KR102310391B1 - 에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램 - Google Patents

에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램 Download PDF

Info

Publication number
KR102310391B1
KR102310391B1 KR1020217018319A KR20217018319A KR102310391B1 KR 102310391 B1 KR102310391 B1 KR 102310391B1 KR 1020217018319 A KR1020217018319 A KR 1020217018319A KR 20217018319 A KR20217018319 A KR 20217018319A KR 102310391 B1 KR102310391 B1 KR 102310391B1
Authority
KR
South Korea
Prior art keywords
semantic engine
query
edge system
execution result
unit
Prior art date
Application number
KR1020217018319A
Other languages
English (en)
Other versions
KR20210080569A (ko
Inventor
이쿠미 모리
겐야 이타가키
Original Assignee
미쓰비시덴키 가부시키가이샤
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 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Publication of KR20210080569A publication Critical patent/KR20210080569A/ko
Application granted granted Critical
Publication of KR102310391B1 publication Critical patent/KR102310391B1/ko

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
    • 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
    • G06F16/20—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

응답 심도 제어부(104)는, 시맨틱 엔진(105)의 검색의 심도에 대한 요구인 응답 심도를 취득한다. 또, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 검색의 심도가 응답 심도에 도달하기까지, 시맨틱 엔진(105)으로 하여금 검색을 반복하게 한다.

