論文の概要: A Context-Aware Knowledge Graph Platform for Stream Processing in Industrial IoT

• arxiv url: http://arxiv.org/abs/2602.19990v1
• Date: Mon, 23 Feb 2026 15:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.892125
• Title: A Context-Aware Knowledge Graph Platform for Stream Processing in Industrial IoT
• Title（参考訳）: 産業用IoTにおけるストリーム処理のためのコンテキスト対応知識グラフプラットフォーム
• Authors: Monica Marconi Sciarroni, Emanuele Storti,
• Abstract要約: 本研究では,データストリーム管理のためのコンテキスト認識型セマンティックプラットフォームを提案する。 知識グラフを通じて異種IoT/IoEデータソースを統一する。 フレキシブルなデータ収集、構成可能なストリーム処理パイプライン、エージェントのコンテキストに基づいた動的ロールベースのデータアクセスをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Industrial IoT ecosystems bring together sensors, machines and smart devices operating collaboratively across industrial environments. These systems generate large volumes of heterogeneous, high-velocity data streams that require interoperable, secure and contextually aware management. Most of the current stream management architectures, however, still rely on syntactic integration mechanisms, which result in limited flexibility, maintainability and interpretability in complex Industry 5.0 scenarios. This work proposes a context-aware semantic platform for data stream management that unifies heterogeneous IoT/IoE data sources through a Knowledge Graph enabling formal representation of devices, streams, agents, transformation pipelines, roles and rights. The model supports flexible data gathering, composable stream processing pipelines, and dynamic role-based data access based on agents' contexts, relying on Apache Kafka and Apache Flink for real-time processing, while SPARQL and SWRL-based reasoning provide context-dependent stream discovery. Experimental evaluations demonstrate the effectiveness of combining semantic models, context-aware reasoning and distributed stream processing to enable interoperable data workflows for Industry 5.0 environments.
• Abstract（参考訳）: 産業用IoTエコシステムは、センサ、マシン、スマートデバイスを産業環境全体で協調的に動作させる。 これらのシステムは、相互運用可能でセキュアでコンテキストに配慮した管理を必要とする、多種多様な高速度データストリームを大量に生成する。 しかし、現在のストリーム管理アーキテクチャのほとんどは依然として構文統合機構に依存しており、複雑な業界 5.0 のシナリオでは、柔軟性、保守性、解釈性に制限がある。 本研究では、デバイス、ストリーム、エージェント、トランスフォーメーションパイプライン、ロールと権利の正式な表現を可能にする知識グラフを通じて、異種IoT/IoEデータソースを統一する、データストリーム管理のためのコンテキスト対応セマンティックプラットフォームを提案する。 このモデルは柔軟なデータ収集、構成可能なストリーム処理パイプライン、エージェントのコンテキストに基づいた動的ロールベースのデータアクセスをサポートし、リアルタイム処理はApache KafkaとApache Flinkに依存し、SPARQLとSWRLベースの推論はコンテキスト依存のストリームディスカバリを提供する。 産業用5.0環境における相互運用可能なデータワークフローを実現するために,セマンティックモデル,文脈認識推論,分散ストリーム処理の組み合わせの有効性を実験的に評価した。

関連論文リスト

• Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning [62.499592503950026]
  大規模言語モデル(LLM)は、ツールや環境とのマルチターンインタラクションを必要とする複雑なタスクを実行するために、自律エージェントに権限を与えている。 完全合成環境生成パイプラインであるエージェント・ワールド・モデル(AWM)を提案する。 私たちは、エージェントがリッチなツールセットと対話できる、毎日のシナリオをカバーする1,000の環境にスケールします。
  論文  参考訳（メタデータ） (2026-02-10T18:55:41Z)
• Federated Split Learning for Resource-Constrained Robots in Industrial IoT: Framework Comparison, Optimization Strategies, and Future Directions [40.35481906711933]
  Federated split learning(FedSL)は、IoT(Industrial Internet of Things)システムで協調的なインテリジェンスを実現するための、有望なパラダイムとして登場した。 本稿では,産業シナリオにおける資源制約型ロボットに適したFedSLフレームワークの総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-10-07T09:24:29Z)
• ContextNav: Towards Agentic Multimodal In-Context Learning [85.05420047017513]
  ContextNavは、自動検索のスケーラビリティと人間のようなキュレーションの品質と適応性を統合するエージェントフレームワークである。 リソースを意識したマルチモーダル埋め込みパイプラインを構築し、検索可能なベクトルデータベースを維持し、エージェント検索と構造アライメントを適用して、ノイズ耐性のあるコンテキストを構築する。 実験の結果、ContextNavはさまざまなデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-06T07:49:52Z)
• From Edge to HPC: Investigating Cross-Facility Data Streaming Architectures [0.8116550081617903]
  DTS(Direct Streaming)、PRS(Proxied Streaming)、MSS(Managed Service Streaming)の3つのクロスファシリティデータストリーミングアーキテクチャについて検討する。 我々の研究では、DTSは最小のホップパスを提供し、スループットの向上とレイテンシの低減を実現しているのに対し、MSSは複数のユーザに対してデプロイメントの実現可能性とスケーラビリティを提供していますが、大きなオーバーヘッドが発生しています。 PRSは、ほとんどの場合、DTSに匹敵するパフォーマンスを備えたスケーラブルなアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2025-09-28T18:54:38Z)
• Design and Evaluation of a Scalable Data Pipeline for AI-Driven Air Quality Monitoring in Low-Resource Settings [0.4681310436826459]
  本稿では,AirQoデータパイプラインの設計,実装,評価について述べる。 Apache Airflow、Apache Kafka、Google BigQueryといったオープンソースの技術を使って構築されている。 我々は、400以上の監視装置から毎月数百万の空気品質の測定を取り込み、変換し、分散するパイプラインの能力を実証する。
  論文  参考訳（メタデータ） (2025-08-20T06:19:27Z)
• Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [83.65386456026441]
  Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがる100以上のデータ処理オペレータがバックアップするデータ処理システムである。 データ分析、合成、アノテーション、基礎モデルのポストトレーニングなど、より重要なタスクをサポートする。 このシステムは公開されており、さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
  論文  参考訳（メタデータ） (2024-12-23T08:29:57Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Pathway: a fast and flexible unified stream data processing framework for analytical and Machine Learning applications [7.850979932441607]
  Pathwayは新しい統一データ処理フレームワークで、バウンドとアンバウンドのデータストリームの両方でワークロードを実行できる。 本稿では,本システムについて述べるとともに,バッチとストリーミングの両コンテキストにおいて,その性能を示すベンチマーク結果を示す。
  論文  参考訳（メタデータ） (2023-07-12T08:27:37Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
  本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。 FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。 分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
  論文  参考訳（メタデータ） (2021-05-25T08:02:44Z)
• ESTemd: A Distributed Processing Framework for Environmental Monitoring based on Apache Kafka Streaming Engine [0.0]
  分散ネットワークとリアルタイムシステムは、新しいコンピュータ時代、モノのインターネットにとって最も重要なコンポーネントになりつつある。 生成されたデータは、微妙な生態から自然資源、都市環境まで、環境指標を計測、推測、理解する能力を提供する。 不均質な環境データにストリーム処理を適用するための分散フレームワークであるEvent STream Processing Engine for Environmental Monitoring Domain (ESTemd)を提案する。
  論文  参考訳（メタデータ） (2021-04-02T15:04:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。