Υποστήριξη διδακτορικής διατριβής Νικόλαος Η. Κωνσταντίνου

1. Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής Σημασιολογικός εμπλουτισμός της πληροφορίας σε σχεσιακές βάσεις δεδομένων και συστήματα με επίγνωση περιβάλλοντος Υποστήριξη διδακτορικής διατριβής Νικόλαος Η. Κωνσταντίνου

2. Περιεχόμενα παρουσίασης • Εισαγωγή στον σημασιολογικό ιστό • Ανασκόπηση σε γλώσσες και τεχνολογίες σημασιολογικού ιστού • Συνεργασία οντολογιών με βάσεις δεδομένων • Διαχείριση σημασιολογίας σε πραγματικό χρόνο και κατανεμημένο περιβάλλον • Ανακεφαλαίωση και μελλοντική έρευνα

3. Ορισμοί (1/2) • Διαλειτουργικότητα (interoperability) • Δυο πράκτορες λογισμικού ανταλλάσουν επιτυχώς πληροφορία μεταξύ τους • Επισημείωση (annotation) • Προσθήκη μεταδεδομένων • Σημασιολογική επισημείωση (semantic annotation) • Τα μεταδεδομένα αυτά είναι κοινά αναγνωρίσιμα • Σημασιολογικός εμπλουτισμός (semantic enrichment) • Προσθήκη σημασιολογίας

4. Ορισμοί (2/2) • Ολοκλήρωση (integration) • Επεξεργασία πληροφορίας προερχόμενης από πολλές πηγές. • Ένα σύνολο πηγών, ένα σχήμα για την κάθε πηγή κι ένα καθολικό σχήμα • Σημασιολογική ολοκλήρωση (semanticintegration) • Ενσωμάτωση σημασιολογίας στην ολοκλήρωση • Δεδομένα  Πληροφορία  Γνώση • Συστήματα με επίγνωση περιβάλλοντος (context-aware) • Συστήματα τα οποία μέσω αισθητήρων συγκεντρώνουν και εκμεταλλεύονται πληροφορία σχετική με το περιβάλλον τους

5. Το πρόβλημα • Αναζήτηση συγκεκριμένης πληροφορίας • Ολοκλήρωση κατανεμημένων πηγών δεδομένων • Επισημείωση • όταν υπάρχει δεν ακολουθεί κάποιο πρότυπο που να επιτρέπει την εξαγωγή συμπερασμάτων (keywords) • Σημασιολογική επισημείωση • χρειάζεται επαρκή γνώση του χώρου • κοστίζει σε πόρους • μπορεί να είναι πλεονάζουσα, μερική ή σε διάφορα formats • είναι δύσκολα επαναχρησιμοποιήσιμη • εύκολα γίνεται ξεπερασμένη • Συστήματα με επίγνωση περιβάλλοντος • Το πρόβλημα είναι οξύτερο λόγω της ραγδαίας αύξησης του όγκου πληροφορίας

6. Σημασιολογικός εμπλουτισμός της πληροφορίας • Περιγραφή πόρων του Διαδικτύου με τρόπο κατανοητό από τον άνθρωπο αλλά και από τον υπολογιστή • Δυνατότητα περιγραφής πολύπλοκων δομών, όχι απλά δενδρικών (όπως η XML) • Επέκταση και όχι αντικατάσταση του υπάρχοντος Ιστού • Συγκεκριμένο συντακτικό και λεξικό για την περιγραφή πόρων • Ευφυΐα: Δυνατότητα εξαγωγής συμπερασμάτων βασισμένα στα ήδη υπάρχοντα δεδομένα (μέσω reasoning) • Από τον Ιστό εγγράφων στον Ιστό (διασυνδεδεμένων) δεδομένων. Tim Berners-Lee: “…the Web done right”.