Description

에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램
본 발명은, IoT(Internet of Things)에 관한 것이다.
IoT에서는, 빅 데이터로서 클라우드 시스템(이하, 간단히 클라우드라고도 함) 상에 축적되는 다양한 사물(things)(센서)의 정보를, 복수의 도메인에 걸친 복수의 응용 프로그램(이하, 간단히 애플리케이션이라고도 함)이 공용하는 케이스가 있다. 이 경우에, 애플리케이션은 센서의 도메인 지식(설치 장소, 수집하는 데이터의 종류, 정밀도 등)을 의식하지 않고 이용할 수 있는 것이 바람직하다.
IoT에 관한 표준화 단체인 oneM2M은, 애플리케이션으로부터 시맨틱 쿼리(semantic query)를 접수하고, 쿼리에 응답하는 수평 통합형 IoT 플랫폼의 표준화를 진행시키고 있다(예를 들면, 특허문헌 1). 수평 통합형 IoT 플랫폼에서는, 온톨로지를 사용하여 주석을 부여한 센서 데이터를 관리한다. 또, 수평 통합형 IoT 플랫폼에서는, 추론기에 의해 애플리케이션의 시맨틱 쿼리에 대한 응답을 실현한다. 이것에 의해, 애플리케이션은 센서의 도메인 지식없이, 데이터를 이용할 수 있다.
또, 센서측과 애플리케이션측에 메타데이터를 부여하고, 온톨로지를 사용하여 메타데이터끼리의 매칭을 행하고, 애플리케이션의 요구를 만족시키는 센서 데이터를 제공 가능한 센서의 후보를 추출하는 기술도 제안되고 있다(예를 들면, 특허문헌 2).
일본 특허공표 2018-503905호 공보 일본 특허공개 2018-81377호 공보
종래의 수평 통합형 IoT 플랫폼은, 클라우드 상에서 집중적으로 처리를 행하는 것이 상정되고 있다. 이 때문에, 수평 통합형 IoT 플랫폼을 이용하는 애플리케이션이 현저하게 증가하면, 처리 부하가 높아지고, 응답 성능이 저하될 우려가 있다. 스케일 업이나 스케일 아웃으로 대응하는 경우도, 그 비용을 애플리케이션이 일률적으로 부담할 필요가 있다. 또, 클라우드 상의 집중 처리에서는 통신 지연이 생기기 때문에, 통신 지연을 허용할 수 없는 애플리케이션의 요구를 만족시킬 수 없는 경우가 있다.
클라우드에의 부하 집중을 경감하고, 또 통신 지연을 해소하기 위해서, 에지 시스템을 이용하는 것도 상정된다. 그러나, 에지 시스템의 계산 리소스 및 기억 용량은 한정되어 있다. 이 때문에, 에지 시스템이 한정된 계산 리소스 및 기억 용량으로 애플리케이션으로부터의 쿼리에 적확하게 응답할 필요가 있다.
본 발명은, 이와 같은 사정을 감안하여 이루어진 것이다. 보다 구체적으로는, 수평 통합형 IoT 플랫폼에 있어서, 에지 시스템이 애플리케이션으로부터의 쿼리에 적확하게 응답할 수 있도록 하는 것을 주된 목적으로 한다.
본 발명에 따른 에지 시스템은,
수평 통합형 IoT(Internet of Things) 플랫폼에 대응한 에지 시스템으로서,
시맨틱 엔진(semantic engine)과,
상기 시맨틱 엔진의 검색의 심도에 대한 요구인 응답 심도를 취득하는 심도 취득부와,
상기 시맨틱 엔진의 검색의 심도가 상기 응답 심도에 도달하기까지, 상기 시맨틱 엔진으로 하여금 검색을 반복하게 하는 검색 제어부를 갖는다.
본 발명에 따른 에지 시스템은, 시맨틱 엔진의 검색의 심도가 응답 심도에 도달하기까지, 시맨틱 엔진으로 하여금 검색을 반복하게 한다. 이 때문에, 에지 시스템이 애플리케이션으로부터의 쿼리에 적확하게 응답할 수 있다.
도 1은 실시형태 1에 따른 IoT 시스템의 구성예를 나타내는 도면이다.
도 2는 실시형태 1에 따른 에지 시스템의 기능 구성예를 나타내는 도면이다.
도 3은 실시형태 1에 따른 에지 시스템의 동작예를 나타내는 플로 차트이다.
도 4는 실시형태 1에 따른 응답 심도 판정 처리의 상세를 나타내는 플로 차트이다.
도 5는 실시형태 2에 따른 IoT 시스템의 구성예를 나타내는 도면이다.
도 6은 실시형태 2에 따른 에지 시스템(주계(主系)), 에지 시스템(종계(從系)) 및 네트워크 스토리지의 기능 구성예를 나타내는 도면이다.
도 7은 실시형태 2에 따른 에지 시스템(주계)의 동작예를 나타내는 플로 차트이다.
도 8은 실시형태 2에 따른 시맨틱 엔진 선택 처리의 상세를 나타내는 플로 차트이다.
도 9는 실시형태 2에 따른 에지 시스템(종계)의 동작예를 나타내는 플로 차트이다.
도 10은 실시형태 3에 따른 에지 시스템과 클라우드 시스템의 기능 구성예를 나타내는 도면이다.
도 11은 실시형태 4에 따른 에지 시스템의 기능 구성예를 나타내는 도면이다.
도 12는 실시형태 4에 따른 에지 시스템의 동작예를 나타내는 플로 차트이다.
도 13은 실시형태 4에 따른 관련성 판정 처리(쿼리)의 상세를 나타내는 플로 차트이다.
도 14는 실시형태 4에 따른 관련성 판정 처리(실행 결과)의 상세를 나타내는 플로 차트이다.
도 15는 실시형태 5에 따른 에지 시스템의 기능 구성예를 나타내는 도면이다.
도 16은 실시형태 5에 따른 에지 시스템의 동작예를 나타내는 플로 차트이다.
도 17은 실시형태 5에 따른 결과 확장 처리의 상세를 나타내는 플로 차트이다.
도 18은 실시형태 6에 따른 에지 시스템과 클라우드 시스템의 기능 구성예를 나타내는 도면이다.
도 19는 실시형태 6에 따른 에지 시스템의 동작예를 나타내는 플로 차트이다.
도 20은 실시형태 6에 따른 클라우드 시스템의 동작예를 나타내는 플로 차트이다.
도 21은 실시형태 7에 따른 에지 시스템의 기능 구성예를 나타내는 도면이다.
도 22는 실시형태 7에 따른 Linked Data의 예를 나타내는 도면이다.
도 23은 실시형태 1에 따른 심도 특정표를 나타내는 도면이다.
도 24는 실시형태 2에 따른 엔드포인트(endpoint) 특정표를 나타내는 도면이다.
이하, 본 발명의 실시형태에 대해, 도면을 이용하여 설명한다. 이하의 실시형태의 설명 및 도면에 있어서, 동일한 부호를 붙인 것은, 동일한 부분 또는 상당하는 부분을 나타낸다.
실시형태 1.
***구성의 설명***
도 1은, 본 실시형태에 따른 IoT 시스템(1)의 구성예를 나타낸다.
본 실시형태에서는, 클라우드 시스템(11)이 인터넷(13)에 접속되어 있다. 또, 복수의 에지 시스템(10)이 인터넷(13)과 인트라넷(14)에 접속되어 있다. 또, 복수의 센서(12)가 인트라넷(14)에 접속되어 있다.
본 실시형태에서는, 클라우드 시스템(11) 대신에, 각 에지 시스템(10)이 애플리케이션으로부터의 시맨틱 쿼리에의 응답을 행한다. 각 에지 시스템(10)의 계산 리소스 및 기억 용량은 클라우드 시스템(11)의 계산 리소스 및 기억 용량보다도 적다. 그러나, 이하에 나타내는 처리에 의해 에지 시스템(10)은 애플리케이션으로부터의 시맨틱 쿼리에 적확하게 응답할 수 있다. 이 결과, 클라우드 시스템(11)에의 부하 집중을 경감하고, 또 통신 지연을 해소할 수 있다.
한편, 에지 시스템(10)에서 행해지는 동작은, 정보 처리 방법 및 정보 처리 프로그램에 상당한다.
도 2는, 에지 시스템(10)의 기능 구성예를 나타낸다.
에지 시스템(10)은, 센서(12)가 계측한 데이터, 또는, 센서(12)가 통계 처리 등을 행한 처리가 완료된 데이터를, 인트라넷(14)을 경유하여 수집한다. 또, 에지 시스템(10)은, 필요에 따라서 클라우드 시스템(11)에 인터넷(13) 경유로 액세스하고, 데이터를 클라우드 시스템(11)에 축적한다. 또, 에지 시스템(10)은, 클라우드 시스템(11)에 처리의 일부를 의뢰할 수도 있다.
이후, 센서(12)가 계측한 데이터, 또는, 센서(12)가 통계 처리 등을 행한 처리가 완료된 데이터를 총괄하여, 계측 데이터라고 부른다.
에지 시스템(10)은, 하드웨어로서, 통신 장치(900), 프로세서(901) 및 기억 장치(902)를 갖는 컴퓨터이다.
또, 에지 시스템(10)은, 기능 구성으로서, 통신부(100), 데이터 수집부(101), 데이터 레이크(102), 애플리케이션(103), 응답 심도 제어부(104), 시맨틱 엔진(105) 및 온톨로지(106)를 갖는다.
통신부(100)는, 센서(12)로부터의 계측 데이터를 수신한다.
데이터 수집부(101)는, 수집 시각 등의 메타데이터를 계측 데이터에 부여한다. 또, 데이터 수집부(101)는, 필요하면, 계측 데이터에 대해서 통계 처리 또는 정규화를 실시한다. 그리고, 데이터 수집부(101)는, 통신부(100)가 수신한 계측 데이터(혹은 통계 처리 또는 정규화 후의 계측 데이터)를 데이터 레이크(102)에 보존한다.
애플리케이션(103)은, 쿼리와 응답 심도가 포함되는 애플리케이션 메타데이터를 응답 심도 제어부(104)에 출력한다.
여기에서, 응답 심도란, 애플리케이션이 요구하는 결과를 얻기 위한 파라미터이다. 즉, 응답 심도는, 시맨틱 엔진(105)의 검색의 심도(이하, 실행 심도라고도 함)에 대한 요구이다. 예를 들면, 실행 심도는, 시맨틱 엔진(105)을 실행하는 횟수(재귀 횟수)이다. 즉, 애플리케이션(103)은, 재귀 횟수에 대한 요구를 응답 심도로서 지정할 수 있다. 또, 실행 심도는, 온톨로지의 친자(parent-child) 관계의 깊이(온톨로지가 나무 구조인 경우는, 노드부터 뿌리 노드까지의 에지수)여도 된다. 친자 관계의 깊이는, 예를 들면, 도 23에 나타내는 심도 특정표(1000)에 규정되는 추상도로 표시된다. 즉, 애플리케이션(103)은, 도 23에 나타내는 추상도의 레벨(1, 2, 3 등)에 대한 요구를 응답 심도로서 지정할 수 있다.
응답 심도 제어부(104)는, 쿼리와 응답 심도가 포함되는 애플리케이션 메타데이터를 취득한다.
또, 응답 심도 제어부(104)는, 시맨틱 엔진(105)에 검색을 의뢰한다. 또, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 검색의 심도가 응답 심도에 도달하기까지, 시맨틱 엔진(105)으로 하여금 검색을 반복하게 한다. 예를 들면, 응답 심도 제어부(104)는, 시맨틱 엔진(105)을 실행하는 횟수의 조정을 행한다.
응답 심도 제어부(104)는, 심도 취득부 및 검색 제어부에 상당한다. 또, 응답 심도 제어부(104)에서 행해지는 처리는, 심도 취득 처리 및 검색 제어 처리에 상당한다.
