语义物联网中基于语义空间的语义协同方法研究
2016-03-17丁亚飞李冠宇
丁亚飞 李冠宇 张 慧
(大连海事大学信息科学技术学院 辽宁 大连 116026)
语义物联网中基于语义空间的语义协同方法研究
丁亚飞李冠宇张慧
(大连海事大学信息科学技术学院辽宁 大连 116026)
摘要物联网是由许多的设备互连起来构成的一个巨大网络，如何实现物理世界中物的信息共享和协同工作是实现物联网的根本所在。与此同时，借助语义网的基石-本体，能够表达物的信息的概念及其概念间的关系，因此，将语义网与物联网结合起来形成的语义物联网是实现物联网的有效手段。针对语义物联网中的语义协同方法，提出将网络物理社会和智慧物联网相结合，以机器空间、物理空间、社会空间和精神空间结合而形成的语义空间为目标，结合语义网中的本体和推理技术，通过语义匹配建立语义物联网的协同服务框架。实验结果表明，通过语义匹配、服务过滤和服务评分的语义协同过程，能够为用户提供满足其偏好的最优服务。
关键词物联网语义匹配语义协同语义物联网
SEMANTIC SPACE-BASED SEMANTIC COLLABORATION METHOD IN SEMANTIC WEB OF THINGS
Ding YafeiLi GuanyuZhang Hui
(Faculty of Information Science and Technology,Dalian Maritime University,Dalian 116026,Liaoning,China)
AbstractWeb of things is a huge network connecting many devices, how to achieve inter-things information sharing and collaborative working in physical world is the essence of the implementation of web of things. At the same time, by virtue of ontology, which is the cornerstone of semantic web, the concepts and the inter-concepts relationships about things can be conveniently expressed, therefore, to integrate the semantic web and the web of things to form semantic web of things is an effective means to implement web of things. For the semantic collaboration method of semantic web of things, we propose to combine the cyber-physical society with the wisdom web of things, by taking the semantic space composed of four sub-spaces of cyberspace, physical space, social space and mental space as target, and combining ontology and ontology reasoning technology in semantic web, to build semantic collaboration service framework of semantic web of things through ontology-based semantic matching. Experimental results show that through the semantic collaborative process, namely, semantic matching, filtering services and service ratings, it is able to provide users with the best services to meet their preferences.