7. Το πλαίσιο RDF • Τριάδες της μορφής (πόρος, ιδιότητα, πόρος) • Αναπαράσταση γνώσης σε γράφο • Οι πόροι είναι URIs ή απλά λεκτικά • Κληρονομικότητα:rdf:subClassOfκαι rdf:subPropertyOf • Οι τύποι δεδομένων είναι αυτοί του XMLSchema • Ποικίλλες δυνατότητες μορφοποίησης (N3, Turtle, XML/RDF) και αποθήκευσης σε Βάση Δεδομένων: triplestores • Περιορισμένη εκφραστικότητα

8. Περιγραφική λογική • Διαφορετικές υπολογιστικές ιδιότητες ανάλογα με την ελευθερία στην έκφραση (H, I, U, N ). Πχ: • TBox: Ιεραρχία εννοιών και ρόλων • ABox: Σύνολο ατόμων (individuals)με ονόματα και ιδιότητες • ABoxκαι TBox Βάση Γνώσεως • Σειριοποίηση σε σύνολο τριάδων (συμβατότητα με RDF)

9. Περιεχόμενα παρουσίασης • Εισαγωγή στον σημασιολογικό ιστό • Ανασκόπηση σε γλώσσες και τεχνολογίες σημασιολογικού ιστού • Συνεργασία οντολογιών με βάσεις δεδομένων • Διαχείριση σημασιολογίας σε πραγματικό χρόνο και κατανεμημένο περιβάλλον • Ανακεφαλαίωση και μελλοντική έρευνα

10. Γλώσσες του Σημασιολογικού Ιστού • Γλώσσες περιγραφής • Το σχήμα RDFS: τάξη στα semantics του RDF • OIL DAML+OIL  OWL OWL 2 (27/10/2009) • Μικροπρότυπα (πχ hCalendar) + GRDDL  RDF • RDFa: ενσωμάτωση RDF σε XHTML έγγραφα • Γλώσσες ερωτημάτων • SPARQL: triple pattern, όχι διάσχιση γράφων • Χωρίς stored procedures, triggers, transactions στον επίσημο ορισμό • Γλώσσες σύνταξης κανόνων: body  head • RuleML (με XML-only, XML/RDF-combining και RDF-only), SWRL, Jena • Δεν έχει προκύψει ακόμη κάποιο πρότυπο

11. Τεχνολογίες του Σημασιολογικού Ιστού • Σύνταξη οντολογιών • Protégé, SWOOP, OntoEdit • Σημασιολογική Επισημείωση • SMORE για html, πλήθος εργαλείων για πολυμεσική πληροφορία • Προγραμματιστικές διεπαφές • Jena: πρακτική επιλογή για Java • Υπηρεσίες συλλογιστικής • Κατηγοριοποίηση εννοιών, έλεγχοι σε συνέπεια και ικανοποιησιμότητα, εξαγωγή έμμεσης (implicit) γνώσης • KAON2, Pellet, FaCT++, Racer, RacerPro • DIG διασυνδεσιμότητα: Επικοινωνία της οντολογίας με τον εξυπηρετητή μέσω απλών μηνυμάτων http: αιτήματα ASKκαιTELL

12. Απήχηση σε τεχνολογίες του Διαδικτύου • Πράκτορες λογισμικού • Ανταλλαγή μηνυμάτων που να περιέχουν σημασιολογία (SL σε συνδυασμό με την FIPA ACL) • Σημασιολογικές Υπηρεσίες Διαδικτύου • Σημασιολογική περιγραφή λειτουργικότητας (OWL-S) • Μηχανές αναζήτησης • Λαμβάνουν υπόψη σημασιολογία • πλήθος προσεγγίσεων (swoogle, sindice, watson, ...) • χωρίς killer app ακόμη • Πολυμεσικά δεδομένα • Σημασιολογία στα μεταδεδομένα • Βάσεις δεδομένων • Σημασιολογική περιγραφή στο σχήμα • Συστήματα με επίγνωση περιβάλλοντος • Περιγραφή του μοντέλου κόσμου • Σημασιολογική ολοκλήρωση της πληροφορίας από κατανεμημένες πηγές

13. Περιεχόμενα παρουσίασης • Εισαγωγή στον σημασιολογικό ιστό • Ανασκόπηση σε γλώσσες και τεχνολογίες σημασιολογικού ιστού • Συνεργασία οντολογιών με βάσεις δεδομένων • Διαχείριση σημασιολογίας σε πραγματικό χρόνο και κατανεμημένο περιβάλλον • Ανακεφαλαίωση και μελλοντική έρευνα