시맨틱 엔진(105)은, 구체적으로는, 기계 학습 또는/및 RDF(Resource Description Framework)를 이용한 추론기 등이다. 시맨틱 엔진(105)은, 기계 학습 및 RDF의 일부만을 이용해도 된다. 또, 시맨틱 엔진(105)은, 기계 학습 및 RDF를 병렬적 또는 직렬적으로 사용해도 된다.
데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104) 및 시맨틱 엔진(105)은, 프로그램에 의해 실현된다. 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104) 및 시맨틱 엔진(105)을 실현하는 프로그램은 프로세서(901)에 의해 실행된다.
또, 데이터 수집부(101), 응답 심도 제어부(104) 및 시맨틱 엔진(105)은 전용의 하드웨어에 의해 실현되어도 된다.
도 1에서는, 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104) 및 시맨틱 엔진(105)이 프로그램에 의해 실현되고, 프로세서(901)가 프로그램을 실행하는 예를 나타낸다.
통신부(100)는, 통신 장치(900)로 실현된다.
데이터 레이크(102) 및 온톨로지(106)는, 기억 장치(902)(메모리, 보조 기억 장치를 포함함) 내에 마련된다. 한편, 데이터 레이크(102) 및 온톨로지(106)를 전용의 하드웨어로 실현해도 된다.
***동작의 설명***
도 3은, 본 실시형태에 따른 에지 시스템(10)의 동작예를 나타낸다.
먼저, 응답 심도 제어부(104)가, 애플리케이션(103)으로부터 쿼리 및 응답 심도가 포함되는 애플리케이션 메타데이터를 취득한다(스텝 S01).
다음에, 응답 심도 제어부(104)는, 기계 학습에 필요한 계측 데이터 및 추론기에 필요한 Linked Data를 입력 데이터로서 데이터 레이크(102) 및 온톨로지(106)로부터 취득한다(스텝 S02).
그리고, 응답 심도 제어부(104)는 입력 데이터를 시맨틱 엔진(105)에 출력한다.
다음에, 시맨틱 엔진(105)이 애플리케이션 메타데이터에 포함되는 쿼리에 따라 검색을 행한다(스텝 S03).
한편, 시맨틱 엔진(105)은, 애플리케이션 메타데이터와 데이터 레이크(102)에 보존하고 있는 계측 데이터의 메타데이터를 이용하여 검색을 행해도 된다. 구체적으로는, 시맨틱 엔진(105)은, 기간, 센서의 설치 장소 등으로 데이터를 좁힐 수 있다. 또, 시맨틱 엔진(105)은, 전회의 실행 결과를 이용하여 재귀적으로 검색을 행하는 것도 가능하다.
시맨틱 엔진(105) 내에서 RDF를 사용하는 경우는, Linked Data의 로드 부하의 저감을 위해서, 에지 시스템(10)의 기동 시에 응답 심도 제어부(104)가 Linked Data를 미리 판독하도록 해도 된다.
시맨틱 엔진(105)의 실행 후에, 응답 심도 제어부(104)가, 응답 심도 판정 처리를 행한다(스텝 S04). 즉, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 검색의 심도(재귀 횟수, 추상도)가 응답 심도에 도달하고 있는지 여부를 판정한다. 응답 심도 판정 처리의 결과, 처리를 속행하는 경우(스텝 S05에서 YES)는, 입력 데이터 취득(S02) 이후의 처리가 반복된다. 한편, 처리를 속행하지 않는 경우(스텝 S05에서 NO)는, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 실행 결과를 애플리케이션(103)에 반환한다(스텝 S06).
도 4는, 응답 심도 판정 처리(도 3의 스텝 S04)의 상세를 나타낸다.
응답 심도 제어부(104)는, 애플리케이션 메타데이터로부터 애플리케이션이 요구하는 응답 심도를 취득한다(스텝 S601).
다음에, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 실행 결과 또는 온톨로지의 친자 관계의 깊이로부터 실행 심도를 특정한다(스텝 S602).
전술한 바와 같이, 실행 심도는, 예를 들면, 시맨틱 엔진(105)의 재귀 횟수 또는 도 23에 예시하는 추상도이다.
실행 심도가 응답 심도보다 작은 경우(스텝 S603에서 YES)는, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 처리 속행을 결정한다(스텝 S604).
실행 심도가 응답 심도 이상인 경우(스텝 S603에서 NO)는, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 처리를 종료하는 것을 결정한다(스텝 S605).
한편, 시맨틱 엔진(105)의 실행 결과가 복수여도, 응답 심도 판정 처리(도 3의 스텝 S04)는 각각의 실행 결과에 대해서 독립적으로 실시된다.
***실시형태의 효과의 설명***
이와 같이, 본 실시형태에서는, 응답 심도 제어부(104)는, 시맨틱 엔진(105)의 실행 심도가 응답 심도에 도달하기까지, 시맨틱 엔진(105)으로 하여금 검색을 반복하게 한다. 이 때문에, 계산 리소스 및 기억 용량이 한정되어 있는 에지 시스템(10)이어도, 클라우드 시스템(11)과 마찬가지로, 애플리케이션(103)으로부터의 쿼리에 적확하게 응답할 수 있다. 즉, 본 실시형태에서는, 애플리케이션(103)의 요구에 따른, 임의의 응답 심도(추상도)로 응답을 행할 수 있다.
또, 본 실시형태에서는, 인트라넷(14) 상의 에지 시스템(10)에서 IoT 시스템의 대부분의 기능이 동작한다. 이 때문에, 본 실시형태에 의하면, 인터넷(13)을 이용할 수 없는 등의 이유로 클라우드 시스템(11)이 사용 불가능한 상황에 있어서도 IoT 시스템의 기능을 애플리케이션(103)에 제공할 수 있다(가용성의 향상).
또, 본 실시형태에서는, 애플리케이션(103)마다 전용의 IoT 시스템을 구축할 필요가 없다(비용의 저감, 개발의 효율화).
한편, 본 실시형태에서는, 재귀 횟수 또는 추상도로 판정하고 있지만, 재귀 실행의 과정에서 얻어진 결과의 총수로 재귀 처리의 종료 조건을 판정해도 된다. 나아가서는, 실시형태 7에서 기술하는 스코어링 결과의 상위 n번(n은 자연수)이 얻어졌는지 여부로 재귀 처리의 종료 조건을 판정해도 된다. 한편, 애플리케이션 메타데이터에는, 어느 재귀 처리의 종료 조건이 이용되는지가 기재되는 것으로 한다.
실시형태 2.
본 실시형태에서는, 에지 시스템의 스케일 아웃 또는 스케일 다운을 가능하게 하는 구성을 설명한다.
본 실시형태에서는, 주로 실시형태 1과의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 1과 마찬가지이다.
***구성의 설명***
도 5는, 본 실시형태에 따른 IoT 시스템(1)의 구성예를 나타낸다.
도 5에서는, 실현이 용이한 마스터 슬레이브 모델이 채용되고 있다.
본 실시형태에서는, 인트라넷(14) 상에, 네트워크 스토리지(15) 및 에지 시스템(종계)(16)이 새롭게 배치된다. 또, 본 실시형태에서는, 에지 시스템(주계)이라고 표기한다.
네트워크 스토리지(15)는 반드시 필요하지 않다. 그러나, 에지 시스템(주계)(10) 및 에지 시스템(종계)(16)이 공통되게 사용하는 계측 데이터를 네트워크 스토리지(15)에 저장해 둠으로써, 계측 데이터의 관리가 용이하게 된다.
한편, 에지 시스템(종계)(16)은, 복수 있어도 된다.
도 6은, 네트워크 스토리지(15), 에지 시스템(주계)(10), 에지 시스템(종계)(16)의 기능 구성예를 나타낸다.
본 실시형태에서는, 실시형태 1에서 설명한 데이터 수집부(101) 및 데이터 레이크(102)가, 에지 시스템(주계)(10)이 아니라, 네트워크 스토리지(15)에 배치된다. 한편, 에지 시스템(주계)(10)에는, 시맨틱 엔진 선택부(107)가 추가된다.
시맨틱 엔진 선택부(107)는, 애플리케이션의 쿼리 또는 재귀 실행 시의 쿼리의 도메인에 따라, 시맨틱 엔진을 선택한다. 보다 구체적으로는, 시맨틱 엔진 선택부(107)는, 에지 시스템(주계)(10)에 포함되는 시맨틱 엔진(105)과 에지 시스템(종계)(16)에 포함되는 시맨틱 엔진(401)으로부터, 검색을 행하게 하는 시맨틱 엔진을 선택한다. 그리고, 시맨틱 엔진 선택부(107)는, 선택한 시맨틱 엔진으로 하여금 검색을 행하게 한다.
시맨틱 엔진 선택부(107)는, 예를 들면, 도 24에 나타내는 엔드포인트 특정표(2000)에 근거하여, 에지 시스템(주계)(10)의 시맨틱 엔진(105)과 에지 시스템(종계)(16)의 시맨틱 엔진(401) 중 어느 하나를 선택한다. 도 24에서는, 쿼리의 도메인(검색의 종류)마다 선택해야 할 시맨틱 엔진의 엔드포인트 URI(Uniform Resource Identifier)가 정의되어 있다. 시맨틱 엔진 선택부(107)는, 애플리케이션(103)으로부터의 쿼리의 도메인에 대응하는 시맨틱 엔진을, 도 24의 엔드포인트 특정표(2000)를 참조하여 선택한다. 한편, 도 24의 엔드포인트 특정표(2000)는, 선택 기준 정보에 상당한다.
시맨틱 엔진 선택부(107)는, 예를 들면, 프로그램에 의해 실현되고, 프로세서(901)에 의해 실행된다. 또, 시맨틱 엔진 선택부(107)는 전용의 하드웨어로 실현되어도 된다.
네트워크 스토리지(15)에 있어서, 데이터 수집부(101)가 인트라넷(14) 및 통신부(300)를 통하여 센서(12)의 계측 데이터를 수집한다. 데이터 수집부(101)는, 수집한 계측 데이터를, 실시형태 1과 마찬가지로 데이터 레이크(102)에 저장한다.
데이터 취득부(301)는, 에지 시스템(주계)(10) 또는 에지 시스템(종계)(16)의 요구에 따라, 데이터 레이크(102)로부터 데이터를 취출한다. 또, 데이터 취득부(301)는, 취출한 데이터를 에지 시스템(주계)(10) 또는 에지 시스템(종계)(16)에 송신한다.
데이터 수집부(101) 및 데이터 취득부(301)는, 프로그램에 의해 실현된다. 데이터 수집부(101) 및 데이터 취득부(301)를 실현하는 프로그램은 프로세서(701)에 의해 실행된다.
또, 데이터 수집부(101) 및 데이터 취득부(301)는 전용의 하드웨어에 의해 실현되어도 된다.
도 6에서는, 데이터 수집부(101) 및 데이터 취득부(301)가 프로그램에 의해 실현되고, 프로세서(701)가 프로그램을 실행하는 예를 나타낸다.
