4 Method for the Formation of Ontological Knowledge Bases
in Semantic Web Systems Based on Targeted Enumeration . . . . . . . . . 215
5 Formal Model of Table Structure Knowledge Sources . . . . . . . . . . . . . 218
6 The Method of Analysis of the Sources of Knowledge
of Table Structures Based on Targeted Enumeration . . . . . . . . . . . . . . 220
7 Experimental Studies of the Effectiveness of the Method of Targeted
Enumeration in the Formation of OKB . . . . . . . . . . . . . . . . . . . . . . . 223
8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Semantic Techniques to Support IoT Interoperability . . . . . . . . . . . . . . 229
Beniamino Di Martino and Antonio Esposito
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
2 State of the Art . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
2.1 Semantic Technologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
3 The Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
4 The API Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
5 The API Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
6 The WSDL and OWL-S Representations . . . . . . . . . . . . . . . . . . . . . . 243
7 Conclusions and Future Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Semantic IoT Interoperability and Data Analytics Using Machine
Learning in Healthcare Sector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Pratiyush Guleria and Manu Sood
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
2 Literature Review . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
3 Layered Framework of Interoperability in IoT . . . . . . . . . . . . . . . . . . 248
3.1 IoT Interoperability Challenges . . . . . . . . . . . . . . . . . . . . . . . . 249
3.2 Web Ontology Framework for Semantic Interoperability
in IoT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
3.3 Conceptual Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4 Methodology for Classifying Semantic Data Using Machine Learning . 253
4.1 Vocabulary Associated with Healthcare Perspective . . . . . . . . . 253
4.2 Data Collection and Structure . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.4 Semantic Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.5 Results and Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.6 Analyze and Visualize Text Using N-Gram
Frequency Counts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
xvi
Contents
in Semantic Web Systems Based on Targeted Enumeration . . . . . . . . . 215
5 Formal Model of Table Structure Knowledge Sources . . . . . . . . . . . . . 218
6 The Method of Analysis of the Sources of Knowledge
of Table Structures Based on Targeted Enumeration . . . . . . . . . . . . . . 220
7 Experimental Studies of the Effectiveness of the Method of Targeted
Enumeration in the Formation of OKB . . . . . . . . . . . . . . . . . . . . . . . 223
8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Semantic Techniques to Support IoT Interoperability . . . . . . . . . . . . . . 229
Beniamino Di Martino and Antonio Esposito
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
2 State of the Art . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
2.1 Semantic Technologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
3 The Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
4 The API Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
5 The API Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
6 The WSDL and OWL-S Representations . . . . . . . . . . . . . . . . . . . . . . 243
7 Conclusions and Future Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Semantic IoT Interoperability and Data Analytics Using Machine
Learning in Healthcare Sector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Pratiyush Guleria and Manu Sood
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
2 Literature Review . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
3 Layered Framework of Interoperability in IoT . . . . . . . . . . . . . . . . . . 248
3.1 IoT Interoperability Challenges . . . . . . . . . . . . . . . . . . . . . . . . 249
3.2 Web Ontology Framework for Semantic Interoperability
in IoT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
3.3 Conceptual Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4 Methodology for Classifying Semantic Data Using Machine Learning . 253
4.1 Vocabulary Associated with Healthcare Perspective . . . . . . . . . 253
4.2 Data Collection and Structure . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.4 Semantic Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.5 Results and Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.6 Analyze and Visualize Text Using N-Gram
Frequency Counts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
xvi
Contents