KeywordsWeb of thingsSemantic matchingSemantic collaborationSemantic web of things
0引言
随着计算机技术的发展，人们已不满足人与人的互联，更希望能够让物体与物体之间，人与物体之间能够互连，因此提出了物联网[1]这一概念。物联网是指将各种信息传感设备，如射频识别装置(RFID)、红外感应器、全球定位系统、激光扫描器等各种装置与互联网结合起来而形成的一个巨大网络。物联网本身是开放性的、动态的、分布式的，即位于不同之地的信息提供主体均可独立地将物的信息上载至互联网，尽管指定了UID和EPC编码，但它们仅实现了对物的信息的表示的统一与规范即格式标准化，而对物的信息究竟应该选用哪些术语表达即属于标准化却没有做强制要求。因此，同一件物品由不同的信息提供主体将其信息上载至互联网，最终出现在物联网信息使用主体屏幕上的物的信息就会有多样化表达，如同一件物品就可能有计算机、电脑和Computer等不同的名称，即物的信息的表示形式的多样化与物的信息的使用主体的理解能力不足，即客体的多样性与主体的有限性成为物联网的内在矛盾，制约着其智能化程度的进一步提高。
为了使机器读懂互联网上的信息并进一步智能化处理，需给物的信息添加机器可理解的语义，因此在物联网的基础上引入语义网，利用语义网中的本体对物联网上的信息及其之间的关系进行描述，从而改善物的信息的使用主体(主要是机器)读懂且进一步推理，从而获取相关联信息的能力致使物联网的功能有一个质的提升，可将之称为语义物联网[2]。
1背景知识
1.1网络物理社会
诸葛海提出“人类的认知过程和工作过程是人类解决问题中不可分离的部分，然而大多数人都忽略了对知识密集的团队协作的认知过程研究”[3]。通过网络将各国的系统连接起来能够创造一个全球性的生态环境管理服务系统，进而网络系统中的人能够协同地监测、模拟、研究、管理和控制一些突发的危机事件，从而将分布式的资源，也就是设备、信息、知识以及服务智能化地集成来提供及时高效的服务应对这种危机，这与物联网的思想不谋而合。在物联网中，各种传感器、网络、移动化的数字设备以及机器等将整个互联网扩展成一个普适互联环境来自动地监测和收集各种数据，从而创造一个丰富多彩的、可扩展的互联环境。
网络物理社会是一个多维的复杂空间，能够形成和演化为不同类型个体的多个子空间，个体之间能够直接交互或者通过网络、物理、社会和精神空间相互影响。丰富的个体和角色之间能够和谐共存并演化，为彼此之间提供所需信息、知识和服务，从一种形式转换为另外一种形式，通过各种链接进行交互，并根据价值链进行自组织。
网络物理社会的循环是机器空间、物理空间、社会空间和精神空间和之间的交互模式，类似于自然生态系统中能量、物质以及信息之间的相互转化过程。在生态系统中，不同地区的人们使用各种链接来协同完成任务，共同推动物质、能量、技术、信息、知识和服务的流动，使得整个生态系统在动态地保持各组成部分之间的平衡关系的条件下，朝着和谐持续的方向发展。
1.2语义链网络
万维网的原型是超链接文本网络，人们通过网络能够浏览和搜索分布在世界各地的Web网页，虽然可以设置字体的颜色和大小，但是阅读超文本和阅读普通文本没有什么显著区别。超链接网络存在如下缺点：1) 超链接的构建依赖于编程人员，编程人员设置的标签不足以表达文本之间的关系；2) 如何在一个超文本中插入超链接没有严格的限定；3) 超链接网络没有推理能力，不能从已存在的超链接中推导出其它的超链接；4) 不涉及链接规则；5) 不考虑从超文本中添加或者删除超链接所造成的影响；6)超文本更多地是方便人理解却不便于机器理解，从而阻碍了机器做进一步的处理和推理。
挖掘信息网络的结构是理解和使用网络的一种方式，针对万维网在信息表达、信息检索等方面所存在的缺陷，万维网的缔造者Tim Berners-Lee[4]在XML2000会议上，提出了语义网的构想。其中，本体作为一种在语义和知识层次上对信息进行描述的工具，在语义网中占据着核心地位。本体作为描述概念及概念之间关系的一种工具，近年来被广泛应用于计算机的各个领域。它通过统一的概念，达到知识共享的目的，从而避免了重复的领域分析，为建立协同工作的系统提供了良好的基础。使用本体来描述Web上的信息，从而为Web上的信息提供语义，使机器能够“真正”理解数据的含义，达到语义Web上的信息是机器可以理解的。语义链网络[5]是对超链接网络的自然扩展，它在超链上附加一个语义因子来反映语义关系，在一组链接规则的支持下，进行关系推理，进而实现不同空间个体的实时交互。相比之下，超链接网络则不具备关系推理能力。
语义链网络包括形式和语义，其基本形式如下：
SLN =< N, L, Rules, OP >
其中，N是一组语义节点，可以为概念、结构或者文本、图像、视频等特殊的对象，语义节点N可形式化为n或n[c],c为语义节点的类，c包含一组属性，当需要节点状态变化的情况下，节点c的状态可以通过在t时刻的属性值来表示，表示为n(t)=
L是一组语义链，表明两个语义节点n与n′之间的关系，形式化表示为n-α-n′或n-α[c]-n′,α是节点之间关系的标示符，反映节点间属性的关系，即基于属性的语义链。例如olderThan反映的就是属性age的顺序，一些语义链反映的是语义节点行为的关系，即基于行为的语义链；friend反映的是语义节点之间交互的满意度，但基于属性的语义链和基于行为的语义链之间不能相互推导；friend链接不能从sameAge链接中推导出来。
Rules是一组链接规则，通过规则的推理，能够从原来的语义节点中推导出隐含的语义节点。
OP是SLN中的一组操作，最基本的两个操作是Add和Delete，可分为AddLink、DelLink、AddNode、DelNode、AddRule和DelRule这八种操作形式，通过语义节点之间的协同，个体可以向SLN中添加或者删除语义节点、语义链和链接规则。
语义链网络SLN是为了反映机器空间中的社会关系。不同于超链接的超文本链接方式，语义链L则是将满足某种规则的语义节点联系起来。类似地，规则Rules也具有如下特征：
1) 具有推理能力；
2) 具有演化能力，添加或者删除一个语义链就会影响整个语义网络；
3) 不同的操作顺序影响结果。
语义空间包含了对概念和规则的分层，超类的概念和子类的概念决定了概念的语义范围，也就是语义网中的本体的构建，语义链的语义由类、属性、关系和规则表示，语义节点的语义由类、属性、关系、邻节点和实例表示。
1.3智慧物联网
在HTTP、HTML/XML等Web核心技术的支持下，一个全新的信息网络正在形成，它在人的社会世界和物的物理世界之间构建了一个飞速发展的信息世界，是一个涵盖了人、机、物的超世界[6]，称之为智慧物联网W2T(Wisdom Web of Things)。W2T是将社会中的人、网络世界中的信息(计算机)以及物理世界中的物体相互融合所组成的网络，智慧(Wisdom)意味着物联网中的物能够自我感知和相互感知以便在正确的时间、将正确的内容和正确的服务提供给正确的对象[7]。其中，超世界的基础是数据，要实现超世界中人-机-物的有机融合与和谐共存共生，就需要一个高效的循环系统来实现“物-数据-信息-知识-智慧-服务-人-物”的数据循环。该系统必须能及时、准确地捕捉超世界中不断变化的人和物的情境信息, 从中抽取信息、知识，“智慧”地理解用户的真实需求，从而将主动的、透明的、安全的、可信的服务提供给用户。
为了提供这种“智慧”服务，系统需要根据内部或外部的上下文变化来改变自身的结构或行为，这种特性被称之为自适应性。W2T的自适应性类似于自然界的食物链系统，不同的是，W2T的上下文中的“食物”是信息、知识、智慧、服务等的数据处理结果，W2T在某种程度上可看作是具有自适应性的物联网。W2T中的自适应可通过以下例子体现。
假定现实社会中的每个成年人在网络上都有一个cyber-individual副本CI，记录着这个成年人的所有信息。例如个体A有自己的CIA，当他(她)将自己的结婚照放在社交网站上时，W2T可以发现个体B的CIB，B是A的配偶，之后W2T修改A和B的关系，同时根据一些上下文知识，例如A国家的婚姻法(假设一夫一妻制)和结婚后的蜜月风俗(假设他们决定去海外旅行)，W2T首先删除A和B在婚恋网上的信息，然后根据A和B的个人偏好将他们的个人信息注册在旅游网站和酒店网站上。显然这是W2T感知到A的婚姻状态的变化，自动收集数据最终做出上述决策的过程。
1.4语义物联网
语义物联网与WWW不同，WWW仅规定了以何种方式展示信息，却对信息的元数据缺乏描述，WWW中HTML所提供的链接缺乏语义，搜索引擎无法从HTML语言里读出网页数据的含义，万维网上的内容仍旧需要人来过滤理解，计算机无法自动识别出特定语义的数据。而语义物联网是将物理世界中的物的信息通过传感器、RFID等技术上传到互联网中，进而通过语义网中的OWL等技术对信息进行描述，从而解决分布式系统之间的异构问题，实现其相互通信，达到信息的共享和交换目的，其本质与WWW技术有很大不同。