통신부(300)는, 통신 장치(700)로 실현된다.
데이터 레이크(102)는, 기억 장치(702)(메모리, 보조 기억 장치를 포함함) 내에 마련된다. 한편, 데이터 레이크(102)를 전용의 하드웨어로 실현해도 된다.
에지 시스템(종계)(16)은, 에지 시스템(주계)(10)으로부터의 쿼리에 근거하여, 시맨틱 엔진(401)을 실행한다. 그리고, 에지 시스템(종계)(16)은, 시맨틱 엔진(401)의 실행 결과를 에지 시스템(주계)(10)에 반환한다. 또, 에지 시스템(종계)(16)은, 필요에 따라, 시맨틱 엔진(401)의 실행에 필요한 입력 데이터를, 네트워크 스토리지(15) 또는 온톨로지(402)로부터 취득한다.
통신부(400)는, 통신 장치(600)로 실현된다.
시맨틱 엔진(401)은, 프로세서(601)에 의해 실행된다. 시맨틱 엔진(401)은, 전용의 하드웨어에 의해 실현되어도 된다.
도 6에서는, 시맨틱 엔진(401)이 프로세서(601)에 의해 실행되는 예를 나타낸다.
온톨로지(402)는, 기억 장치(602)(메모리, 보조 기억 장치를 포함함) 내에 마련된다. 한편, 온톨로지(402)를 전용의 하드웨어로 실현해도 된다.
***동작의 설명***
도 7은, 본 실시형태에 따른 에지 시스템(주계)(10)의 동작예를 나타낸다.
이하에서는, 실시형태 1과의 차분만 설명한다.
스텝 S01은, 실시형태 1과 마찬가지이기 때문에, 설명을 생략한다.
다음에, 시맨틱 엔진 선택부(107)가, 시맨틱 엔진을 선택한다(스텝 S07).
시맨틱 엔진 선택부(107)가, 에지 시스템(주계)(10) 내의 시맨틱 엔진(105)(시맨틱 엔진(105)의 엔드포인트 URI)을 선택한 경우(스텝 S08에서 YES)는, 실시형태 1과 마찬가지의 처리가 행해진다(스텝 S02∼S06).
한편, 시맨틱 엔진 선택부(107)가 에지 시스템(종계)(16)의 시맨틱 엔진(401)(시맨틱 엔진(401)의 엔드포인트 URI)을 선택한 경우(스텝 S08에서 NO)는, 시맨틱 엔진 선택부(107)는, 에지 시스템(종계)(16)의 엔드포인트 URI에 대해서 쿼리를 발행한다(스텝 S09). 그리고, 시맨틱 엔진 선택부(107)는, 에지 시스템(종계)(16)으로부터 실행 결과를 취득한다.
한편, 도 7에 도시는 하고 있지 않지만, 시맨틱 엔진 선택부(107)가 시맨틱 엔진의 엔드포인트 URI를 특정할 수 없는 경우는, 시맨틱 엔진 선택부(107)는, 그 쿼리를 실행하지 않고 스킵한다. 또는, 시맨틱 엔진 선택부(107)는, 애플리케이션(103)에 에러 통지를 반환한다.
시맨틱 엔진의 실행 결과를 취득한 후의 처리는, 실시형태 1과 마찬가지이다(스텝 S04∼S06).
도 8은, 도 7의 시맨틱 엔진 선택 처리(스텝 S07)의 상세를 나타낸다.
시맨틱 엔진 선택부(107)는, 애플리케이션 메타데이터, 또는, 시맨틱 엔진의 실행 결과로부터 이번에 실행하는 쿼리를 생성한다. 그리고, 시맨틱 엔진 선택부(107)는, 그 쿼리의 도메인을 특정한다(스텝 S701).
다음에, 시맨틱 엔진 선택부(107)는, 도 24의 엔드포인트 특정표(2000)에 있어서, 특정한 쿼리의 도메인에 대응하는 시맨틱 엔진의 엔드포인트 URI를 특정한다(스텝 S702).
도 9는, 에지 시스템(종계)(16)의 동작예를 나타낸다.
보다 구체적으로는, 도 9는, 도 7의 스텝 S09에서 발행된 쿼리에 대한 처리 순서를 나타낸다.
먼저, 시맨틱 엔진(401)이, 통신부(400)를 통하여, 에지 시스템(주계)(10)으로부터 쿼리를 수신한다(S901).
다음에, 시맨틱 엔진(401)은, 필요한 입력 데이터를 취득한다(스텝 S902).
계측 데이터가 필요한 경우는, 시맨틱 엔진(401)은, 네트워크 스토리지(15)의 데이터 취득부(301)에 문의하여, 계측 데이터를 얻는다. 또, RDF 실행을 위한 Linked Data가 필요한 경우는, 시맨틱 엔진(401)은, 온톨로지(402)로부터 Linked Data를 로드한다.
그리고, 시맨틱 엔진(401)은, 입력 데이터를 이용하여 검색을 실행한다(스텝 S903).
그리고, 시맨틱 엔진(401)은, 실행 결과를 통신부(400)를 통하여 에지 시스템(주계)(10)에 반환한다(스텝 S904).
한편, 스케일 아웃 시에는, 에지 시스템(종계)(16)과 동등한 에지 시스템(종계)이 인트라넷(14) 상에 추가된다. 그 후, 시맨틱 엔진 선택부(107)가, 엔드포인트 특정표(2000)에, 새롭게 추가된 에지 시스템(종계)이 담당하는 쿼리의 도메인과, 엔드포인트 URI를 추기(追記)한다.
한편, 스케일 다운 시에는, 인트라넷(14) 상으로부터 삭제 대상의 에지 시스템(종계)이 제외된다. 시맨틱 엔진 선택부(107)는, 엔드포인트 특정표(2000)로부터, 제외한 에지 시스템(종계)이 담당하는 쿼리의 도메인과, 엔드포인트 URI를 삭제한다.
한편, 본 실시형태에서는, 마스터 슬레이브 모델형을 예로 하여 설명을 행했다. 그러나, 퓨어 P2P와 같은, 에지 시스템의 기능이 대칭인 서번트(servant)를 사용한 모델을 이용해도 된다.
또, 본 실시형태에서는, 인트라넷(14)에 배치된 에지 시스템(종계)(16)을 이용하는 예를 설명했다. 대신에, 인터넷(13)에 에지 시스템(종계)(16)을 배치하고, 인터넷(13)에 배치된 에지 시스템(종계)(16)을 이용하도록 해도 된다.
***실시형태의 효과의 설명***
이상, 본 실시형태에 의하면, 스케일 아웃 및 스케일 다운이 용이하다. 즉, 본 실시형태에 의하면, 용이하게 처리 능력을 증강할 수 있고, 또한, 용이하게 처리 능력을 삭감할 수 있다.
또, 본 실시형태에 의하면, 동일한 기능을 가지는 에지 시스템(종계)을 복수대 준비함으로써, 용장화(冗長化)가 가능하게 되어, 가용성이 향상된다.
실시형태 3.
본 실시형태에서는, 클라우드 시스템의 시맨틱 엔진을 선택하는 구성을 설명한다.
본 실시형태에서는, 주로 실시형태 2와의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 2와 마찬가지이다.
***구성의 설명***
도 10은, 본 실시형태에 따른 에지 시스템(10)과 클라우드 시스템(11)의 기능 구성예를 나타낸다.
에지 시스템(10)의 기능 구성은, 실시형태 1과 마찬가지이다.
클라우드 시스템(11)에 있어서, 데이터 수집부(203)는, 에지 시스템(10)으로부터 센서(12)의 계측 데이터를 수집한다. 그리고, 데이터 수집부(203)는, 수집한 계측 데이터를 데이터 레이크(204)에 저장한다.
에지 시스템(10)은, 클라우드 시스템(11)에 송신하는 계측 데이터를 선택할 수 있다. 또, 에지 시스템(10)은, 클라우드 시스템(11)에 송신하는 계측 데이터를 통계값으로 하는 등에 의해 익명화해도 된다.
데이터 수집부(203) 및 시맨틱 엔진(205)은, 프로세서(801)에 의해 실행된다.
또, 데이터 수집부(203) 및 시맨틱 엔진(205)은, 전용의 하드웨어로 실행되어도 된다.
도 10에서는, 데이터 수집부(203) 및 시맨틱 엔진(205)이 프로세서(801)에 의해 실행되는 예를 나타낸다.
통신부(200)는, 통신 장치(800)로 실현된다.
데이터 레이크(204) 및 온톨로지(202)는, 기억 장치(802)(메모리, 보조 기억 장치를 포함함) 내에 마련된다. 데이터 레이크(204) 및 온톨로지(202)를 전용의 하드웨어로 실현해도 된다.
***동작의 설명***
본 실시형태에 따른 에지 시스템(10)의 처리는, 실시형태 2의 에지 시스템(주계)(10)과 거의 마찬가지이므로, 차분만 설명한다.
시맨틱 엔진 선택부(107)는, 클라우드 시스템(11)의 시맨틱 엔진(205)을 이용하기 위해서, 도 24의 엔드포인트 특정표(2000)에 시맨틱 엔진(205)이 담당하는 쿼리의 도메인과, 엔드포인트 URI를 추기한다.
그리고, 시맨틱 엔진 선택부(107)는, 엔드포인트 특정표(2000)에 근거하여, 에지 시스템(10)의 시맨틱 엔진(105)과 클라우드 시스템(11)의 시맨틱 엔진(205) 중 어느 하나를 선택한다.
클라우드 시스템(11)에서는, 시맨틱 엔진(205)이, 에지 시스템(10)으로부터 쿼리를 수신하면, 검색의 실행에 필요한 입력 데이터를 취득한다.
계측 데이터가 필요한 경우는, 시맨틱 엔진(205)은, 데이터 레이크(204)로부터 계측 데이터를 얻는다.
RDF 실행을 위한 Linked Data가 필요한 경우는, 시맨틱 엔진(205)은, 온톨로지(202)로부터 Linked Data를 로드한다.
그리고, 시맨틱 엔진(205)은, 입력 데이터를 이용하여 검색을 실행한다.
그리고, 시맨틱 엔진(205)은, 실행 결과를 통신부(200)를 통하여 에지 시스템(10)에 반환한다.
***실시형태의 효과의 설명***
본 실시형태에 의하면, 시맨틱 엔진의 검색 처리의 일부를 리소스가 풍부한 클라우드 시스템으로 하여금 담당하게 함으로써, 애플리케이션에의 응답 베리에이션을 확충할 수 있다.
또, 본 실시형태에 의하면, 애플리케이션의 요구에 따라 클라우드 시스템의 사용 유무를 판단할 수 있기 때문에, 클라우드 시스템에의 부하 집중을 회피할 수 있다.
실시형태 4.
본 실시형태에서는, 시맨틱 엔진의 실행 결과로부터, 애플리케이션으로부터의 쿼리와 관련성이 낮은 결과를 제거하고, 실행 결과의 정밀도를 향상시키는 구성을 설명한다.
본 실시형태에서는, 주로 실시형태 1과의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 1과 마찬가지이다.
***구성의 설명***
도 11은, 본 실시형태에 따른 에지 시스템(10)의 기능 구성예이다.
실시형태 1과의 차분만 설명한다.
도 11에서는, 관련성 판정부(108)가 시맨틱 엔진(105)과 응답 심도 제어부(104)의 사이에 추가되어 있다.
관련성 판정부(108)는, 응답 심도 제어부(104)로부터 시맨틱 엔진(105)에의 쿼리를 취득한다. 그리고, 관련성 판정부(108)는, 취득한 쿼리에 대한 시맨틱 엔진(105)의 실행 결과를 예측한다. 그리고, 관련성 판정부(108)는, 예측한 실행 결과가 애플리케이션(103)이 요구하는 실행 결과에 합치하는지 여부를 판정한다. 관련성 판정부(108)는, 예측한 실행 결과가 애플리케이션(103)이 요구하는 실행 결과에 합치하지 않는 경우에, 당해 쿼리를 파기한다.
