基于本体的上下文感知中间件框架

上下文感知是普适计算的核心技术之一,而描述和理解上下文信息是上下文感知的前提.由于上下文信息种类繁多、感知方式迥异,目前开发面向特定应用的上下文感知系统缺乏统一的机制和通用的架构,增加了系统开发的成本.引入语义Web技术,利用本体对上下文信息进行建模,采用本体描述语言描述上下文模型,提供了一个公共的上下文本体以实现多个独立开发的上下文感知系统对知识的共享和推理,构建了通用的上下文感知中间件框架,从而实现对域内上下文知识的共同理解.     

基于语义Web技术的上下文感知系统架构

介绍一种应用语义W eb技术(即本体、OW L)开发上下文感知系统的新架构。利用本体达到对域内上下文的准确和一致的理解,从而实现了兼容不同开发来源的上下文感知组件在同一个架构中的目的,满足了系统的分布式开发和组件复用的要求。     

基于语义Web技术的上下文感知的智能移动服务

语义Web技术应用于上下文感知的智能移动服务，通过构建上下文信息本体，使得移动服务的实体之间可以进行上下文信息共享和语义互操作，并进行上下文信息推理，实现智能服务。本文首先介绍了语义Web及本体技术，其次阐述了语义Web技术应用于上下文感知的移动服务，然后详细分析了智能移动服务中的上下文信息本体构建，包括通用的上下文信息本体、用户概况本体、情境本体以及服务本体等，接着介绍了相关的研究项目，最后进行展望和总结。     

基于领域本体与上下文感知计算的智能图书

随着信息化时代的发展, Web已成为各类网络信息的主要平台。但是,呈指数增长的海量信息使有价值知识淹没在信息海洋里,用户对专业领域知识的查找、访问、学习以及维护变得越来越困难。针对这种情况,提出了基于领域本体与上下文感知计算的智能图书系统模型,并以颜色科学为例,根据领域知识特性和共享需求构建颜色科学领域本体,然后通过上下文系统获取实现用户需求的相关上下文信息,在上下文感知计算推理模型中为用户提供特定服务,实现了智能图书系统的相关流程。     

一个基于本体的动态上下文模型(英文)

上下文建模是开发上下文感知系统的核心任务,它是应用理解和使用上下文的关键。按照生命周期的长短,上下文可以分为持久上下文和动态上下文,而后者可以进一步分为状态上下文和转换上下文。许多研究者在持久上下文和状态上下文建模方面做了大量的工作,但涉及到转换上下文的工作却很少。因此提出了一个采用OWL语言描述的基于本体的形式化的动态上下文模型,以及一个上下文融合和消费机制的实现。同时,为应用提供了一些编程原则并以一个自动门禁系统的演示说明了系统如何从这个模型中受益。     

基于ASP的智能空间中上下文感知问题的研究

智能空间和回答集程序ASP的整合解决了智能空间中固定优先关系下的资源冲突问题。然而,智能空间是一个上下文敏感的、动态的环境,随着用户在空间中行为的改变,空间中的信息和服务也要发生动态的变化。原有的基于本体的上下文感知框架仅能实现不同本体信息的推理,而没有考虑环境信息对于上下文感知的影响。为此,基于回答集程序提出一种智能空间中的上下文感知框架,动态感知用户的上下文本体以及环境信息,完成用户在空间中的上下文动态推理。首先,使用本体描述用户的上下文信息;然后使用回答集程序表达上下文推理规则,并引入缺省规则依据本体信息以及环境信息动态决策上下文响应的优先关系;最后,求得回答集程序的解,即为用户上下文事件的决策结果,从而帮助用户实现智能推理。实验结果表明,该框架可以动态决策空间中的优先关系,有效实现空间中的上下文推理。     

动态上下文知识的获取与共享

上下文感知系统需要获取和共享多种上下文知识,不仅包含环境参数的具体取值,也包含对环境状态描述时所用的词汇,也就是概念.上下文知识具有与生俱来的动态性,在设计时难以预知系统可能涉及的上下文信息.而大多数已有的系统缺乏完善的动态上下文知识维护机制,因此不支持上下文感知应用的运行时的扩展.提出一个基于本体的层次化上下文模型,以及基于此模型的动态上下文知识获取与共享框架(DCASI).框架中按需分散获取机制让各类上下文知识出自最有资格定义它的实体,使得上下文知识充足而又不冗余;双库集中共享机制按共享的不同作用维护两个知识库,有效支持了新上下文知识的定义和发现.原型系统验证了本框架的有效性.     

