Intégration de la Sémantique dans le Big Data

Abstract

De nos jours, les utilisateurs et les systèmes du web surchargent le web avec une génération exponentielle d'une énorme quantité de données. Ce qui a rendu les Big Data plus importantes dans plusieurs domaines tels que les réseaux sociaux, l'internet des objets, les soins de santé, les villes intelligentes, la sécurité aérienne, etc. L'utilisation des Big Data est devenue de plus en plus cruciale pour les entreprises en raison de l'énorme évolution des fournisseurs et des utilisateurs d'informations sur le web. Cependant, les Big Data ne sont pas significatives sans sémantique. Pour bien comprendre les Big Data, nous posons des questions sur les relations entre les Big Data et la sémantique et sur la façon dont la sémantique peut aider. Pour surmonter ce problème, l'intégration d'ontologies dans les Big Data devient une solution efficace qui assure une interopérabilité fiable entre les systèmes et rend les Big Data plus utiles. Cette technologie peut cacher l'hétérogénéité des différentes ressources de données et de leurs représentations. Dans cette thèse, nous donnons un aperçu de l'intégration sémantique dans les Big Data et passons en revue les divers travaux qui étudient l’économie d'énergie dans les maisons et les villes intelligentes. Pour y parvenir, nous proposons une architecture efficace basée sur la combinaison entre l'ontologie, les Big Data et le système multi-agents. En outre, l'approche proposée montre les potentialitésoffertes par ces technologies pour réduire la consommation d'énergie dans les villes intelligentes, promouvoir le changement de comportement des habitants, offrir le confort requis et mettre en œuvre une politique énergétique efficace à long terme dans un environnement intelligent et durable. Les résultats expérimentaux ont montré que l'approche proposée a permis d'optimiser considérablement la consommation d'énergie, offrir un niveau élevé d'autonomie et garantir l'évolutivité. En outre, le temps d'exécution a été comparativement réduit. De plus, notre approche a prouvé son efficacité face à plusieurs méthodes citées dans l'état de l'art.