또, 관련성 판정부(108)는, 시맨틱 엔진(105)의 실행 결과를 취득한다. 애플리케이션(103)으로부터의 쿼리와 시맨틱 엔진(105)의 실행 결과를 비교한다. 그리고, 관련성 판정부(108)는, 시맨틱 엔진(105)의 실행 결과에 쿼리에 합치하지 않는 실행 결과가 존재하는지 여부를 판정한다. 시맨틱 엔진(105)의 실행 결과에 쿼리에 합치하지 않는 실행 결과가 존재하는 경우에, 관련성 판정부(108)는, 쿼리에 합치하지 않는 실행 결과를 파기한다.
관련성 판정부(108)는, 쿼리 파기부 및 결과 파기부에 상당한다.
***동작의 설명***
도 12는, 본 실시형태에 따른 에지 시스템(10)의 동작예를 나타낸다.
한편, 이하에서는, 실시형태 1과의 차분만 설명한다.
스텝 S01은, 실시형태 1과 마찬가지이기 때문에, 설명을 생략한다.
다음에, 관련성 판정부(108)가, 시맨틱 엔진(105)에의 쿼리의 관련성 판정을 실시한다(스텝 S10).
즉, 관련성 판정부(108)는, 쿼리에 대한 시맨틱 엔진(105)의 실행 결과를 예측하고, 예측한 실행 결과가 애플리케이션(103)이 요구하는 실행 결과에 합치하지 않는 경우에, 당해 쿼리를 파기한다.
스텝 S02 및 스텝 S03은, 실시형태 1과 마찬가지이기 때문에, 설명을 생략한다.
다음에, 관련성 판정부(108)가, 시맨틱 엔진(105)의 실행 결과의 관련성 판정을 실시한다(스텝 S11).
즉, 관련성 판정부(108)는, 시맨틱 엔진(105)의 실행 결과에 쿼리에 합치하지 않는 실행 결과가 존재하는 경우에, 쿼리에 합치하지 않는 실행 결과를 파기한다.
도 13은, 관련성 판정 처리(쿼리)(도 12의 스텝 S10)의 상세를 나타낸다.
관련성 판정부(108)는, 응답 심도 제어부(104)로부터 애플리케이션 메타데이터를 취득한다(스텝 S1001).
다음에, 관련성 판정부(108)는, 시맨틱 엔진(105)이 출력하는 모든 대답의 집합(출력 집합)과 애플리케이션 메타데이터의 유사도를 산출한다(스텝 S1002).
즉, 관련성 판정부(108)는, 시맨틱 엔진(105)이 출력하는 모든 대답을 예측한다. 다음에, 관련성 판정부(108)는, 예측한 모든 대답의 각각과 애플리케이션 메타데이터의 유사도를 산출한다.
관련성 판정부(108)는, 예를 들면, 다음과 같이 유사도를 산출한다.
여기에서는, 애플리케이션 메타데이터에 쿼리로서 「실내에 있어서의 행동」이 포함되어 있다고 생각한다. 시맨틱 엔진의 출력 집합으로서, 「(실내의) 복도를 건넌다」, 「(밖에서) 산책하고 있다」 및 「계단을 오른다」가 얻어진 것으로 한다. 관련성 판정부(108)는, 유사도로서, 유클리드 거리, 상관 함수, 우도(尤度; likelihood) 함수 등을 이용한다. 여기에서는, 관련성 판정부(108)가 우도 함수를 이용하는 것으로 한다.
우도 함수 L은 다음과 같이 정의된다.
P(A|B=b)를 B=b가 발생한 경우에 A가 일어나는 조건부 확률로 하면, L(b|A)=∝P(A|B=b)로 나타낸다(∝는 비례 기호).
「(실내의) 복도를 건넌다」의 유사도는, L(실내에 있어서의 행동|(실내의) 복도를 건넌다)>0이 된다. 즉, 「(실내의) 복도를 건넌다」라고 하는 사상(事象; event)은, 실내에 있어서의 행동일 가능성이 있다.
마찬가지로, L(실내에 있어서의 행동|(밖에서) 산책하고 있다)=0, L(실내에 있어서의 행동|계단을 오른다)=1/2가 된다. 「계단을 오른다」 사상은, 옥내에서도 옥외에서도 발생할 수 있기 때문에, 1/2가 된다.
다음에, 관련성 판정부(108)는, 모든 출력 집합에 대해서, 유사도와 임계값을 비교한다(스텝 S1003).
유사도가 임계값 이상인 출력이 하나라도 존재하는 경우(스텝 S1003에서 YES)는, 관련성 판정부(108)는, 쿼리를 시맨틱 엔진(105)에 출력한다(스텝 S1004).
한편, 출력 집합의 유사도가 모두 임계값보다 작은 경우(스텝 S1003에서 NO)는, 관련성 판정부(108)는, 쿼리를 시맨틱 엔진(105)에 출력하지 않고, 쿼리를 제외한다(스텝 S1005). 이때, 관련성 판정부(108)는, 응답 심도 제어부(104)에, 유효한 응답이 존재하지 않는 취지를 통지한다.
도 14는, 관련성 판정 처리(실행 결과)(도 12의 스텝 S11)의 상세를 나타낸다.
관련성 판정부(108)는, 응답 심도 제어부(104)로부터 애플리케이션 메타데이터를 취득한다(스텝 S1101).
다음에, 관련성 판정부(108)는, 시맨틱 엔진(105)의 실행 결과와 애플리케이션 메타데이터의 유사도를 산출한다(스텝 S1102).
관련성 판정부(108)는, 도 13의 스텝 S1002의 산출 방법과 마찬가지의 산출 방법으로 유사도를 산출한다.
다음에, 관련성 판정부(108)는, 모든 실행 결과에 대해서, 유사도와 임계값을 비교한다(스텝 S1103).
유사도가 임계값보다 작은 경우(스텝 S1103에서 NO)는, 관련성 판정부(108)는, 대응하는 시맨틱 엔진 실행 결과를 제외한다(스텝 S1104).
한편, 유사도가 임계값 이상이면(스텝 S1103에서 YES), 관련성 판정부(108)는, 응답 심도 제어부(104)에 실행 결과를 출력한다.
***실시형태의 효과의 설명***
본 실시형태에 의하면, 불필요한 재귀 처리를 억제함으로써, 소비 리소스를 저감할 수 있다.
또, 본 실시형태에 의하면, 애플리케이션에의 응답에, 노이즈가 적어진다.
실시형태 5.
본 실시형태에서는, 시맨틱 엔진의 실행 결과를 시소러스(유의어, 관련어, 연상어)에 의해 확장하는 구성을 설명한다. 시맨틱 엔진이, 확장된 실행 결과를 이용하여 재귀적으로 검색을 실행함으로써, 실행 결과의 베리에이션을 증가시킬 수 있다.
본 실시형태에서는, 주로 실시형태 1과의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 1과 마찬가지이다.
***구성의 설명***
도 15는, 본 실시형태에 따른 에지 시스템(10)의 기능 구성예를 나타낸다.
실시형태 1과의 차분만 설명한다.
도 15에서는, 결과 확장부(109)가 시맨틱 엔진(105)과 응답 심도 제어부(104)의 사이에 추가되어 있다.
결과 확장부(109)는, 시맨틱 엔진(105)의 실행 결과를 취득한다. 그리고, 결과 확장부(109)는, 시소러스(110)를 이용하여 시맨틱 엔진(105)의 실행 결과를 확장한다. 결과 확장부(109)는, 확장된 실행 결과를 응답 심도 제어부(104)에 반환한다.
***동작의 설명***
도 16은, 본 실시형태에 따른 에지 시스템(10)의 동작예를 나타낸다.
한편, 이하에서는, 실시형태 1과의 차분만 설명한다.
스텝 S01∼S03은, 실시형태 1과 마찬가지이기 때문에, 설명을 생략한다.
다음에, 결과 확장부(109)가, 시맨틱 엔진(105)의 실행 결과를 확장한다(스텝 S12).
이 결과, 재귀 실행할 때의 시맨틱 엔진(105)에의 입력의 베리에이션이 증가한다.
스텝 S04∼S06는, 실시형태 1과 마찬가지이기 때문에, 설명을 생략한다.
도 17은, 결과 확장 처리(도 16의 스텝 S12)의 상세를 나타낸다.
결과 확장부(109)는, 시맨틱 엔진(105)의 실행 결과를 취득한다(스텝 S1201).
다음에, 결과 확장부(109)는, 실행 결과로부터 유추되는 유의어, 관련어, 연상어 등을, 시소러스(110)를 사용하여 특정한다(스텝 S1202).
그리고, 결과 확장부(109)는, 시맨틱 엔진(105)의 실행 결과와, 스텝 S1202에서 특정된 단어를 응답 심도 제어부(104)에 출력한다.
***실시형태의 효과의 설명***
본 실시형태에 의하면, 단어의 불균일에 의한 추론의 실수를 방지함으로써, 애플리케이션에 회답하는 결과의 정밀도가 향상된다.
실시형태 6.
본 실시형태에서는, 에지 시스템의 시맨틱 엔진이 사용하는 RDF의 온톨로지(Linked Data) 및 기계 학습의 모델 데이터를 클라우드 시스템으로부터 취득하는 구성을 설명한다. 온톨로지(Linked Data) 및 모델 데이터를 클라우드 시스템으로부터 취득하는 것에 의해, 동적으로 시맨틱 엔진의 거동을 제어할 수 있다.
본 실시형태에서는, 주로 실시형태 1과의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 1과 마찬가지이다.
***구성의 설명***
도 18은, 본 실시형태에 따른 에지 시스템(10)과 클라우드 시스템(11)의 기능 구성예를 나타낸다.
한편, 도 18에서는, 온톨로지(Linked Data) 및 기계 학습의 모델 데이터의 취득 및 추출에 관한 구성만을 나타내고 있다.
즉, 본 실시형태에 따른 에지 시스템(10)에서는, 실시형태 1의 구성에, 온톨로지 취득부(111)가 추가되어 있다. 또, 본 실시형태에 따른 클라우드 시스템(11)에서는, 실시형태 3의 구성에, 온톨로지 추출부(201)가 추가되어 있다.
에지 시스템(10)에 있어서, 온톨로지 취득부(111)는, 시맨틱 엔진(105)이 이용하는 온톨로지(Linked Data) 및 기계 학습의 모델 데이터 중 적어도 어느 하나를 클라우드 시스템(11)으로부터 취득한다.
클라우드 시스템(11)에 있어서, 온톨로지 추출부(201)는, 에지 시스템(10)으로부터의 요구에 근거하여, 시맨틱 엔진(105)이 이용하는 온톨로지(Linked Data) 및 기계 학습의 모델 데이터 중 적어도 어느 하나를 추출한다. 그리고, 온톨로지 추출부(201)는, 추출한 온톨로지(Linked Data) 또는/및 모델 데이터를 에지 시스템(10)에 송신한다.
***동작의 설명***
도 19는, 본 실시형태에 따른 에지 시스템(10)의 동작예를 나타낸다.
한편, 이하에서는, 온톨로지 취득부(111)가 Linked Data 및 모델 데이터를 수신하는 예를 설명하지만, 온톨로지 취득부(111)는 Linked Data 및 모델 데이터 중 어느 한쪽만을 수신해도 된다. 또, 온톨로지 취득부(111)는, 시맨틱 엔진(105)이 이용하는 데이터이면, Linked Data, 모델 데이터 이외의 데이터를 수신해도 된다.
먼저, 온톨로지 취득부(111)는, 애플리케이션 메타데이터를 취득한다(스텝 S11101).
다음에, 온톨로지 취득부(111)는, 클라우드 시스템(11)에 Linked Data 및 모델 데이터의 취득을 위한 쿼리를 송신한다(스텝 S11102). 당해 쿼리에는 애플리케이션 메타데이터가 포함되어 있다.