基于OWL的上下文信息有效存储方法的研究

目前,普适计算环境下的上下文感知系统中大多使用本体语言OWL来进行对场景的描述。如何对大量的上下文信息进行有效的管理成了日益重要的问题。我们提出了一种将OWL转存至关系型数据库的映射方法,以此来实现上下文的高效存储,检索与计算。     

基于本体的NGN上下文感知业务设计与实现

为使NGN业务具有良好的适应性满足用户在灵活多变环境下的需要,提出基于本体的上下文感知业务生成框架,该框架对NGN中上下文业务系统的开发起到关键作用。分析NGN业务实现关键问题以及利用本体进行感知计算的方法,最后给出业务实现实例说明技术应用方法和该框架的可行性。     

语用网驱动的上下文感知系统设计

针对传统的语义网本体和上下文感知系统不适合处理现实世界中动态知识这一问题,借鉴了语用网在表达动态知识方面的优势,提出了语用网驱动的上下文感知系统,设计了语用网驱动的上下文感知系统框架。该系统采用了一种高效、新颖的上下文获取技术,可以更加准确地捕获用户的真实意图,并在此基础上通过推理得到具有决策能力的高层上下文。最后通过基于智能体的上下文感知服务发现方法,实现“以用户为中心”的个性化推荐服务。     

面向普适环境的上下文感知中间件研究

针对普适环境下上下文感知计算需求,引入广义模型化理论,建立了一种面向通用环境资源的上下文信息数据模型;在此基础上,提出了上下文感知中间件体系框架,并详细阐述了其构件化的实施方案。该中间件平台的上下文获取层能够封装各类感知器捕获的资源信息,中间处理层负责信息的管理、推理和聚合,基于门面模式的上下文访问层提供同步和异步相结合的上下文信息统一访问入口。通过实验测试了平台的时间损耗,表明该中间件可提供通用的上下文感知服务且具有较好的系统性能。     

支持情境感知计算的上下文服务框架研究

针对纷繁复杂的高层应用亟需的多样化、个性化的环境感知服务需求,提出一种支持情境感知计算的上下文服务框架,自底向上包含上下文信息采集层、信息管理层、事件管理层和门面访问层.信息采集层负责封装感知器捕获的环境资源信息;信息管理层提供信息的组织、维护及持久化;事件管理层建立了复合上下文事件的形式化表达,并引入时间窗口凸显事件的强时效特点;门面访问层提供同步和异步互补的灵活访问机制.实验结果表明了该框架的合理性与可行性.     

上下文感知旅游推荐系统研究综述

随着人们生活水平的提高，旅游已成为一项普遍的休闲活动，进而推动了旅游推荐方面技术的研究。与传统推荐系统相比，除了考虑游客和旅游产品的相关特征之外，旅游推荐系统的推荐质量在很大程度上受到位置、时间、天气、游客社交群体等上下文信息的影响。本文首先给出上下文感知旅游推荐系统的总体框架；然后对位置、时间、游客社会化网络和多维上下文等4类典型的上下文信息在旅游推荐系统中的应用进行了详细考察，并对综合应用各种上下文信息的旅游推荐系统进行了分析；从旅游推荐产品的角度对推荐系统进行分类考察；最后讨论了上下文感知旅游推荐系统目前面临的重点和难点问题，指出下一步的研究方向。     

