模糊RDF数据的一种查询语言扩展

当前,在语义Web领域,由于信息资源量巨大,数据具有复杂性和广泛的连通性,因此对其进行有效查询是一个非常关键的问题。资源描述框架(RDF)是用于表示语义Web上资源信息的基于图形的标准数据模型,而Web中大部分资源都带有模糊性或不确定性,因此对经典RDF模型的模糊扩展已经被提出,以表达数据的模糊性。SPARQL是查询RDF数据的一种标准查询语言,传统的SPARQL缺乏一些针对数据模糊性的表达和有效查询的功能,因为它遵循的是对标准RDF数据的布尔查询。该文对SPARQL进行了模糊扩展,用于查询上述模糊数据模型,提高了SPARQL的表达能力和实用性。将模糊量词运用在查询当中,定义了模糊查询语言的语义和语法,并且给出评估它的方法。最后给出的具体的实现流程证明了它的可行性。

基于开放环境下关联数据的偏好查询系统设计

Web是当前全球最大的信息资源库,为大量的Web用户提供所需的多样性信息是Web数据管理极具挑战性的任务。目前以资源描述框架(RDF)为代表的关联数据成为Web上数据表示与处理的新形式,SPARQL是一种RDF数据的查询语言,由于SPARQL可查询的数据的数量、多样性及其集成的不断增加,激发了通过优选查询结果的一种规范来查询RDF数据的愿望。为了满足用户需求,文中通过查询重写将偏好纳入到SPARQL中,对中间结果集使用经典的Top-k排序算法,设计并实现支持用户偏好需求的RDF数据查询系统,依托选用的数据集对系统进行实用性的验证。对该系统进行可用性测试后表明,所设计的查询系统不但具有可行性,且查询的形式符合人类表达规律,所扩展的SPARQL语法具有较强的偏好表达能力,通过排序优选后的结果符合用户偏好的程度较高。

基于模糊逻辑的模糊XML扩展

当前万维网的环境下,为网络用户提供强大支持的智能代理的主要障碍在于,网上的内容并不是机器可读的。不同于传统人工智能和计算语言学用一些日趋复杂的技术解决现有难题的方式,语义网采用容易被机器处理的表示形式描述网上内容来解决这个难题。XML作为语义网的底层标签语言在实际应用中已经发挥了很大的作用。各种团体和商界不仅创建基于XML的应用,而且也广泛使用XML作为不同应用之间的统一数据交换格式。考虑到现实中处处存在模糊现象和模糊概念,而经典的XML又不能处理这些模糊信息,所以有必要扩展经典XML模型使其可以表达模糊信息。文中在现有的模糊XML数据模型的基础上,进行进一步的拓展,使新的模糊XML模型既能与现有的模糊XML兼容,又能表达更强的模糊信息。