The globalization of the food supply chain industry has significantly emerged today. Due to this, farm-to-fork food safety and quality certification have become very important. Increasing threats to food security and contamination have led to the enormous need for a revolutionary traceability system, an important mechanism for quality control that ensures sufficient food supply chain product safety. In this work, we proposed a blockchain-based solution that removes the need for a secure centralized structure, intermediaries, and exchanges of information, optimizes performance, and complies with a strong level of safety and integrity. Our approach completely relies on the use of smart contracts to monitor and manage all communications and transactions within the supply chain network among all of the stakeholders. Our approach verifies all of the transactions, which are recorded and stored in a centralized interplanetary file system database. It allows a secure and cost-effective supply chain system for the stakeholders. Thus, our proposed model gives a transparent, accurate, and traceable supply chain system. The proposed solution shows a throughput of 161 transactions per second with a convergence time of 4.82 s, and was found effective in the traceability of the agricultural products.

Recently, a pragmatic approach toward achieving semantic search has made significant progress with knowledge graph embedding (KGE). Although many standards, methods, and technologies are applicable to the linked open data (LOD) cloud, there are still several ongoing problems in this area. As LOD are modeled as resource description framework (RDF) graphs, we cannot directly adopt existing solutions from database management or information retrieval systems. This study addresses the issue of efficient LOD annotation organization, retrieval, and evaluation. We propose a hybrid strategy between the index and distributed approaches based on KGE to increase join query performance. Using a learned semantic index structure for semantic search, we can efficiently discover interlinked data distributed across multiple resources. Because this approach rapidly prunes numerous false hits, the performance of join query processing is remarkably improved. The performance of the proposed index structure is compared with some existing methods on real RDF datasets. As a result, the proposed indexing method outperforms existing methods due to its ability to prune a lot of unnecessary data scanned during semantic searching.

Semantic Web has recently gained traction with the use of Linked Open Data (LOD) on the Web. Although numerous state-of-the-art methodologies, standards, and technologies are applicable to the LOD cloud, many issues persist. Because the LOD cloud is based on graph-based resource description framework (RDF) triples and the SPARQL query language, we cannot directly adopt traditional techniques employed for database management systems or distributed computing systems. This paper addresses how the LOD cloud can be efficiently organized, retrieved, and evaluated. We propose a novel hybrid approach that combines the index and live exploration approaches for improved LOD join query performance. Using a two-step index structure combining a disk-based 3D R*-tree with the extended multidimensional histogram and flash memory-based k-d trees, we can efficiently discover interlinked data distributed across multiple resources. Because this method rapidly prunes numerous false hits, the performance of join query processing is remarkably improved. We also propose a hot-cold segment identification algorithm to identify regions of high interest. The proposed method is compared with existing popular methods on real RDF datasets. Results indicate that our method outperforms the existing methods because it can quickly obtain target results by reducing unnecessary data scanning and reduce the amount of main memory required to load filtering results.

국내에서 시맨틱 IoT 매쉬업 처리 기술은 아직 초보 수준에 머무르고 있으며 M2M, USN 환경을 고려한 체계적인 연구개발은 아직까지 되어 지고 있지 않다. 이러한 상황에서 현재 IoT 기술 및 응용에 대한 핵심 이슈는 시맨틱 기반 IoT 매쉬업 플랫폼의 개발이다. 본 논문에서는 시맨틱 기반 IoT 매쉬업 플랫폼을 위한 처리기술들을 개발하였다. 구현된 플랫폼은 클라우드 컴퓨터로부터 IoT 데이터를 수집하고, 이들을 RDF로 변환한 후 시맨틱 주석 처리한다. 변환된 데이터는 IoT 온톨로지 모델을 통해 온톨로지로 구축되고 지식베이스에 저장된다. 매쉬업 시스템과 온톨로지 저장소는 Amazon 클라우드 서비스인 AWS 환경에서 Apache Jena 시맨틱웹 프레임워크를 사용하여 구현되었다.

시맨틱 웹을 구현하기 위한 가장 실용적인 접근법으로 링크드 데이터가 그동안 많은 관심을 받아왔지만, 링크드 데이터 영역은 아직까지 많은 이슈들이 존재하고 있다. 링크드 데이터는 RDF 그래프 구조로 모델링되기 때문에 기존의 관계 데이터베이스 관리시스템이나 웹 기술들을 직접 적용할 수가 없다. 본 논문에서는 중앙집중 방식과 분산 방식 사이의 하나의 하이브리드 방법을 제안한다. 이 방법은 MBB(Minimum Bounding Box) 근사 기법을 기반으로 한 이단계 색인 구조로써 고도로 분산되어 있는 링크드 데이터를 효율적으로 검색할 수 있고 저장 용량도 상당히 줄일 수 있다. 우리는 실제 링크드 오픈 데이터셋을 사용하여 이단계 인덱스 구조를 기존의 인덱스 구조들과 성능 분석을 수행하였다. 실험 결과 제안된 방식은 많은 불필요한 자원들을 신속하게 제거할 수 있으므로 기존의 방식보다 성능이 더 우수함을 보여준다.

기존의 Open API들과는 달리 링크드 데이터는 웹 자체를 하나의 거대한 지식베이스로 만들어 수준 높은 SPARQL 질의를 수행할 수 있으며, 다양한 데이터셋으로부터 서로 다른 정보들을 매쉬업하여 하나의 새로운 콘텐츠를 효율적으로 생성할 수 있다. 본 논문에서는 위치 기반 시맨틱 검색을 위한 반응형 웹 애플리케이션을 구현하였다. 링크드 데이터인 DBpedia와 Google에서 제공하는 GoogleMap API를 매쉬업하고 검색된 개체들에 대한 세부적인 정보를 확인할 수 있는 시맨틱 브라우저 기능을 제공한다. 본 시스템은 반응형 웹 디자인 사상을 적용하여 PC 및 모바일 등 다양한 접속 환경에서 동일하게 사용할 수 있다. 본 논문에서 구현된 시스템은 기능이 유사한 현존 시스템들과 기능 스펙을 비교하였다. 비교 결과 시맨틱 사용, 링크드 기반 브라우저, 매쉬업 기능 등 다양한 측면에서 본 시스템의 우수성을 보여준다.