However, associating this data to t

However, associating this data to the existing concepts on the Web and
reasoning the data is also an important task to make this information widely
available for different applications, front-end services and data consumers.
Semantics allow machines to interpret links and relations between different
attributes of a sensor description and also other resources. Utilising and
reasoning this information enables the integration of the data as networked
knowledge [174]. On a large scale this machine interpretable information (i.e.
semantics) is a key enabler and necessity for the semantic sensor networks.
Emergence of sensor data as linked-data enables sensor network providers
and data consumers to connect sensor descriptions to potentially endless
data existing on the Web. By relating sensor data attributes such as location,
type, observation and measurement features to other resources on the Web
of data, users will be able to integrate physical world data and the logical
world data to draw conclusions, create business intelligence, enable smart
environments, and support automated decision making systems among many
other applications.
The linked-sensor-data can also be queried, accessed and reasoned based
on the same principles that apply to linked-data. The principles of using linked
data to describe sensor network resources and data in an implementation of an
open platform to publish and consume interoperable sensor data is described
in [175].
In general, associating sensor and sensor network data with other concepts
(on the Web) and reasoning makes the data information widely available for
different applications, front-end services and data consumers. The semantic
description allow machines to interpret links and relations between the
different attributes of a sensor description and also other data existing on
the Web or provided by other applications and resources. Utilising and
reasoning this information enables the integration of the data on a wider
scale, known as networked knowledge [174]. This machine-interpretable
information (i.e. semantics) is a key enabler for the semantic sensor
networks.

Kết quả (Việt) 1:

Tuy nhiên, liên kết dữ liệu này về các khái niệm hiện có trên Web vàlý luận dữ liệu cũng là một nhiệm vụ quan trọng để làm cho thông tin này rộng rãisẵn sàng cho ứng dụng khác nhau, kết thúc dịch vụ và dữ liệu người tiêu dùng.Ngữ nghĩa cho phép máy để giải thích liên kết và mối quan hệ giữa khác nhauthuộc tính của một mô tả cảm biến và cũng là nguồn tài nguyên khác. Tận dụng vàlý luận thông tin này cho phép sự tích hợp của các dữ liệu như trên mạngkiến thức [174]. Trên một lớn quy mô thông tin interpretable máy này (tức làngữ nghĩa) là một enabler quan trọng và cần thiết cho các mạng ngữ nghĩa cảm biến.Sự xuất hiện của dữ liệu cảm biến như liên kết dữ liệu cho phép các nhà cung cấp mạng cảm biếnvà dữ liệu người tiêu dùng để kết nối cảm biến mô tả với khả năng vô tậndữ liệu sẵn có trên Web. Bởi liên quan thuộc tính dữ liệu cảm biến như vị trí,loại, quan sát và đo lường các tính năng để các tài nguyên khác trên Webdữ liệu, người dùng sẽ có thể tích hợp dữ liệu trên thế giới vật chất và các hợp lýthế giới dữ liệu để rút ra kết luận, tạo ra kinh doanh thông minh, cho phép thông minhmôi trường, và hệ thống ra quyết định hỗ trợ tự động trong số rất nhiềuCác ứng dụng khác.Các liên kết-– dữ liệu cảm biến có thể cũng được truy vấn, truy cập và lý luận dựa trêntrên nguyên tắc tương tự áp dụng cho các dữ liệu liên kết. Các nguyên tắc của việc sử dụng liên kếtcác dữ liệu để mô tả các cảm biến tài nguyên mạng và dữ liệu trong việc thực hiện của mộtcác nền tảng mở để xuất bản và tiêu thụ các dữ liệu tương thích cảm biến được mô tảtrong [175].Nói chung, gắn cảm biến và cảm biến mạng dữ liệu với các khái niệm khác(trên Web) và lý do làm cho dữ liệu thông tin có sẵn rộng rãi nhấtứng dụng khác nhau, kết thúc dịch vụ và dữ liệu người tiêu dùng. Những ngữ nghĩaMô tả cho phép máy để giải thích liên kết và mối quan hệ giữa cácCác thuộc tính khác nhau của các mô tả cảm biến và cũng có thể các dữ liệu sẵn có trênCác trang Web hoặc được cung cấp bởi các ứng dụng khác và các nguồn tài nguyên. Tận dụng vàlý luận thông tin này cho phép tích hợp các dữ liệu trên một rộng hơnquy mô, được gọi là kiến thức trên mạng [174]. Máy này interpretablethông tin (ví dụ ngữ nghĩa) là chìa khóa enabler cho sensor ngữ nghĩamạng.

Kết quả (Việt) 2:

Tuy nhiên, liên kết dữ liệu này đến các khái niệm hiện có trên Web và
lý luận các dữ liệu cũng là một nhiệm vụ quan trọng để làm cho thông tin này rộng rãi
cho các ứng dụng khác nhau, dịch vụ đầu cuối và người tiêu dùng dữ liệu.
Semantics cho phép các máy để giải thích liên kết và mối quan hệ giữa khác nhau
thuộc tính của một mô tả cảm biến và cũng có các nguồn lực khác. Tận dụng và
lý luận thông tin này cho phép tích hợp các dữ liệu như nối mạng
tri thức [174]. Trên quy mô lớn máy thông tin có thể phiên dịch này (tức là
ngữ nghĩa) là một tạo khả năng quan trọng và sự cần thiết cho các mạng cảm biến ngữ nghĩa.
Sự xuất hiện của các dữ liệu cảm biến như liên kết dữ liệu cho phép các nhà cung cấp mạng cảm biến
và người tiêu dùng dữ liệu để kết nối thiệu cảm biến có khả năng vô tận
dữ liệu hiện có trên Web. Bằng cách quan dữ liệu cảm biến thuộc tính như vị trí,
đặc điểm loại hình, quan sát và đo lường các nguồn tài nguyên khác trên Web
của dữ liệu, người dùng sẽ có thể tích hợp dữ liệu thế giới vật lý và logic
dữ liệu trên thế giới để rút ra kết luận, tạo kinh doanh thông minh, cho phép thông minh
môi trường, và hỗ trợ tự động quyết định các hệ thống làm cho trong số rất nhiều
các ứng dụng khác.
các liên kết-cảm biến dữ liệu cũng có thể được truy vấn, truy cập và lý luận dựa
trên cùng một nguyên tắc áp dụng cho các kết nối dữ liệu. Các nguyên tắc của việc sử dụng liên kết
dữ liệu để mô tả tài nguyên mạng cảm biến và dữ liệu trong một thực hiện một
nền tảng mở để xuất bản và tiêu thụ dữ liệu cảm biến tương thích được mô tả
trong [175].
Nói chung, gắn cảm biến và cảm biến dữ liệu mạng với các khái niệm khác
(trên Web ) và lý luận làm cho các thông tin dữ liệu phổ biến rộng rãi cho
các ứng dụng khác nhau, dịch vụ đầu cuối và người tiêu dùng dữ liệu. Các ngữ nghĩa
mô tả cho phép các máy để giải thích liên kết và quan hệ giữa các
thuộc tính khác nhau của một mô tả cảm biến và cũng có các dữ liệu khác hiện có trên
Web hoặc được cung cấp bởi các ứng dụng và các nguồn lực khác. Tận dụng và
lý luận thông tin này cho phép tích hợp các dữ liệu trên một rộng
quy mô, được gọi là kiến thức mạng [174]. Máy có thể phiên dịch này
thông tin (tức là ngữ nghĩa) là động lực chính trong các bộ cảm biến ngữ nghĩa
mạng.