware approach for ubiquitous computing based on automatic service composition and selection
Mavrogiorgou et al. Plug ‘n’play IoT devices: an approach for dynamic data acquisition from unknown heterogeneous devices
ur Rehman et al. The emergence of edge-centric distributed IoT analytics platforms

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant