JPT/bachelorthesis
0
0
Fork 0
Code Issues Pull Requests Activity

[TASK] Generic commit.

Browse Source
This commit is contained in:
Jan Philipp Timme 2016-09-27 10:30:57 +02:00
parent 3b00f1da4d
commit ebead39e63
1 changed files with 6 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

12
Bachelorarbeit.tex
View File

@ -518,9 +518,9 @@ Wie aus Listing~\ref{lst:sample_abstract_event_data} zu erkennen ist, ist jedes
\section{Sprachkonzepte für CEP-Regeln}
Um die Ereignisdatenströme von RDF-Quadrupeln nun in der C-SPARQL-Engine verarbeiten zu können, werden CEP-Regeln benötigt, die im Verarbeitungsprozess verwendet werden, um die Ereignisdaten auszuwerten. Im Fall der C-SPARQL-Engine sind CEP-Regeln als CSPARQL-Queries zu formulieren.
Um die Ereignisdatenströme von RDF-Quadrupeln nun in der C-SPARQL-Engine verarbeiten zu können, werden im Verarbeitungsprozess CEP-Regeln benötigt, um die Ereignisdaten auszuwerten. Im Fall der C-SPARQL-Engine sind CEP-Regeln als CSPARQL-Queries zu formulieren. Anhand einer abstrakten Sprache soll dieses Kapitel veranschaulichen, wie die einzelnen Aspekte eines CSPARQL-Queries zur Verarbeitung von Ereignisdaten verwendet werden können.
\begin{lstlisting}
\begin{lstlisting}[label={},caption={}]
CONDITION
WITHIN LAST 10min STEPPING 10s
PICK FooEvent AS f, BarEvent AS b
@ -536,7 +536,7 @@ ACTION
\subsection{CSPARQL als Sprache für CEP-Regeln}
\begin{lstlisting}
\begin{lstlisting}[label={},caption={}]
CONDITION
...
ACTION
@ -578,18 +578,18 @@ Mögliche Aggregationsfunktionen laut \cite{barbieri:csparql} sind:
\todo{\dots} Ereignismuster lassen sich durch Sequenzen von auftretenden bzw. nicht auftretenden Ereignissen definieren. Um diese zu finden, müssen Tripel selektiert werden, die zu den benötigten Ereignistypen korrespondieren, wobei diese später über \texttt{FILTER}-Anweisungen in ihrer Reihenfolge festgelegt werden. Über Differenzen der durch \texttt{f:timestamp(?s,?p,?o)} angegebenen Zeitstempel von gegebenen Tripeln lassen sich auch zeitliche Beziehungen eingrenzen und festlegen.
\subsection{Auslösen von Aktionen}
Erzeugen von Ereignissen innerhalb von CSPARQL-Queries. Hinweise auf Möglichkeit der Auslösung von Reaktionen beim Beobachten der Abfrageergebnisse.
Erzeugen von Ereignissen innerhalb von CSPARQL-Queries (durch Registrierung der CSPARQL-Queries als neue Ereignisströme an der Engine). Hinweise auf Möglichkeit der Auslösung von Reaktionen beim Beobachten der Abfrageergebnisse.
\section{Einbindung von Domänenwissen}
Integration von Hintergrundwissen findet live im Query statt ohne extra Klimmzüge, da alles innerhalb der CSPARQL-Queries abzufragen ist.
Integration von Hintergrundwissen findet live im Query statt ohne extra Klimmzüge, da alles innerhalb der CSPARQL-Queries abzufragen ist. Lediglich der lokale Graph muss gegebenenfalls genannt werden.
\section{Reasoning auf RDF-Datenströmen}
\begin{itemize}
\item Reasoning auf RDFS-Level kann die C-SPARQL-Engine laut Quellen definitiv; man braucht es sozusagen nur noch einzuschalten und ein RDFS-Vokabular + RDFS-Entailment-Regeln füttern \dots
\item Masterarbeit von Stefan Lier
\item Auf Masterarbeit von Stefan Lier referenzieren
\end{itemize}