다음에, 온톨로지 취득부(111)는, 클라우드 시스템(11)으로부터 Linked Data 및 모델 데이터를 수신하고, 또, 수신한 Linked Data 및 모델 데이터를, 온톨로지(106)에 저장한다(스텝 S11103).
도 20은, 본 실시형태에 따른 클라우드 시스템(11)의 동작예를 나타낸다.
한편, 이하에서는, 온톨로지 추출부(201)가 Linked Data 및 모델 데이터를 추출하는 예를 설명하지만, 온톨로지 추출부(201)는 Linked Data 및 모델 데이터 중 어느 한쪽만을 추출해도 된다. 또, 온톨로지 추출부(201)는, 시맨틱 엔진(105)이 이용하는 데이터이면, Linked Data, 모델 데이터 이외의 데이터를 추출해도 된다.
먼저, 온톨로지 추출부(201)가, 에지 시스템(10)으로부터 쿼리를 수신하고, 쿼리로부터 애플리케이션 메타데이터를 추출한다(스텝 S20101).
다음에, 온톨로지 추출부(201)는, 애플리케이션 메타데이터의 정보를 토대로, 온톨로지(202)로부터 조건에 맞는 Linked Data 및 모델 데이터를 추출한다(스텝 S20102).
구체적으로는, 온톨로지 추출부(201)는, 애플리케이션의 도메인(예를 들면, 사람의 행동, 질병의 종류, 기기의 동작 등) 또는 통계 정보(다른 유사한 애플리케이션의 지금까지의 사용 실적 등)로, 조건에 맞는 Linked Data 및 모델 데이터를 좁힌다. 한편, 온톨로지 추출부(201)는, Linked Data를 추출하는 경우는, Linked Data로부터 불필요한 링크를 없애도 된다. 그때, 온톨로지 추출부(201)는, 기계 학습, 통계 정보 등을 이용하고, 링크의 필요 여부를 판정해도 된다.
다음에, 온톨로지 추출부(201)는, 추출한 Linked Data 및 모델 데이터를 에지 시스템(10)에 회신한다(스텝 S20103).
***실시형태의 효과의 설명***
본 실시형태에 의하면, 에지 시스템의 온톨로지를 적절히 갱신할 수 있다. 이 때문에, 본 실시형태에 의하면, 애플리케이션에 출력하는 실행 결과의 정밀도를 향상시킬 수 있다.
또, 본 실시형태에 의하면, 클라우드 시스템에서 온톨로지를 일원 관리할 수 있다. 이 때문에, 본 실시형태에 의하면, 다른 에지 시스템 상의 유사한 애플리케이션에 지식을 전용할 수 있다. 이 결과, 다른 에지 시스템의 가동의 초기부터 시맨틱 엔진의 실행 결과의 정밀도를 향상시킬 수 있다.
실시형태 7.
본 실시형태에서는, 시맨틱 엔진의 실행 결과에 우선 순위를 설정하는 구성을 설명한다. 이 결과, 애플리케이션은, 실행 결과에 있어서의 중요도를 인식할 수 있다.
본 실시형태에서는, 주로 실시형태 1과의 차이를 설명한다.
한편, 이하에서 설명하고 있지 않는 사항은, 실시형태 1과 마찬가지이다.
***구성의 설명***
도 21은, 본 실시형태에 따른 에지 시스템(10)의 기능 구성예를 나타낸다.
실시형태 1과의 차분만 설명한다.
도 21에서는, 스코어링부(112)가 응답 심도 제어부(104)와 애플리케이션(103)의 사이에 추가되어 있다.
스코어링부(112)는, 시맨틱 엔진(105)의 실행 결과에 우선 순위를 설정한다. 보다 구체적으로는, 스코어링부(112)는, 시맨틱 엔진(105)의 추론 과정에 근거하여, 시맨틱 엔진(105)의 실행 결과에 우선 순위를 설정한다.
한편, 도 21에서는, 스코어링부(112)를 설명하기 위해서 필요한 구성만을 도시하고 있다.
***동작의 설명***
다음에, 스코어링부(112)의 동작을 설명한다.
도 22는, 시맨틱 엔진(105)의 RDF에서 사용하는 Linked Data의 예이다.
Linked Data(3000)는, 주어 및 목적어 중 적어도 어느 하나인 노드(3001, 3003, 3004, 3005, 3006, 3007)와, 노드를 연결하는 술어(3002)의 유향 그래프(directed graph)로 구성된다.
시맨틱 엔진(105)의 1회째의 실행에 있어서, 계측 데이터로부터 기계 학습에 의해 노드(3001)가 추론되고, 또한 RDF에 의해 노드(3003, 3004)가 추론된 것으로 한다. 시맨틱 엔진(105)의 2회째의 실행에 있어서, 노드(3005, 3006, 3007)가 추론된 것으로 한다. 스코어링부(112)는, 노드마다, 추론 시에 어떤 노드의 통과가 있었는지를 기록한다. 도 22의 예에서는, 노드(3001, 3003, 3004, 3006, 3007)의 각각은 1회의 통과, 노드(3005)는 2회의 통과가 기록된다.
스코어링부(112)는, 통과 횟수를 스코어로서 취급한다. 그리고, 스코어링부(112)는, 스코어가 높은 순으로 시맨틱 엔진(105)의 실행 결과에 우선 순위를 설정한다. 또한, 스코어링부(112)는, 우선 순위가 높은 실행 결과를 우선하여 애플리케이션에 제시한다. 상기의 예에서는, 노드(3005)의 우선 순위가 가장 높다. 노드(3001, 3003, 3004, 3006, 3007)의 우선 순위는 모두 동일하다.
***실시형태의 효과의 설명***
본 실시형태에 의하면, 추론의 과정의 정보를 이용하고, 스코어링을 실시할 수 있으므로, 결과의 정당성을 확인할 수 있다.
또, 본 실시형태에 의하면, 애플리케이션은, 어느 실행 결과가 중요한지를 판단하기 쉬워진다.
***하드웨어 구성의 설명***
마지막으로, 에지 시스템(10)의 하드웨어 구성의 보충 설명을 행한다.
프로세서(901)는, 프로세싱을 행하는 IC(Integrated Circuit)이다.
프로세서(901)는, CPU(Central Processing Unit), DSP(Digital Signal Processor) 등이다.
기억 장치(902)는, RAM(Random Access Memory), ROM(Read Only Memory), 플래시 메모리, HDD(Hard Disk Drive) 등이다.
통신 장치(900)는, 데이터의 통신 처리를 실행하는 전자 회로이다.
통신 장치(900)는, 예를 들면, 통신 칩 또는 NIC(Network Interface Card)이다.
또, 기억 장치(902)에는, OS(Operating System)도 기억되어 있다.
그리고, OS의 적어도 일부가 프로세서(901)에 의해 실행된다.
프로세서(901)는 OS의 적어도 일부를 실행하면서, 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104), 시맨틱 엔진(105), 시맨틱 엔진 선택부(107), 관련성 판정부(108), 결과 확장부(109), 온톨로지 취득부(111), 스코어링부(112)의 기능을 실현하는 프로그램을 실행한다.
프로세서(901)가 OS를 실행함으로써, 태스크 관리, 메모리 관리, 파일 관리, 통신 제어 등이 행해진다.
또, 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104), 시맨틱 엔진(105), 시맨틱 엔진 선택부(107), 관련성 판정부(108), 결과 확장부(109), 온톨로지 취득부(111), 스코어링부(112)의 처리의 결과를 나타내는 정보, 데이터, 신호값 및 변수값 중 적어도 어느 하나가, 기억 장치(902), 프로세서(901) 내의 레지스터 및 캐시 기억 장치 중 적어도 어느 하나에 기억된다.
또, 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104), 시맨틱 엔진(105), 시맨틱 엔진 선택부(107), 관련성 판정부(108), 결과 확장부(109), 온톨로지 취득부(111), 스코어링부(112)의 기능을 실현하는 프로그램은, 자기 디스크, 플렉시블 디스크, 광 디스크, 콤팩트 디스크, 블루레이(등록상표) 디스크, DVD 등의 휴대용 기록 매체에 저장되어 있어도 된다. 그리고, 데이터 수집부(101), 애플리케이션(103), 응답 심도 제어부(104), 시맨틱 엔진(105), 시맨틱 엔진 선택부(107), 관련성 판정부(108), 결과 확장부(109), 온톨로지 취득부(111), 스코어링부(112)의 기능을 실현하는 프로그램이 저장된 휴대용 기록 매체를 상업적으로 유통시켜도 된다.
또, 데이터 수집부(101), 응답 심도 제어부(104), 시맨틱 엔진 선택부(107), 관련성 판정부(108), 결과 확장부(109), 온톨로지 취득부(111), 스코어링부(112)의 「부」를, 「회로」 또는 「공정」 또는 「순서」 또는 「처리」로 바꿔 읽어도 된다.
또, 에지 시스템(10)은, 처리 회로에 의해 실현되어도 된다. 처리 회로는, 예를 들면, 로직 IC(Integrated Circuit), GA(Gate Array), ASIC(Application Specific Integrated Circuit), FPGA(Field-Programmable Gate Array)이다.
한편, 본 명세서에서는, 프로세서와 처리 회로의 상위 개념을, 「프로세싱 회로(processing circuitry)」라고 한다.
즉, 프로세서와 처리 회로는, 각각 「프로세싱 회로」의 구체예이다.
1: IoT 시스템, 10: 에지 시스템, 11: 클라우드 시스템, 12: 센서, 13: 인터넷, 14: 인트라넷, 15: 네트워크 스토리지, 16: 에지 시스템(종계), 100: 통신부, 101: 데이터 수집부, 102: 데이터 레이크, 103: 애플리케이션, 104: 응답 심도 제어부, 105: 시맨틱 엔진, 106: 온톨로지, 107: 시맨틱 엔진 선택부, 108: 관련성 판정부, 109: 결과 확장부, 110: 시소러스, 111: 온톨로지 취득부, 112: 스코어링부, 200: 통신부, 201: 온톨로지 추출부, 202: 온톨로지, 203: 데이터 수집부, 204: 데이터 레이크, 205: 시맨틱 엔진, 300: 통신부, 301: 데이터 취득부, 400: 통신부, 401: 시맨틱 엔진, 402: 온톨로지, 600: 통신 장치, 601: 프로세서, 602: 기억 장치, 700: 통신 장치, 701: 프로세서, 702: 기억 장치, 800: 통신 장치, 801: 프로세서, 802: 기억 장치, 900: 통신 장치, 901: 프로세서, 902: 기억 장치, 1000: 심도 특정표, 2000: 엔드포인트 특정표.