语义网运用本体驱动的信息表达和知识推理，在机器空间，实现了人-机、机-机、机-人的智能信息交互，核心就是机-联网。物联网通过传感器网络及RFID等技术将物的信息存储到物体，在物理空间中，实现了物-物、物-机、机-机、机-物之间的智能/非智能的信息交互，核心就是物-联网。社会化网络，实现了人-事、事-事、事-人和人-人之间的智能/非智能的信息交互，核心就是事-联网和人-联网。
语义物联网则是从信息生态系统中人、机、物、事这四个基本构成要素及其交互关系的整体系统体系结构的角度出发，在语义网、物联网和社会化网络的基础上，构建融合机器空间、物理空间和社会空间的统一的复杂语义空间，通过语义协同技术，实现人-机-物-事的智能化信息交互。其中，事实质上就是信息、服务、知识、智慧(行动知识)。语义物联网与语义网、物联网及社会化网络之间的关系如图1所示。
图1 语义物联网与语义网、物联网及社会化网络之间的关系
由图1可以看出，语义物联网的实质即语义网(机器空间)、物联网(物理空间)和社会化网络(社会空间)的公共交集。
有别于物联网，语义物联网的“语义”就是，众多的物与事的信息发布主体(专业人员)所主导的“基于本体的语义信息标注”和众多的物与事的信息使用主体(普通人/机器)所进行的“基于本体的信息语义理解”。
语义协同是语义物联网实现的关键所在，是多个信息发布主体分布式地、遵循某些公认规范所采取的一系列操作，旨在实现在语义层面上的信息交换和信息共享。语义协同被认为与语义互操作近义，其目标都是获得语义互操作性，而后者恰恰是ISO/IEC2382所权威定义的互操作性的一种具体实现。语义协同的近期目标所要获得的语义互操作性，就是层次为语义级而程度为协同级的互操作性，其长远目标是语义和谐、语用协同和语用和谐。
结合图1及第1.3节对智慧物联网的分析，可以看出，W2T很明显可以视为语义物联网的一种可行的解决方案。
语义物联网不仅是对语义网、物联网和社会网络的三者的结合与集成，更是向三者的领域反向扩展以实现全过程语义计算的过程，通过语义空间中的语义节点表达人、机、物、事及其之间的关系，从而为它们之间的交互提供一个协同的服务环境。
交互技术是实现系统互操作性的手段，因此，普适计算(也可称为环境智能)作为我们未来愿景的生活方式的一种互操作性实现的交互技术，可在语义物联网中，通过运行在用户个人移动设备上的智能体与其他嵌入式设备及网络节点交互，以上下文感知的方式从部署在开放的服务生态环境中的物体中抽取数据，从而以“随时随地”的方式为用户提供所需的服务和信息。
2语义物联网中基于语义空间的语义协同
W2T是实现信息、知识、智慧、服务、人的一个循环过程，语义物联网的语义协同过程也是如此。物理空间中的物的信息通过无线传感器等设备上传到互联网中，处在社会空间中的用户想获取某种服务时，通过上下文感知的方式将用户的信息上传到网络中，然后将智能移动设备IMD(Intelligent Mobile Device)连接到本地服务器LSS(Local Service Server)上，在用户本体、IMD设备本体和LSS服务本体的语义协同过程中，通过Jena推理引擎为用户选择最优的服务，最终用户通过自己的IMD下载本地服务。基于此，本文提出的语义物联网中基于语义空间的语义协同系统框架如图2所示。
图2 基于语义空间的语义协同系统框架
2.1基于语义链桥对等模型的服务发现机制
T. Gruber在1993年给出本体的定义：本体是共享概念模型的形式化的说明。根据语义物联网中本体的分布性及语义链网络的定义和特点，本文提出了一个基于语义链的桥对等模型SEMANTIC LINK BPM(Bridge-Peer Model)来解决分布式本体之间的通信问题。SEMANTIC LINK BPM中的类为语义链网络中的语义节点，从而发现节点之间的隐含关系。如图2所示，通过Web服务本体对Web服务资源构建SWRL规则，根据SWRL规则文件和Web服务资源划分语义链服务集群，从而推理类间、属性间和实例间的关系，SEMANTIC LINK BPM能够根据语义物联网环境的不断变化动态地修改语义节点之间的关系，因而能够返回最新的查询结果。通过SWRL的推理，构建一个语义链网络，能够实现不同领域本体之间知识的共享，从而为信息的自动发现、存储以及管理提供一个语义协同环境。
SWRL规则[8]是OWL语言在Horn字句上的扩展，如果采用直观的形式来描述SWRL的结构，其基本形式为：antecedent⟹consequent。
这个形式可以理解为：如果antecedent为true，那么就可以得出consequent这样的结论。
SWRL规则的形式化表示如下：
A(?x)->C1(?x)(C2(?x)
其中，A、C1、C2是不同的类，x是规则中的唯一变量。
图2中的划分语义链服务集群的核心工作就是SEMANTIC LINK BPM，具体流程如图3所示，其中包括桥节点，它存储着所在集群内的本体信息和相应的SWRL规则，是集群之间相互联系的中间件；白色圆点代表客户端对等点，每个节点代表一个本体，本体内的节点中的带有黑色阴影的节点代表语义节点。例如图3所示的桥节点1={本体A, 本体B, SWRLA, SWRLB}。
传统的本体映射方法采用基于结构和语义比较的计算方法来发现本体中类的关系，因此不同结构和语义的本体可能会使集群的语义不相关。
在SEMANTIC LINK BPM中，每个节点都有自己的类和SWRL规则，集群内本体之间的语义关系通过SWRL规则推理，内层语义节点之间的语义关系可通过SWRL规则进行语义链接，形成语义链网络。因此在开放动态的语义物联网环境中，可以通过添加或者删除语义节点来保持语义链网络的稳定性。
当用户查询某个集群内的本体节点时，根据SWRL规则，BPM可以同时完成分布式的本体之间和语义相关的本体之间的映射。因此增强了BPM的查询处理能力，SEMANTIC LINK BPM的查询过程如图4所示。
图3 SEMANTIC LINK BPM流程图 图4 SEMANTIC LINK BPM查询流程图
假定LSS提供两类本地服务，一类是为用户提供各类电子设备的本体SuperMarket，ElectronicShop和SecondaryMarket，一类是为用户提供各种书本的本体BookStore和Library，因此存在两个服务集群ElectronicProduct和BookShop，如表1所示。
表1 SEMANTIC LINK BPM的服务集群
根据表1中SEMANTIC LINK BPM构造的桥节点关系流程图如图5所示，也是图3的一个具体实例。
图5 SEMANTIC LINK BPM桥节点关系流程图
图5中每个服务本体的类、个体和SWRL规则如表2所示。
表2 SEMANTIC LINK BPM服务本体及SWRL规则
2.2基于上下文感知的用户信息获取
由于用户通常处在各种各样的情境(上下文)之中，例如街道、超市或者书店，因此IMD应该首先获得用户的上下文集[9]。用户的上下文集包括从移动设备的物理传感器获得的上下文以及从虚拟传感器获得的上下文(如天气)，从这些上下文集中进行推理从而知道当前的服务是否可被用户使用。基于此，本文提出如图6所示的上下文感知引擎来获取用户的情境信息，根据收集到的上下文进行推理，从LSS中为用户提供最优服务。
本文所使用的上下文引擎结构如图6所示，用于判断用户的上下文信息，用户通过图2的用户查询界面查询分析用户上下文信息。
图6 上下文感知引擎结构
其中，上下文感知引擎包含四个模块，上下文接口层支持高层的应用层，它将收到的应用程序查询传递到上下文处理引擎进行推理，推理结果通过上下文接口层返回给应用层。另一方面，传感器适配层处理从底层传感器收集的数据，将这些数据转换为上下文信息，并送到上下文处理引擎进行推理。上下文处理引擎CPE(Context Processing Engine)包含两个功能，上下文模型管理和上下文推理，上下文模型管理通过上下文推理运行和管理知识库，从而推断出用户的当前情境。
假定用户Lee想根据自己的IMD从LSS获取服务，那么首先需要根据图6获取用户当前的上下文信息，从而关联相应的用户本体、IMD设备本体以及LSS服务集群本体。根据上文提出的语义链网络可知，每个用户本体也是网络物理社会中所提到的社会空间的语义节点，通过语义链网络的链接和推理，将与用户关联的机器空间、物理空间、社会空间和精神空间紧密连接起来。
本文使用FOAF(Friend of a Friend)词汇表[10]来关联用户本体，构建图2所示的用户本体。FOAF词汇表广泛用于社交网站中用户的语义Web文件,能够以标准的形式表达大量的分布式数据，不仅能够描述用户的姓名，年龄等个人信息，还可以描述用户的个人偏好信息，这些信息可以表示用户当前的上下文信息。
使用UAProf(User Agent Profile)本体[11]来关联IMD设备本体，构建图2所示的设备本体。UAProf本体是WAP(Wireless Access Protocol)论坛创建的用于处理元数据的本体，能够根据一组解析规则对文件信息进行解析，主要应用于具有WAP的手机，不仅能对IMD的模型名称、制造商、屏幕尺寸、分辨率等设备信息进行描述，还可以描述从传感器获取的信息。LSS服务集群本体包含服务名称，以及设备信息的服务类型，从而过滤掉IMD不能执行的服务。
根据用户Lee当前的上下文信息关联的用户本体和IMD设备本体如表3所示。
表3 用户本体和IMD设备本体信息
LSS服务集群本体如表4所示。
表4 LSS服务集群本体信息
2.3基于本体的语义协同
根据图6提出的上下文感知引擎可推断出用户的当前情境，然后通过IMD和LSS在本体的基础上进行语义协同，为用户提供最优服务。IMD和LSS的语义协同过程描述如表5所示，是图2提出的语义协同过程的具体化。
表5 IMD和LSS的语义协同过程描述
Jena良好的兼容性能够广泛地用于解析本体并利用强大的API进行Java语言开发，因此本文在JADE的开发平台上，使用基于Jena的推理引擎来实现IMD和LSS的推理。
2.4基于本体协同的服务优化
假定用户Lee想从电子产品店SuperMarket、ElectronicShop和SecondaryMarket中获得一些关于Electronic Products的信息。
首先，根据SEMANTIC LINK BPM可知，用户Lee可获得的服务信息为：{Tablet PC, MP5, Haier, Midea, Air conditioning, Lenovo, Dell}，同时可知这些服务在#001，#002，#003中。
然后，再根据服务过滤机制，对IMD设备本体和LSS服务集群本体进行语义匹配，过滤掉LSS提供的不匹配的服务。
本文提出的服务过滤过程如图7所示，是图2中服务过滤的具体化。
图7 服务过滤过程描述
通过比较表3中的各项信息以及服务的限制条件发现，服务#003和#005被首先从用户Lee的服务列表中删除，因为它们的分辨率和操作系统这两种属性和IMD设备本体的属性不同，因此只剩下服务#001、#002和#004。
由于服务#004是书店服务，不满足用户对电子产品方面的需求，因此经过服务过滤后，只剩下服务#001和#002，其结果集为{Tablet PC, MP5, Haier, Midea }。
然后，根据图2中服务评分机制，对用户本体和过滤后的LSS服务本体进行语义匹配，进而推理出满足用户个人偏好的最优服务。
服务评分机制如图8所示，其中DP表示用户/设备偏好集，dipj表示DP中的任意一个用户/设备偏好, Sipj表示服务本体中的任意一个服务偏好，α表示用户/设备的偏好值，分值表示服务过滤时用户/设备满足服务环境基本属性的权值之和。图8是图2中服务评分的具体化。
图8 服务评分机制流程图
通过评分机制发现，服务#001的评分最高，更能满足用户Lee，因此LSS发送最优服务#001到用户Lee的IMD上，即{Tablet PC, MP5}，用户Lee就可以使用自己的IMD进行下载。由于Tablet PC和MP5是SuperMarket中的产品，因此用户可以去SuperMarket购买这两种产品。
当用户Lee购买SuperMarket中的Tablet PC产品后，还想询问售货员附近的书店信息，由于SuperMarket没有提供这种服务，因此他使用自己的Tablet PC查询有关Computer operating system books方面的书籍，接着用户Lee发送查询到Bridge_ElectronicProduct，通过Bridge_ElectronicProduct分析用户Lee的查询可知，Bridge_BookShop可能有用户需要的信息，因此Bridge_ElectronicProduct发送查询到Bridge_BookShop，Bridge_BookShop再根据存储在桥对等点中的数据和查询请求进行匹配，同时对用户本体、IMD设备本体进行关联匹配，根据匹配结果，用户Lee可以获得Computer operating system books的信息，由于Computer operating system books在BookStore中，因此用户Lee可以去BookStore中购买关于Computer operating system books的书籍。
3结语