物联网情景感知技术研究

与互联网不同,物联网(Internet of Things, IoT)通过各类通信技术将具有标识、感知或者执行能力的物理实体互联,形成了“物物互连”的虚拟网络。随着计算机及通信技术的迅速发展,计算资源将通布人们周围的环境,情景感知技术应运而生。情景感知获得传感器采集的情景信息以后,对信息进行智能处理,自主地为用户提供服务。物联网具有海量信息的特性,传统的情景信息处理方法已不再适用。对物联网情景感知技术进行了详细的介绍,首先给出情景和情景感知的概念及其研究发展和应用。然后,结合物联网特性,以情景感知流程为主线,探讨了信息获取、建模和智能处理等内容。最后,系统结构是情景感知的关键,因此对现有的系统结构进行了分析和对比,结合物联网环境论述了当前情景感知系统的不足之处,并给出了情景感知系统的参考结构。     

Item recommendation based on context-aware model for personalized u-healthcare service

A personalized service in the ubiquitous environment is to provide services or items, which reflect personal tastes, attitudes, and contexts. It is impossible to reflect the context information generated in u-healthcare environments due to the existing recommendation system performing the recommendation using the information directly input by users and application usage record only. This study develops a context-aware model using the context information provided by the context information model. The study applies it to the extraction of the missing value in a collaborative filtering process. The context-aware model reflects the information that selects items by users according to the appropriate context using the C-HMM and provides it to users. The solution of the missing value in the preference significantly affects the recommendation accuracy in a preference based item supply method. Thus, this study developed a new collaborative filtering for ubiquitous environments by reflecting the missing preference value and reflecting it to the collaborative filtering using the context-aware model. Also, the validity of this method will be evaluated by applying it to menu services in u-healthcare services.     

Context data management: an architectural framework for context-aware services

Mobile devices are equipped with increasing processing power and sensing capabilities, and mobile services can benefit from these features to provide a more personalized and context-aware experience to final users. To efficiently collect and deliver context information, a proper architecture is required, where heterogeneous context information can be processed to provide higher-level context information, context data are represented uniformly, and applications can process context data with high-level queries. This paper fulfils this goal of interoperability and domain independence by defining a framework for context data management relying on open standards (XMPP and REST), acting as an enabler for third-party context-aware applications; other main novelties of our work are the definition of a ContextML for standard context data representation, and a Context Query Language (CQL) to access context information based on high-level data filtering.     

A context-aware recommender method based on text and opinion mining

A recommender system is an information filtering technology that can be used to recommend items that may be of interest to users. Additionally, there are the context-aware recommender systems that consider contextual information to generate the recommendations. Reviews can provide relevant information that can be used by recommender systems, including contextual and opinion information. In a previous work, we proposed a context-aware recommendation method based on text mining (CARM-TM). The method includes two techniques to extract context from reviews: CIET.5_embed, a technique based on word embeddings; and RulesContext, a technique based on association rules. In this work, we have extended our previous method by including CEOM, a new technique which extracts context by using aspect-based opinions. We call our extension of CARM-TOM (context-aware recommendation method based on text and opinion mining). To generate recommendations, our method makes use of the CAMF algorithm, a context-aware recommender based on matrix factorization. To evaluate CARM-TOM, we ran an extensive set of experiments in a dataset about restaurants, comparing CARM-TOM against the MF algorithm, an uncontextual recommender system based on matrix factorization; and against a context extraction method proposed in literature. The empirical results strongly indicate that our method is able to improve a context-aware recommender system.     

JCOOLS: A toolkit for generating context-aware applications with JCAF and DROOLS

We present a toolkit named JCOOLS that effectively generates context-aware applications in a ubiquitous environment. With JCOOLS, developers can define contexts and actions as context rules according to the change of context information. Based on the predefined context rules and the underlying DROOLS inference engine, JCOOLS generates responding actions that would execute in the associated end-user applications. In addition, to facilitate the development and deployment of context-aware applications, JCOOLS generates abstract program codes based on the context information for JCAF.