Claims (14)

  1. 시맨틱 엔진(semantic engine)과,
    상기 시맨틱 엔진에의 쿼리(query)를 취득하고, 상기 쿼리에 대한 상기 시맨틱 엔진의 실행 결과를 예측하고, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하는지 여부를 판정하여, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하지 않는 경우에, 상기 쿼리를 파기하는 쿼리 파기부를 갖는 에지 시스템.
  2. 제 1 항에 있어서,
    상기 에지 시스템은,
    수평 통합형 IoT(Internet of Things) 플랫폼에 대응한 에지 시스템으로서,
    상기 시맨틱 엔진의 검색의 심도에 대한 요구인 응답 심도를 취득하는 심도 취득부와,
    상기 시맨틱 엔진의 검색의 심도가 상기 응답 심도에 도달하기까지, 상기 시맨틱 엔진으로 하여금 검색을 반복하게 하는 검색 제어부를 더 갖는 에지 시스템.
  3. 제 1 항에 있어서,
    상기 에지 시스템은,
    상기 시맨틱 엔진과, 다른 시스템에 포함되는 시맨틱 엔진 중 어느 하나를 선택하고, 선택한 시맨틱 엔진으로 하여금 검색을 행하게 하는 시맨틱 엔진 선택부를 더 갖는 에지 시스템.
  4. 제 3 항에 있어서,
    상기 시맨틱 엔진 선택부는,
    상기 시맨틱 엔진과, 다른 에지 시스템에 탑재되는 시맨틱 엔진 중 어느 하나를 선택하는 에지 시스템.
  5. 제 3 항에 있어서,
    상기 시맨틱 엔진 선택부는,
    상기 시맨틱 엔진과, 클라우드 시스템에 탑재되는 시맨틱 엔진 중 어느 하나를 선택하는 에지 시스템.
  6. 제 3 항에 있어서,
    상기 시맨틱 엔진 선택부는,
    검색의 종류마다 선택해야 할 시맨틱 엔진이 나타나는 선택 기준 정보를 참조하여, 실행 대상의 검색의 종류에 대응하는 시맨틱 엔진을 선택하는 에지 시스템.
  7. 제 6 항에 있어서,
    상기 시맨틱 엔진 선택부는,
    상기 다른 시스템의 스케일 아웃 및 스케일 다운 중 적어도 어느 하나에 따라, 상기 선택 기준 정보를 갱신하는 에지 시스템.
  8. 제 1 항에 있어서,
    상기 에지 시스템은,
    상기 시맨틱 엔진에의 쿼리와 상기 시맨틱 엔진의 실행 결과를 취득하고, 상기 쿼리와 상기 시맨틱 엔진의 실행 결과를 비교하고, 상기 시맨틱 엔진의 실행 결과에 상기 쿼리에 합치하지 않는 실행 결과가 존재하는지 여부를 판정하여, 상기 시맨틱 엔진의 실행 결과에 상기 쿼리에 합치하지 않는 실행 결과가 존재하는 경우에, 상기 쿼리에 합치하지 않는 실행 결과를 파기하는 결과 파기부를 더 갖는 에지 시스템.
  9. 제 1 항에 있어서,
    상기 에지 시스템은,
    상기 시맨틱 엔진의 실행 결과를 취득하고, 시소러스를 이용하여 상기 시맨틱 엔진의 실행 결과를 확장하는 결과 확장부를 더 갖는 에지 시스템.
  10. 제 1 항에 있어서,
    상기 에지 시스템은,
    상기 시맨틱 엔진이 이용하는 데이터를 취득하는 온톨로지(ontology) 취득부를 더 갖는 에지 시스템.
  11. 제 1 항에 있어서,
    상기 에지 시스템은,
    상기 시맨틱 엔진의 실행 결과에 우선 순위를 설정하는 스코어링부를 더 갖는 에지 시스템.
  12. 제 11 항에 있어서,
    상기 스코어링부는,
    상기 시맨틱 엔진의 추론 과정에 근거하여, 상기 시맨틱 엔진의 실행 결과에 우선 순위를 설정하는 에지 시스템.
  13. 시맨틱 엔진을 갖는 컴퓨터인 에지 시스템이,
    상기 시맨틱 엔진에의 쿼리를 취득하고, 상기 쿼리에 대한 상기 시맨틱 엔진의 실행 결과를 예측하고, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하는지 여부를 판정하여, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하지 않는 경우에, 상기 쿼리를 파기하는 정보 처리 방법.
  14. 시맨틱 엔진을 갖는 컴퓨터인 에지 시스템에게,
    상기 시맨틱 엔진에의 쿼리를 취득하고, 상기 쿼리에 대한 상기 시맨틱 엔진의 실행 결과를 예측하고, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하는지 여부를 판정하여, 예측한 실행 결과가 상기 쿼리의 발행원이 요구하는 실행 결과에 합치하지 않는 경우에, 상기 쿼리를 파기하는 쿼리 파기 처리를 실행하게 하는, 기록 매체에 저장된 정보 처리 프로그램.
KR1020217018319A 2018-12-27 2018-12-27 에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램 KR102310391B1 (ko)