本文将机器空间、物理空间、社会空间和精神空间相结合形成语义空间，并对语义空间中语义协同方法进行研究。基于语义链桥对等模型可将本地的资源进行语义链接，并在SWRL规则的基础上，推理出语义节点之间的关系。同时，由语义链网络的自适应性，可依据用户的需求添加或者删除一些语义节点，以适用于语义物联网环境下服务需求的变化。此外，本文还设计了一个上下文感知引擎以获取用户的当前上下文信息，通过实例说明了从用户本体，IMD设备本体和服务集群本体进行关联，经过语义匹配、服务过滤和服务评分的语义协同过程，最终获得最优服务的完整过程。
参考文献
[1] 王保云.物联网技术研究综述[J].电子测量与仪器学报,2009,23(12):1-7.
[2] 黄映辉,李冠宇.语义物联网:物联网内在矛盾之对策[J].计算机应用研究,2010,27(11):4088-4090.
[3] Zhuge H.Semantic linking through spaces for cyber-physical-socio intelligence:A methodology[J].Artificial Intelligence,2011,175(5):988-1019.
[4] 宋炜,张铭.语义网简明教程[M].北京:高等教育出版社,2004.
[5] Zhuge H.The Complex Semantic Space Model[C]//Enabling Technologies:Infrastructure for Collaborative Enterprises (WETICE) 2011 20th IEEE International Workshops on.IEEE,2011:9-15.
[6] Zhong N,Liu J,Yao Y.In search of the wisdom web[J].IEEE Computer,2002,35(11):27-31.
[7] Gao Y,Lin M,Wang R.Adaptive support framework for wisdom web of things[J].World Wide Web,2013,16(4):379-398.
[8] Liu Y,Wang R,Peng L,et al.SWRL Bridge-Peer Model:An Improved Super-Peer Model Based on the Extended SWRL and Its Application[C]//Internet of Things (iThings/CPSCom),2011 International Conference on and 4th International Conference on Cyber,Physical and Social Computing.IEEE,2011:739-743.
[9] Jeon P B,Kim J,Lee S,et al.Semantic Negotiation-Based Service Framework in an M2M Environment[C]//Proceedings of the 2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology-Volume 02.IEEE Computer Society,2011:337-340.
[10] Jeon P B.Context Aware Intelligent Mobile Platform for Local Service Utilization[C]//Web Intelligence and Intelligent Agent Technology (WI-IAT),2012 IEEE/WIC/ACM International Conferences on.IEEE,2012,1:635-638.
[11] Butler M H.CC/PP and UAProf: Issues,improvements and future directions[C]//Proceedings of W3C Delivery Context Workshop (DIWS 2002),2002.
中图分类号TP3
文献标识码A
DOI:10.3969/j.issn.1000-386x.2016.02.001
收稿日期：2014-05-14。国家自然科学基金项目(61371090，6127 2171)。丁亚飞，硕士生，主研领域：智能信息处理。李冠宇，教授。张慧，硕士生。
