Complex Event Processing in Web Streams with Ontology-Based Abstraction Layers for Smart City Frameworks
Notice bibliographique
Résumé
Smart cities embody the integration of information technology, urban infrastructure, and citizen engagement to optimize city functions and drive economic growth. A critical component in achieving this integration is the ability to process complex events in real-time, particularly from diverse web streams. This paper introduces a novel framework for Complex Event Processing (CEP) in web streams by employing ontology-based abstraction layers, aiming to enhance the interpretability and interoperability of heterogeneous data sources within smart city frameworks. The proposed approach uses a layered architecture where the bottom layer deals with raw data streams from various sources, including IoT devices, social media, and sensor networks. The middle layer employs an ontology-based model to abstract and enrich the raw data, providing a unified and semantic representation. This representation facilitates the identification and correlation of complex events, which are pertinent to city management and planning. The top layer involves the application of advanced data mining techniques to predict, detect, and respond to urban events in a timely and efficient manner. Through this methodology, the framework addresses the challenges of scalability, semantic heterogeneity, and real-time processing needs inherent in smart city applications. Empirical evaluations demonstrate the efficacy of the approach in various urban scenarios, showing promising improvements over existing methods. This work lays a foundational architecture for future research and development in smart city technologies, aiming to make urban areas more livable, sustainable, and efficient.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».