Resumen

En los últimos años, han estado desarrollándose técnicas innovadoras de posicionamiento y comunicación móvil para lograr los Servicios Basados en la Localización (LBSs). Con la ayuda de sensores, los LBS pueden detectar y percibir la información del mundo exterior para proporcionar servicios relacionados con la ubicación. Para implementar los LBS inteligentes, es necesario desarrollar la Web Semántica de Sensores (SSW), que utiliza las ontologías de los sensores para implementar la interoperabilidad de los datos de los sensores, el intercambio de información y la fusión de conocimientos entre los sistemas de inteligencia. Debido a la subjetividad de los ingenieros de ontologías de sensores, se introduce el problema de la heterogeneidad, que dificulta las comunicaciones entre estas ontologías de sensores. Para abordar este problema, se introduce el emparejamiento de ontologías de sensores para establecer la relación correspondiente entre diferentes términos de sensores. Entre todas las tecnologías de emparejamiento de ontologías, la Optimización por Enjambre de Partículas (PSO) puede representar un método contribuyente para abordar el problema de alineación de ontologías de baja calidad. Con el fin de mejorar aún más la calidad de los resultados de emparejamiento, en nuestro trabajo, el emparejamiento de ontologías de sensores se modela como el problema de meta-emparejamiento en primer lugar, y luego, basándose en este modelo, apuntando a diversas medidas de similitud, se propone un PSO de Recocido Simulado (SAPSO) para optimizar sus pesos de agregación y el umbral. En particular, se proponen métricas de evaluación aproximadas para evaluar la calidad del emparejamiento sin referencia, y se aplica una estrategia de Recocido Simulado (SA) al proceso evolutivo de los PSOs, lo que ayuda al algoritmo a evitar los óptimos locales y mejorar la calidad de la solución. El conocido benchmark de Iniciativas de Evaluación de Alineación de Ontologías (OAEIs benchmark) y tres ontologías de sensores reales se utilizan para verificar la efectividad de SAPSO. Los resultados experimentales muestran que SAPSO es capaz de emparejar eficazmente las ontologías de sensores.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Posicionamiento innovador; Técnicas de comunicación móvil; Servicios basados en la localización; Web semántica de sensores; Optimización de enjambre de partículas; Correspondencia de ontologías de sensores.
• Keywords:Innovative positioning; Mobile communication techniques; Location-Based Services; Semantic Sensor Web; Particle Swarm Optimization; Sensor ontology matching