基于海量语义数据处理平台LarKC的图书馆信息服务研究

在语义物联网的环境下,图书馆信息服务为了达到以用户为中心的要求,迫切需要一种新的技术手段,来完成异构系统整合,海量数据和不一致性数据的处理问题。文章提出使用海量语义数据处理平台LarKC来应对语义物联网下图书馆信息服务的挑战。首先简要介绍了LarKC技术,然后详细论证了基于LarKC的图书馆信息服务的合理性,并提出了对应的体系结构,最后论述了基于LarKC的图书馆信息服务研究的重要意义。

面向语义万维网“大规模分布式不完备推理平台LarKC国际专题会议”综述

LarKC项目是开发面向语义万维网的大规模分布式不完备推理平台，LarKC国际专题会议又是全面掌握与免费应用LarKC推理平台的平台。基于第4届LarKC国际专题会议的第一手信息，文章概要介绍LarKC项目诞生的背景与任务、框架及开发进展、历届LarKC国际专题会议，最后作出总结。

基于LarKC的路标合法性检测方法

针对有效管理道路标志,特别是检查所有设置的路标是否符合相关的法律法规以及保证即将新建的道路标志与现有路标无矛盾问题进行研究.首先讨论了道路标志管理中的一些挑战问题,然后提出一个数据集成解决方案,并以此为基础,提出了一个自动验证路标正确性以及新建道路生成道路标志仿真方法,并开发了一个基于LarKC平台的智能路标管理系统SeRSM.该系统能给管理者提供决策依据以及大大降低城市管理的成本.

面向LarKC-ITS的单源最短路径算法优化策略

高性能选路解决方案对智能交通系统(ITS)效率至关重要,基于LarKC(语义万维网开源项目)提出了一种ITS设计方案,使得ITS可以利用移动互联网提供的海量、实时、群智的信息,而这种新的设计思路对选路算法提出了新的要求。对实际交通场景属性进行抽象,并通过实验表明该系统具有良好的选路性能,为智能交通的实现提供了新的思路。

基于语义技术的港口城市道路交通标记管理系统

阐述了开发港口城市道路交通标记管理系统的必要性,介绍了语义技术的发展现状及其应用于智能交通的优越性;针对海港城市道路管理信息系统的建设要求,研究分析道路交通标记管理系统的设计要点,说明了基于LarKC语义平台的系统集成技术方案。

中文美食开放链接资源库(LOD)建设实践

美食资源库是个性化菜谱查询、营养推荐、疾病食疗的底层基础。针对国内目前还没有一个完善的中文美食开放连接资源库,构建了国内首个中文美食开放链接资源库并提供SPARQL查询和普通查询服务,为上层智能应用的开发提供底层平台。针对结构化数据较少的情况,对传统的TF-IDF算法进行改进,引入VIPS算法,提出针对半结构化美食网站的通用美食爬虫,使美食数据的抽取更加智能化,准确率提高22.1%。

基于空间推理的城市路网交叉口模式研究

以空间推理为基础,通过将来自开放街道地图中路网元素,包括节点和道路,描述成符合WKT规范的空间几何对象.利用点集理论和DE-9IM中定义的边界、内部、外部以及空间谓词的基础上,针对道路的数据特点,对空间谓词进行了重新定义及优化.计算的所有路网数据均以RDF三元组的格式存储在LarKC平台上,用于访问和推理.文章的最后给出了一个算法,对北京市朝阳区特定区域进行交叉口的模式及分布进行计算,并分析了该区域的路网特点.

一种基于本体的工业消防辅助调度系统实现

城市交通对消防调度中起着至关重要的作用,针对消防和城市交通知识分散这一问题,建立基于本体的工业消防辅助调度系统。该系统在工业消防调度本体的基础上,通过创建推理规则,在LarKC平台上实现工业消防信息和城市道路交通的语义检索和查询功能;基于交通预测,提出了一种具有交通意识路线规划解决方案,获取最快到达路径。该系统实现了辅助工业消防从信息检索到消防调度的完整智能化过程。

语义技术与智能交通系统

语义技术的发展为大数据时代提供了处理海量、动态、异构的数据的全新技术手段,是现代智能交通系统引人关注的新技术之一.采用欧盟第七框架重大语义技术项目LarKC所开发的海量语义数据处理LarKC平台,产生一系列基于语义技术的智能应用交通系统.介绍语义技术的基本思想及其在智能交通系统上的应用情况,通过介绍LarKC平台上的韩国首尔路标管理语义系统来展现语义技术的技术优越性.

甲骨文大规模基础数据的语义挖掘研究

【目的】从大规模的甲骨文基础数据中发现实体间的语义关联,为甲骨文研究提供语义支持。【方法】在文本挖掘的基础上,结合语义Web技术,将实体及其关系RDF化并在生成的RDF集合中进行语义搜索,利用本体关系和本体推理挖掘RDF对象间显式或隐式的语义关系。【结果】该方法在甲骨文文献和甲骨卜辞上的语义挖掘平均F1值分别达到74.49%和70.61%,满足甲骨文信息处理的需求。【局限】利用本体实现语义挖掘时分别基于本体库中的三个不同本体,未将本体进行集成。【结论】实体RDF化可以提供规范的结构化语义描述;Lar KC体系适用于甲骨文大规模语义处理。