14. Συνεργασία οντολογιών με Βάσεις Δεδομένων • Αντιστοίχιση: Προσδιορισμός μηχανισμού με τον οποίο στοιχεία ενός μοντέλου μετασχηματίζονται σε στοιχεία ενός άλλου μοντέλου • Το ABoxτης οντολογίας αντιστοιχίζεται σε σχεσιακή Βάση Δεδομένων • Επεκτασιμότητα • Σημασιολογική ολοκλήρωση • Ουσιαστικές διαφορές • Βάσεις Δεδομένων • Τεράστια μοντέλα από απλά συνδεδεμένα δεδομένα • Απάντηση ερωτημάτων σε δεδομένα που έχουν καταχωρηθεί • Το σχήμα της δεν είναι συνηθισμένο να διαμοιράζεται • Θεώρηση κλειστού κόσμου • Οντολογίες • Μικρότερος όγκος, αυξημένη πολυπλοκότητα • Γνώση που δεν καταχωρήθηκε ρητά αλλά προκύπτει από επαγωγή • Το σχήμα της είναι εξ’ ορισμού επαναχρησιμοποιήσιμο • Θεώρηση ανοιχτού κόσμου

15. Ανασκόπηση βιβλιογραφίας και ταξινόμηση των προσεγγίσεων KAON-Reverse R2O Ontomat-Reverse Maponto Vis-A-Vis • MOMIS, D2RQ, OntoGrate, Relational.OWL

16. Vis-A-Vis plug-in για το Protégé

17. Η (απλή) ιδέα • Προσθήκη ιδιότητας τύπου δεδομένων (datatypeproperty) στην οντολογία με τα περιεχόμενα SQL ερωτήματος <owl:Classrdf:about="#Hiking"> <queryString> SELECT activities.description FROMactivities, activities_types WHERE (activities.activity_type_id = activities_types.id) AND (activities_types.name = "Hiking") </queryString> <rdfs:subClassOf> <owl:Classrdf:about="#Sports"/> </rdfs:subClassOf> </owl:Class> • Πλεονεκτήματα συγκεκριμένης προσέγγισης: • Δε βασίζεται σε table  class mapping • Επιτρέπει αυθαίρετη επιλογή δεδομένων • Είναι σχεσιακά πλήρης λύση • Μειονεκτήματα • Μη δυναμική προσαρμογή σε αλλαγές • Χωρίς υποστήριξη συνεργασίας (GUI)

18. Έλεγχοι συνέπειας (1/3) • Μη αποδεκτή αντιστοίχιση • Ξένες μεταξύ τους κλάσεις δε μπορεί να αντιστοιχηθούν σε δεδομένα τα οποία επικαλύπτονται

19. Έλεγχοι συνέπειας (2/3) • Αποδεκτή αντιστοίχιση • Σε περίπτωση σχέσης κλάσης-υπερκλάσης, η σχέση αυτή πρέπει να ανακλάται στα δεδομένα υπό αντιστοίχιση

20. Έλεγχοι συνέπειας (3/3) • Αποδεκτή αντιστοίχιση • Περίπτωση ξένου κλειδιού • Οι τιμές της στήλης Β1 αναφέρονται σημασιολογικά στα δεδομένα που έχουν αντιστοιχηθεί στην κλάση C1

21. Περιεχόμενα παρουσίασης • Εισαγωγή στον σημασιολογικό ιστό • Ανασκόπηση σε γλώσσες και τεχνολογίες σημασιολογικού ιστού • Συνεργασία οντολογιών με βάσεις δεδομένων • Διαχείριση σημασιολογίας σε πραγματικό χρόνο και κατανεμημένο περιβάλλον • Ανακεφαλαίωση και μελλοντική έρευνα

22. Ορισμοί • Μεσισμικό (middleware) • Παροχή υπηρεσιών προς δυο κατευθύνσεις: εφαρμογές και δίκτυα συλλογής πληροφορίας περιβάλλοντος • Επεξεργασία πραγματικού χρόνου • Σύγχρονη επεξεργασία πληροφορίας: λογική συνέπεια στα αποτελέσματα και στον χρόνο παραγωγής τους (timeliness) • Ασύγχρονηεπεξεργασία: daemon • Χρόνος απόκρισης (latency): ο χρόνος που μεσολαβεί από την εμφάνιση δεδομένων στο σύστημα μέχρι την ολοκλήρωση της παραγωγής των αντίστοιχων αποτελεσμάτων

23. Στόχοι της εργασίας • Αναζήτηση σε όγκο πολυμεσικών δεδομένων • Συλλογή δεδομένων από πολλαπλές πηγές και ενοποίησή τους • Εξαγωγή σημασιολογικών χαρακτηριστικών υψηλού επιπέδου σε πραγματικό χρόνο • Συσχέτιση των χαρακτηριστικών χαμηλότερου επιπέδου με σημασιολογικά μεταδεδομένα • Κατανεμημένη αρχιτεκτονική ώστε να εξασφαλίζεται η επεκτασιμότητα και η κλιμακωσιμότητα του συστήματος

