Hiërarchisch redeneren: een efficiënte en schaalbare oplossing om beslissingen uit heterogene datastromen te extraheren

Er wordt verwacht dat het aantal geconnecteerde toestellen tot het Internet of Things (IoT) tegen 2025 meer dan 20 miljard zal bedragen, waarvan heel wat edge toestellen. We bevinden ons in een kantelpunt, waar meer data wordt geproduceerd dan verwerkt kan worden. IoT data is heel waardevol, de verwerking ervan laat toepassing toe in het domein van smart cities, pervasive health of industry 4.0. Verwerking van IoT data is uitdagend, gezien het volume, heterogeniteit en de frequentie van productie. Semantische Web technologieën hebben reeds bewezen ideal te zijn voor het integreren van deze heterogene data. Semantisch redeneren laat toe abstracte kennis en inzichten te extraheren. Redeneren is computationeel intensief, in vergelijking met de snelheid van de IoT dataproductie. Het objectief is om de IoT uitdagingen aan te pakken met Cascading Reasoning (CR), een gelaagde oplossing bestaande uit lagen van verwerkingscomplexiteit. CR en het verwerken van edge data passen natuurlijk samen, gezien de lagen met lagere complexiteit in de edge kunnen verwerkt worden. Ik zal efficiënte en schaalbare redeneertechnieken onderzoeken, die omkunnen met de snelheid van het IoT. Ik zal onderzoeken hoe abstracte queries automatisch kunnen vertaald worden naar de verschillende lagen van de cascade, zodat een Informatie Nood op een volledige declaratieve manier kan bepaald worden. Tenslotte, zal onderzocht worden hoe het redeneren kan versnelt worden door verschillende stappen te voorspellen.