Zurück zur vorherigen Seite

Das SemPryv-Projekt zielt darauf ab, eine Semantisierungsschicht in die pryv.io-Middleware für das Management von Gesundheitsdaten einzubauen, die automatisch semantische Informationsinferenz bietet. Das neue Modul wird es Pryv ermöglichen, die Auffindbarkeit, Suchbarkeit und Kategorisierung seiner Datensatz-Middleware zu verbessern.

sempryv_architecture

SemPryv zielt auf die Anreicherung von Datenströmen durch die Bereitstellung von semantischen Annotationsfunktionen auf der Pryv.io Middleware. Der semantische Annotationsprozess assoziiert hochrangige Ontologiekonzepte mit den Stream-Ereignissen. Dies kann auf zwei Arten geschehen:

  1. Manuell durch die Suche nach bekannten Ontologieanbietern (z. B. Bioportal), oder
  2. halbautomatisch, indem den Nutzern Annotationsvorschläge unterbreitet werden. Diese Vorschläge beruhen auf vordefinierten Regeln, die von Experten geändert und im Wissensgraphen des Systems gespeichert werden können.
  3. Vollständig automatisierte Vorschläge: Sie werden von maschinellen Lernmodellen abgeleitet, die auf synthetischen Daten aus mobilen Anwendungen in Kombination mit den vorhandenen Annotationen der Nutzer trainiert wurden.

Die Architektur von SemPryv ist in der folgenden Abbildung dargestellt. SemPryv besteht aus zwei Hauptkomponenten: einer Web-Benutzeroberfläche für Endbenutzer und Experten und einem Backend, das die Kerndienste als REST-API für externe Anwendungen bereitstellt. SemPryv stellt außerdem eine Verbindung zu einer Reihe von Anbietern semantischer Vokabulare her und enthält auch Endpunkte für den Import/Export von HL7 FHIR-konformen Datenströmen, die als Bündel von Beobachtungen dargestellt werden. Da die Annotationen fertig sind, können die Datenströme mit all ihren Metadaten wieder an Pryv übergeben werden.

Dissemination


Publications

  • Calbimonte, J.-P., Aidonopoulos, O., Dubosson, F., Pocklington, B., Kebets, I., Legris, P.-M. & Schumacher, M. (2023). Decentralized semantic provision of personal health streams. Journal of Web Semantics, 76, 100774. https://doi.org/https://doi.org/10.1016/j.websem.2023.100774 
  • Calbimonte, J.-P., Dubosson, F., Kebets, I., Legris, P.-M. & Schumacher, M. (2019). Semi-automatic Semantic Enrichment of Personal Data Streams. Proceedings of the Posters and Demo Track of the 15th International Conference on Semantic Systems Co-Located with 15th International Conference on Semantic Systems (SEMANTiCS 2019), Vol-2451. http://ceur-ws.org/Vol-2451