24. Αρχιτεκτονική συστήματος μεσισμικού* • Τμήματα (modules) • Αισθητήρες • Ανιχνευτές (trackers) • 2 Σύνολα κανόνων (αντιστοίχισης και σημασιολογικών) • Προγραμματιστική διεπαφή (API) μέσω Υπηρεσιών Διαδικτύου με εφαρμογές και με το σύστημα εξαγωγής χαρακτηριστικών • Οντολογία • Υπηρεσίες συλλογιστικής • Πρότυπα μηνυμάτων • Ενέργειες (alerts) • Υποβολή ερωτημάτων σε σημασιολογικό επίπεδο * Η εν λόγω έρευνα διεξήχθη στα πλαίσια του ερευνητικού έργου ΠΡΙΑΜΟΣ (Προσαρμοστικά συστήματα πραγματΙκού χρόνου για εξόρυξη σημασιολογίας και ευφυείς διεπΑφές – επίδειξη σε εφαρΜΟγές ασφάλειαΣ και επικοινωνίας του πολίτη), το οποίο χρηματοδοτήθηκε από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας (ΓΓΕΤ), Επιχειρησιακό Πρόγραμμα “Κοινωνία της Πληροφορίας”, μέτρο 3.3: “Επεξεργασία εικόνων, ήχου και γλώσσας”.

25. Αρχιτεκτονική συστήματος μεσισμικού

26. Επεξεργασία Μηνυμάτων: Ροή Πληροφορίας • Το γεγονός του περιβάλλοντος γίνεται αντιληπτό από τους αισθητήρες, παράγοντας δεδομένα χαμηλού επιπέδου (πολυμεσικά, πχ ροή video ή/και ήχου) • Οι αλγόριθμοι εξαγωγής χαρακτηριστικών παράγουν επισημείωση σε XML • Η επισημείωση αποστέλλεται μέσω Υπηρεσιών Διαδικτύου στον εξυπηρετητή μεσισμικού • Ο εξυπηρετητής εφαρμόζει προκαθορισμένους κανόνες στο εισερχόμενο μήνυμα • Στην περίπτωση που η απόδοση του μεσισμικού ξεπερνά συγκεκριμένο κατώφλι εκτελούνται διαδικασίες διαχείρισης της απόδοσης

27. Πλεονεκτήματα συγκεκριμένης προσέγγισης • Πρακτικά απεριόριστη ελευθερία στην περιγραφή των δεδομένων • Ομογενοποίηση αποτελεσμάτων διαφορετικών ανιχνευτών • Διασύνδεση με εξωτερικές πηγές δεδομένων και αισθητήρων, μέσω αμοιβαία προκαθορισμένης διεπαφής σύμφωνα με διεθνή πρότυπα • Δυνατότητα εκ των υστέρων επεξεργασίας και εκμετάλλευσης της Βάσης Γνώσης που δημιουργείται • Υποβολή σημασιολογικών ερωτημάτων υψηλότερου επιπέδου • Πότε έγινε αντιληπτό για τελευταία φορά το άτομο Χ ή κάποιος από τους συναδέλφους του; • Πότε βρέθηκαν στον ίδιο χώρο τα άτομα κατηγορίας Χ και κατηγορίας Υ ταυτόχρονα; • Υπήρξε στο χώρο παρακολούθησης άτομο εκτός ωρών εργασίας χωρίς την επίβλεψη υπεύθυνου;

28. Παράδειγμα μηνύματος • Το μήνυμα αποστέλλεται από έναν αισθητήρα προς το μεσισμικό <Event id=”5712”> <Tracker type=”FaceTracker” timestamp=”11:28:34”> <DataSource id=”3” name=”CeilingCamera” url=”http://localhost/seq_0077.jpg”/> <person id=”1” certainty=”100”> <location2d datasourceId=”3” x=”429” y=”46”/> <face dbpersonid=”10” name=”John” certainty=”91”/> </person> </Tracker> </Event>

29. Γλώσσα κανόνων αντιστοίχισης • Παράδειγμα κανόνα αντιστοίχισης if, xml element has value, /Event/Tracker/@type,”FaceTracker”,and, … then, insert individual in class,Professor, named after,/Event/Tracker/person/face/@name, and set datatype property, hasTime,/Event/Tracker/@timestamp,… • Θα προστεθούν οι εξής τριάδες στη Βάση Γνώσης default:Professor_Johnrdf:typedefault:Professor ; default:hasTime "11:28:34"^^xsd:time . • Πλήρης αυτοματοποίηση της διαδικασίας (τετριμμένη) • XML tag ↔ κλάση οντολογίας • XML property ↔ datatype property οντολογίας

30. Γλώσσα σημασιολογικών κανόνων • Πρότυπο Event-Condition-Action • Αν συνθήκη τότε ενέργεια • Παράδειγμα if,SPARQL query has results, SELECT ?x ?y WHERE { ...} then, alert ("message") • Σύντηξη (fusion)μηνυμάτων

31. Διαδικασίες συντήρησης • Παράδειγμα σε SPARQL για μεταφορά του ABoxαπό την προσωρινή στη μόνιμη Βάση Γνώσεως • Σημειώνεται ότι το construct DELETEδεν περιλαμβάνεται στον επίσημο ορισμό της SPARQL • Επίσης, ούτε το construct UPDATE, απαραίτητο για την ανανέωση των ιδιοτήτων των individuals INSERT INTO <http://example.org/permanent> { ?member ?p ?o } WHERE { GRAPH <http://example.org/buffer> { ?class a owl:Class . ?member a ?class . ?member ?p ?o . } } DELETE FROM <http://example.org/buffer> { ?member ?p ?o } WHERE { GRAPH <http://example.org/buffer> { ?class a owl:Class . ?member a ?class . ?member ?p ?o . } }

32. Παρεχόμενη λειτουργικότητα συγκεκριμένης προσέγγισης • Εισαγωγή και επεξεργασία • Οντολογιών • Προτύπων μηνυμάτων • Σημασιολογικών ερωτημάτων • Κανόνων (σημασιολογικών και αντιστοίχισης) • Ενεργειών • Λήψη ειδοποιήσεων • Εκτέλεση σημασιολογικών ερωτημάτων

33. Εφαρμογή διαχείρισης

34. Δεδομένα μετρήσεων (1/2) • Σε εξωτερικούς χώρους τα αποτελέσματα ήταν απογοητευτικά με τους ανιχνευτές που ήταν διαθέσιμοι • Το μη ελεγχόμενο περιβάλλον συμβάλλει σε εσφαλμένα αποτελέσματα

35. Δεδομένα μετρήσεων (2/2)

36. Πειραματικό περιβάλλον • Videos από το Smart room του ΑΙΤ στα πλαίσια του έργου • Ομαλή λειτουργία συστήματος • Offline επεξεργασία μηνυμάτων με τους αλγόριθμους: • Viola-Jones για αναγνώριση και • Camshiftγια παρακολούθηση προσώπων

37. Πειραματικά αποτελέσματα • Αντιπαράδειγμα κανόνα ως βάση για τις μετρήσεις: Για κάθε μήνυμα που δέχεσαι εισήγαγε ένα individual στην οντολογία • Χρειάζεται προσοχή στη ρύθμιση των κανόνων ώστε να μην αυξάνεται ο όγκος της Βάσης Γνώσης • Χωρίς υπηρεσίες συλλογιστικής, ο χρόνος απόκρισης είναι αμελητέος: απλό SQLINSERTερώτημα

38. Παράγοντες που επηρεάζουν την απόδοση • Εξυπηρετητής υπηρεσιών συλλογιστικής • Ο Racer δεν εξετάστηκε • Σύνολο κανόνων • Αριθμός τριάδων στο προσωρινό μοντέλο της οντολογίας

39. Αριθμός τριάδων στην οντολογία • Ο χρόνος επεξεργασίας του κάθε μηνύματος είναι ευθέως ανάλογος του αριθμού τριάδων της προσωρινής Βάσης Γνώσεως • Υψηλός χρόνος επεξεργασίας ανά τριάδα της προσωρινής Βάσης Γνώσεως για σχετικά μικρές οντολογίες • Σταθερός για μεγαλύτερες οντολογίες

40. Σενάριο 1: Παρακολούθηση χώρων • Μια κάμερα • 2 ανιχνευτές, για αναγνώριση και παρακολούθηση προσώπων • Μια οντολογία • default:Professor rdf:typeowl:Class ; rdfs:subClassOfdefault:Staff . • default:hasName rdf:typeowl:DatatypeProperty ; rdfs:domaindefault:Human ; rdfs:rangexsd:string . • Ένα πρότυπο μηνυμάτων

