Stream and Complex Event Processing A (brief) introduction to the semantic Web technologies G. ¡Cugola ¡ ¡ ¡ ¡E. ¡Della ¡Valle ¡ ¡ ¡ ¡A. ¡Margara ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Politecnico ¡di ¡Milano ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Vrije ¡Universiteit ¡Amsterdam ¡ cugola@elet.polimi.it a.margara@vu.nl dellavalle@elet.polimi.it
Course ¡outline ¡ Distribu@ng ¡to ¡survive: ¡The ¡"operator ¡ • History ¡and ¡principles ¡of ¡stream ¡ • placement" ¡problem ¡ compu@ng ¡and ¡complex ¡event ¡processing ¡ • Theory ¡ Descrip@on ¡of ¡the ¡area ¡ • • Algorithms ¡ Typical ¡applica@ons ¡ • On ¡managing ¡uncertainty ¡in ¡data ¡and ¡rules ¡ • Challenges ¡ • • A ¡model ¡of ¡uncertainty ¡for ¡informa@on ¡ • A ¡modeling ¡framework ¡for ¡IFP ¡systems ¡ flow ¡processing ¡systems ¡ Func@onal ¡model ¡ ¡ • Discovering ¡exis@ng ¡systems ¡ • Processing ¡model ¡ • • Complex ¡event ¡processing ¡systems ¡in ¡ prac@ce ¡ Deployment ¡model ¡ ¡ • • Data ¡streaming ¡systems ¡in ¡prac@ce ¡ Interac@on ¡model ¡ • • Stream ¡reasoning ¡systems ¡in ¡prac@ce ¡ Data ¡model ¡ • On ¡benchmarking ¡Informa@on ¡Flow ¡ • Time ¡model ¡ ¡ • Processing ¡Systems ¡ Rule ¡model ¡ • • The ¡problem ¡ Language ¡model ¡ • • Possible ¡solu@ons ¡ • The ¡realm ¡of ¡stream ¡reasoning ¡ PuPng ¡it ¡all ¡together ¡ • A ¡brief ¡introduc5on ¡to ¡the ¡seman5c ¡Web ¡ • • A ¡prac@cal ¡scenario ¡to ¡test ¡IFP ¡systems ¡ technologies ¡ Experience ¡report ¡ • From ¡stream ¡processing ¡to ¡stream ¡ • reasoning ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 2 ¡
Introduction Computer should understand more Large number of integrations Millions of Applications Too much information - ad hoc to browse, need for - pair-wise searching and mashing up automatically Search & Mash-up 10100 Engine 10 0010 01 101 101 01 0 1101 110 1 10 1 10 0 1 1 0 ? 1 0 1 0 0 1 1 0 1 1 1 10 0 1 101 0 1 010 0 1 1 0 Each site is “ understandable ” for us Computers don ’ t “ understand ” much Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 3 ¡
Do We Really Know What “ Understanding ” Means? Introduction [ source http://www.thefarside.com/ ] Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 4 ¡
Introduction The Problem: “ Semantic Gap ” Symbolic ¡Descrip@on ¡ Seman@c ¡Gap ¡ Sensor ¡Data ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 5 ¡
Introduction “ Understanding ” Means Bridging the Gap No existing streets Missing Symbolic ¡Descrip@on ¡ building understanding ¡ Sensor ¡Data ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 6 ¡
Introduction Two ways for computer to “understand” • Smart Machine • Smart Data Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 7 ¡
Introduction Smart Machines can bridge the gap Working examples found on the Web • Symbolic ¡Descrip@on ¡ Image Processing • • retrievr: find by sketching http://labs.systemone.at/retrievr/ Audio Processing • Natural Language • midomi: find by singing Processing Processing Processing ¡ [ … ] Image http://www.midomi.com/ Audio ¡ […] • Natural Language Processing • • semantic proxy: http://semanticproxy.opencalais.com/ Sensor ¡Data ¡ about.html 8 ¡
Introduction … but do they talk each other? Natural Language Processing (NLP) Symbolic ¡Descrip@on ¡ meets Image Processing (IP) Seman@c ¡Gap ¡ NLP : What does your eye see? IP : I see a sea sea “ c ” NLP : You see a “ c ” ? Processing IP : Yes, what else could it be? Processing Language Image Natural Sensor ¡Data ¡ [Source ¡NLP ¡Related ¡Entertainment ¡ h]p://www.cl.cam.ac.uk/Research/NL/amusement.html] ¡ ¡ ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 9 ¡
Introduction … smart data are need Natural Language Processing (NLP) Symbolic ¡Descrip@on ¡ meets Image Processing (IP) smart ¡data ¡ NLP : What does your eye see? IP : I see a wordnet:word-sea sea “ c ” NLP : mmm, I see a Processing wordnet:word-c Processing Language IP : I believe we have different Image Natural understanding of the world … NLP : So do I The Semantic Web offers a set of standards that lowers the barriers to employ smart data at large scale Sensor ¡Data ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 10 ¡
Introduction The Semantic Web 1/4 • “ The Semantic Web is not a separate Web, but an extension of the current one, in which information is given well-defined meaning, better enabling computers and people to work in cooperation. ” “ The Semantic Web ” , Scientific American Magazine, Maggio 2001 http://www.sciam.com/article.cfm?articleID=00048144-10D2-1C70-84A9809EC588EF21 • Key concepts • an extension of the current Web • in which information is given well-defined meaning • better enabling computers and people to work in cooperation. • Both for computers and people Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 11 ¡
Introduction The Semantic Web 2/4 • “ The Semantic Web is not a separate Web, but an extension of the current one […] ” Web 1.0 The Web Today Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 12 ¡
Introduction The Semantic Web 3/4 • “ The Semantic Web […] , in which information is given well-defined meaning […] ” Semantic Web Web 1.0 ? Human understandable but Human and machine “only” machine-readable “ understandable ” Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 13 ¡
Introduction The Semantic Web 4/4 […] ¡be:er ¡enabling ¡ computers ¡and ¡people ¡ Fewer Integration Even More Applications to ¡work ¡in ¡coopera5on. - standard - multi-lateral A A T T E E A A M M T T E E M M A A T T E E M M Semantic Semantic Web Mash-ups & A A T T E E M M Search ¡ A A T T E E M M Easier to understand for people More “understandable” for computers Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 14 ¡
Introduction The Semantic Web “in the wild” 1/5 ¡
Introduction The Semantic Web “in the wild” 2/5 ¡ Google ¡ Knowledge ¡ Graph ¡ Google ¡Rich ¡Snippet ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 16 ¡
Introduction The Semantic Web “in the wild” 3/5 ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 17 ¡
Introduction The Semantic Web “in the wild” 4/5 ¡ • Schema.org • an initiative launched on 2 June 2011 by Bing, Google and Yahoo! • to “create and support a common set of schemas for structured data markup on web pages.” • A collection of vocabularies organized in a broad type hierarchy • See http://schema.org/docs/full.html ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 18 ¡
Introduction The Semantic Web “in the wild” 5/5 META META META META META META META META 318,393 ¡sites! ¡ META META 19 ¡
Introduction Semantic Web “ layer cake ” Already Possible Under Investigation Standardized [ source http://www.w3.org/2007/03/layerCake.png ]
Introduction Architectural view of the Semantic Web 21 ¡ [source ¡ ¡h]p://www.w3.org/DesignIssues/diagrams/sw-‑double-‑bus.png ¡] ¡
Data Interchange: RDF Stream ¡& ¡Complex ¡Event ¡Processing ¡-‑ ¡Seman@c ¡Web ¡Intro ¡ 22 ¡
Recommend
More recommend