Μαζικές ροές δεδομένων πλέον φτάνουν συνεχώς, από το Ίντερνετ των πραγμάτων Devices (IoT), τους αισθητήρες και τα μέσα κοινωνικής δικτύωσης, και απαιτούν γρήγορη επεξεργασία και αναζήτηση πληροφορίας καθώς και την άμεση συσχέτιση της με περαιτέρω γνώση προκειμένου να υποστηριχθούν ροές εργασιών ανάλυσης. Σε αυτή την κατεύθυνση, πλατφόρμες επεξεργασίας ροών δεδομένων RDF αποτελούν πολύτιμα εργαλεία, επιτρέποντας την γρήγορη απάντηση ερωτήσεων. Ωστόσο, μέχρι στιγμής, οι τεχνολογίες αιχμής στο πεδίο αυτό παρέχουν είτε μηχανές που βασίζονται σε ένα κεντρικό υπολογιστικό κόμβο είτε κατανεμημένες μηχανές που ωστόσο προσφέρουν περιορισμένες δυνατότητες συλλογιστικής και συνδυασμού με προγενέστερη πληροφορία. Από την άλλη πλευρά, τεχνικές δημιουργίας συνόψεων έχουν ήδη αποδείξει την αξία τους για δεικτοδότηση, απάντηση επερωτήσεων, συλλογιστική, επιλογή της κατάλληλης πηγής δεδομένων, οπτικοποίησης και ανακάλυψης του σχήματος. Ωστόσο, μέχρι σήμερα τέτοιες τεχνικές δεν έχουν χρησιμοποιηθεί για RDF ροές δεδομένων πράγμα που παραμένει μια εντελώς ανεξερεύνητη περιοχή. Το αντικείμενο λοιπόν της τρέχουσας
πρότασης, με το ακρωνύμιο iQARuS, είναι η αποτελεσματική και αποδοτική απάντηση επερωτήσεων πάνε από ροές δεδομένων RDF χρησιμοποιώντας συνόψεις. Οι συνόψεις που θα δημιουργούνται θα είναι μικρότερες από τους αρχικούς γράφους δεδομένων, μειώνοντας έτσι δραστικά το χώρο των δεδομένων και επιτρέποντας την αποτελεσματική και αποδοτική αποτίμηση επερωτήσεων και συλλογισμούς πάνω σε αυτά. Ωστόσο εξαιτίας αυτής ακριβώς της μείωσης του χώρου των δεδομένων υπάρχει η περίπτωση να μην είναι δυνατή η πλήρης αποτίμηση των επερωτήσεων από τις συνόψεις. Σε αυτές τις περιπτώσεις σκοπεύουμε να διερευνήσουμε προσεγγιστικές απαντήσεις σε ερωτήματα και στη συνέχεια να προσφέρουμε τελεστές εξερεύνησης που θα επιτρέπουν την επέκταση των συνόψεων, για την πλήρη αποτίμηση των επερωτήσεων. Επιπλέον, αυξητικοί αλγόριθμοι θα επιτρέψουν την σταδιακή ενημέρωση των συνόψεων