41. Απόδοση του μεσισμικού στο σενάριο παρακολούθησης χώρων • Οι διαδικασίες συντήρησης απόδοσης είναι απαραίτητες • Τα δεδομένα που χρησιμοποιήθηκαν είναι με πρώιμες εκδόσεις των ανιχνευτών

42. Σενάριο 2: Εφαρμογή υποστήριξης συνεδριάσεων • Πιο σύνθετο σενάριο • Περισσότεροι σημασιολογικοί κανόνες

43. Απόδοση του μεσισμικού στο σενάριο υποστήριξης συνεδριάσεων • Αντίστοιχα με το σενάριο παρακολούθησης χώρων, το σύστημα γρήγορα καθίσταται μη πρακτικό • Οι περισσότεροι κανόνες καθιστούν το σύστημα αργότερο

44. Περισσότερες πειραματικές μετρήσεις • Μεγαλύτερα κατώφλια οδηγούν σε • Πιο αργή απόκριση • Πιο αραιές διαδικασίες συντήρησης

45. Ένας πελάτης • Αμελητέα και σταθερή καθυστέρηση • Peaks στην απόδοση  καλύτερα οι διαδικασίες συντήρησης να γίνονται με βάση τον αριθμό τριάδων της προσωρινής Βάσης Γνώσης

46. Τρεις πελάτες σε ταυτόχρονη λειτουργία • Σε κάθε περίπτωση ο χρόνος απόκρισης για τον κάθε πελάτη εξαρτάται από τον αριθμό των τριάδων της προσωρινής Βάσης Γνώσης

47. Εννέα πελάτες σε ταυτόχρονη λειτουργία • Ο χρόνος απόκρισης για τον κάθε πελάτη είναι πολλαπλάσιος του χρόνου επεξεργασίας ενός μηνύματος από τον εξυπηρετητή

48. Αντιμετώπιση σφαλμάτων και ασυνεπειών • Ενσωμάτωση ασάφειας στους κανόνες • Αποδοχή γεγονότων μόνο σε περίπτωση που η βεβαιότητα ξεπερνά κάποιο κατώφλι • Δειγματοληψία (sampling) και προσωρινή αποθήκευση (caching) σε περίπτωση μεγάλου φόρτου • Απόρριψη μηνυμάτων που εμφανίζουν ασυνέπεια • με σημασιολογικούς κανόνες • με διαδικασίες συντήρησης

49. Συμπεράσματα • Η χρήση οντολογιών επιτρέπει τη μοντελοποίηση σεναρίων • Δημιουργείται πλούσια Βάση Γνώσης, διαθέσιμη για offline επεξεργασία και αξιοποίηση (πχ ολοκλήρωση με άλλα συστήματα) Αλλά • Σε κάθε μήνυμα χρειάζεται να γίνεται ανάγνωση του σημασιολογικού μοντέλου  περιορισμοί στην απόδοση του συστήματος • Χρειάζεται προσοχή στο σχεδιασμό των κανόνων ώστε η Βάση Γνώσης να αυξάνει μόνο όταν αυτό είναι απαραίτητο • Ο χρόνος επεξεργασίας σε πραγματικό χρόνο είναι της τάξης των μερικών δευτερολέπτων • Αν και τα τμήματα του λογισμικού είναι ανεξάρτητα μεταξύ τους, η διαδικασία σχεδιασμού εφαρμογής βασισμένης στο μεσισμικό είναι μη γραμμική

50. Ανοιχτά ζητήματα για το σύστημα μεσισμικού • Ασφάλεια (στη μετάδοση, την αποθήκευση και στην πρόσβαση στα δεδομένα) • Σημασιολογικές Υπηρεσίες Διαδικτύου (WSDL με ενσωματωμένη σημασιολογία, OWL-S ή SWSF) • Εφαρμογή προτυποποιημένων κανόνων (SWRL, ruleML ή Jena rules) • Ενοποίηση με διαφορετικού τύπου αισθητήρων και επικοινωνία με προτυποποιημένες γλώσσες (sensorML) • Περαιτέρω βελτίωση απόδοσης σε περίπτωση αυξημένου φόρτου (sampling και caching) • Υποστήριξη άλλων ειδών κανόνων (δεν υπάρχει πρότυπο) • Προσθήκη ιεραρχίας κανόνων • Εφαρμογή σε δίκτυα αισθητήρων