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
KR20210080569A KR20210080569A (ko) 2021-06-30
KR102310391B1 true KR102310391B1 (ko) 2021-10-07

Family

ID=68763446

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217018319A KR102310391B1 (ko) 2018-12-27 2018-12-27 에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램

Country Status (6)

Country Link
US (1) US20210256073A1 (ko)
JP (1) JP6615420B1 (ko)
KR (1) KR102310391B1 (ko)
CN (1) CN113316774A (ko)
DE (1) DE112018008165T5 (ko)
WO (1) WO2020136790A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7262688B2 (ja) * 2021-01-21 2023-04-21 三菱電機株式会社 情報処理装置、情報処理方法及び情報処理プログラム
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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110202526A1 (en) 2010-02-12 2011-08-18 Korea Advanced Institute Of Science And Technology Semantic search system using semantic ranking scheme

Family Cites Families (10)

* Cited by examiner, † Cited by third party
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
US8281238B2 (en) * 2009-11-10 2012-10-02 Primal Fusion Inc. System, method and computer program for creating and manipulating data structures using an interactive graphical interface
JP2014056372A (ja) * 2012-09-12 2014-03-27 Dainippon Printing Co Ltd 電子チラシ閲覧システム
EP3241127A1 (en) 2014-12-30 2017-11-08 Convida Wireless, LLC Semantics annotation and semantics repository for m2m systems
KR102048648B1 (ko) * 2015-10-30 2019-11-25 콘비다 와이어리스, 엘엘씨 시맨틱 IoT에 대한 Restful 오퍼레이션들
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
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
US10845937B2 (en) * 2018-01-11 2020-11-24 International Business Machines Corporation Semantic representation and realization for conversational systems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110202526A1 (en) 2010-02-12 2011-08-18 Korea Advanced Institute Of Science And Technology Semantic search system using semantic ranking scheme

Also Published As

Publication number Publication date
JP6615420B1 (ja) 2019-12-04
JPWO2020136790A1 (ja) 2021-02-15
KR20210080569A (ko) 2021-06-30
US20210256073A1 (en) 2021-08-19
DE112018008165T5 (de) 2021-09-16
WO2020136790A1 (ja) 2020-07-02
CN113316774A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
US8402052B2 (en) Search device, search method, and computer-readable recording medium storing search program
US9836541B2 (en) System and method of managing capacity of search index partitions
US10146818B2 (en) Computing system
JP6281225B2 (ja) 情報処理装置
JP2018005446A (ja) 情報処理装置、ストレージ制御プログラム、及びストレージ制御方法
EP3499388B1 (en) Method and device for processing join query
KR102310391B1 (ko) 에지 시스템, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램
US20140229496A1 (en) Information processing device, information processing method, and computer program product
US10095737B2 (en) Information storage system
JP4237813B2 (ja) 構造化文書管理システム
US20120179669A1 (en) Systems and methods for searching a search space of a query
US10990604B2 (en) Non-transitory computer-readable storage medium, record data processing method, and record data processing apparatus
JP6084700B2 (ja) 検索システム及び検索方法
US10339104B2 (en) Information processing apparatus, file management method, and computer-readable recording medium having stored therein file management program
WO2012081165A1 (ja) データベース管理装置及びデータベース管理方法
KR20160027455A (ko) 대용량 rdf 데이터 관리 방법 및 장치
Siedlaczek et al. Using conjunctions for faster disjunctive top-k queries
US20130246479A1 (en) Computer-readable recording medium, data model conversion method, and data model conversion apparatus
JP7211255B2 (ja) 検索処理プログラム、検索処理方法及び情報処理装置
JP2018081603A (ja) Ｋｖデータ構造変換装置、ｋｖデータ構造変換方法、および、ｋｖデータ構造変換プログラム
KR101108600B1 (ko) 온톨로지를 이용한 문서간 유사도 측정 방법 및 장치
US9858281B2 (en) Information processing system, recording medium, and index management method
CN117076441A (zh) 一种创建索引的方法以及存储引擎
JP2008198235A (ja) 構造化文書管理システム
Kumar et al. An Improved Approach for Text Retrieval in Distributed Environment

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant