Mash-up based service and data integration in the CAMUS framework

The large number of data and services available on the Web has brought an increase in information heterogeneity that may confuse the potential users. Retrieving the information that is useful for a particular goal, distinguishing it from irrelevant data, is a very complex process. In fact, users who need different information in different situations have to disentangle themselves through a multitude of sources. To help the user to achieve the information that s/he needs, the Context-Aware Mobile mashUpS (CAMUS) system has been proposed. CAMUS is a framework for the creation of mobile mash-ups which leverages the context in which the user is to propose information of interest and pertinent to the different situations. Within this project, our thesis presents a model to invoke the services that return information regarding the user’s context and to integrate the heterogeneous data derived from them. This approach is been realized considering that the system should i) select the best services according to the context in which a user is; ii) create a query plan for the invocation of each selected service; iii) merge the data retrieved from the different invoked APIs.

L'elevato numero di dati e servizi disponibili sul Web ha portato ad un aumento dell'eterogeneità delle informazioni che potrebbe confondere i potenziali utenti. Il recupero delle informazioni utili per un particolare obiettivo, distinguendole da quelle irrilevanti, è un processo molto complesso. Infatti, gli utenti che necessitano di diverse informazioni in situazioni differenti devono districarsi attraverso una moltitudine di fonti. Per aiutare l'utente a ottenere le informazioni di cui ha bisogno, è stato introdotto il sistema CAMUS (Context-Aware Mobile mashUpS). CAMUS è un framework per la creazione di mobile mash-up che sfrutta il contesto in cui l'utente si trova, per proporre informazioni di interesse e pertinenti alle diverse situazioni. All'interno di questo progetto, la nostra tesi presenta un modello per invocare i servizi che restituiscono informazioni relative al contesto dell'utente e per integrare i dati eterogenei che ne derivano. Questo approccio è stato realizzato considerando che il sistema dovrebbe i) selezionare i migliori servizi in base al contesto in cui si trova un utente; ii) creare un query plan per l'invocazione di ciascun servizio selezionato; iii) unire i dati recuperati dalle diverse API invocate.