Building Semantic Knowledge Graphs from Sensor Data Streams

In our world today, the Internet of Things (IoT) has become a reality, with countless devices interconnected and generating a massive amount of data every hour. This data holds immense potential – when harnessed and linked to the digital realm, it can pave the way for novel capabilities, enhanced experiences, and remarkable economic prospects for businesses, individuals, and entire nations. Yet, the challenge lies in making sense of this flood of data in real-time, as it is not just a lot but also quickly evolving and stemming from diverse and complex sources. Navigating this vast sea of information to extract meaningful insights is a challenging task, especially when it comes to big data form of sensor streams. This thesis puts forth an innovative interdisciplinary approach aimed at constructing knowledge graphs from the dynamic streams of sensor data in IoT domains. This approach draws on the strengths of two distinct research domains: one focusing on the intricacies of handling, managing, and analyzing IoT data streams, and the other centered on the semantic foundations, involving ontologies. Through a constructive collaboration of these two fields, this thesis offers a holistic and real-time perspective on the diverse IoT data sources. This is facilitated by advanced software solutions and innovative technologies, culminating in a unified and coherent view that caters to the heterogeneous nature of IoT data. Keywords: Internet of Things, sensor data, knowledge graphs, big data, semantic foundations, ontologies, real-time insights.

Costruire grafi di conoscenza semantica dai flussi di dati dei sensori. Nel mondo odierno, l'Internet delle cose (IoT) è diventato una realtà, con innumerevoli dispositivi interconnessi e che generano un'enorme quantità di dati ogni ora. Questi dati racchiudono un potenziale immenso: se sfruttati e collegati al regno digitale, possono aprire la strada a nuove capacità, esperienze migliorate e notevoli prospettive economiche per aziende, individui e intere nazioni. Tuttavia, la sfida sta nel dare un senso a questa marea di dati in tempo reale, poiché non sono solo tanti, ma sono anche in rapida evoluzione e provengono da fonti diverse e complesse. Navigare in questo vasto mare di informazioni per estrarre informazioni significative è un compito impegnativo, soprattutto quando si tratta di flussi di sensori basati su big data. Questa tesi propone un approccio interdisciplinare innovativo volto a costruire grafici della conoscenza dai flussi dinamici di dati dei sensori nei domini dell'IoT. Questo approccio si avvale dei punti di forza di due distinti domini di ricerca: uno incentrato sulle complessità della gestione, gestione e analisi dei flussi di dati IoT, e l’altro incentrato sui fondamenti semantici, che coinvolgono le ontologie. Attraverso una collaborazione costruttiva di questi due campi, questa tesi offre una prospettiva olistica e in tempo reale sulle diverse fonti di dati IoT. Ciò è facilitato da soluzioni software avanzate e tecnologie innovative, che culminano in una visione unificata e coerente che soddisfa la natura eterogenea dei dati IoT. Parole chiave: Internet of Things, dati dei sensori, grafici della conoscenza, big data, fondamenti semantici, ontologie, insight in tempo reale.