A new approach to stream reasoning : integrating RDF and complex event processing

During the last few years, the evolution of pervasive systems, their widespread use in everyday life, and the birth of new related topics like the Internet of Things or Big Data, have led to the necessity of defining new methods and techniques to deal with the more and more growing amount of data that are to be processed. The fusion of the concepts concerning these research areas with the one known as Semantic Web, involving the effort of finding a way to deal with knowledge and human reasoning formal representations, has given rise to the field of Stream Reasoning, where huge amounts of dynamic and volatile data, rapidly and continuously changing, need to be combined with mostly static or slowly varying information regarding a domain of interest, over which semantic reasoning can be carried out during stream processing. The purpose of this thesis is to present and study a new CEP-oriented approach to Stream Reasoning, by means of the definition and the formalization of a new RDF-compliant event specification language derived from TESLA, and its subsequent implementation, exploiting the CEP engine T-Rex and the triple store RDFox, into a system able to process flows of events expressed as RDF data, and to reason over them. By discussing the main limitations of existing approaches, we wanted to integrate the concept of RDF event natively inside the CEP paradigm, offering, by means of our language, a unified view of static and dynamic data. Thanks to some evaluation tests about our system performance, we address the main problem arisen by its realization, and regarding the area of Stream Reasoning in general, i.e. the endeavour required to conceive fast and efficient ways to tackle the computationally intensive reasoning tasks that usually prevent from achieving real-time processing. We provide and study a first optimization to our system as a simple and initial workaround to them. We conclude the dissertation with some suggestions about future work and direction to be taken to improve our SCEP system.

Negli ultimi anni, l'evoluzione dei sistemi pervasivi, il loro diffuso utilizzo nella vita di tutti i giorni, e la nascita di termini come l'Internet of Things o i Big Data, hanno portato alla necessità di definire nuove tecniche per gestire la crescente quantità di dati da processare. La fusione di queste aree di ricerca con quella conosciuta come Web Semantico, che comporta il tentativo di trovare un modo per definire rappresentazioni formali della conoscenza e del ragionamento umano, ha dato vita al concetto di Stream Reasoning, dove flussi di dati dinamici in continuo e rapido cambiamento necessitano di essere combinati con informazioni, per lo più statiche, riguardo un dominio di interesse sul quale può essere condotto del ragionamento logico a livello semantico. Lo scopo di questa tesi è quello di presentare un nuovo approccio, orientato al paradigma CEP, per lo Stream Reasoning, tramite la definizione e la formalizzazione di un nuovo linguaggio CEP conforme allo standard RDF e derivato da TESLA, e la sua successiva implementazione grazie al CEP engine T-Rex e allo store RDFox in un sistema capace di processare e ragionare su flussi di eventi espressi nel formato RDF. Discutendo delle principali limitazioni degli approcci esistenti, abbiamo voluto integrare il concetto di evento RDF nel paradigma CEP, offrendo, attraverso il nostro linguaggio, una visione unificata di dati statici e dinamici. Grazie a test valutativi sulle performance del sistema, indirizziamo il problema principale sorto dalla sua realizzazione, e riguardante l'area dello Stream Reasoning in generale, ossia lo sforzo richiesto per ideare metodi efficienti nell'affrontare compiti computazionalmente intensivi riguardo ragionamenti logici, che impediscono di ottenere un'elaborazione in tempo reale dei dati necessari. In aggiunta, presentiamo e studiamo una prima ottimizzazione del nostro sistema come parziale e iniziale soluzione a questo problema. La dissertazione si conclude con alcuni suggerimenti riguardo il lavoro futuro e la direzione da intraprendere per migliorare il nostro sistema SCEP.