RDF（资源描述框架）——Web数据集成的元数据解决方案

元数据的使用可以大大提高信息系统检索和管理的效率,W3C提出的RDF则解决了在Web数据集成中使用元数据的问题.本文逐一介绍RDF的基本含义,RDF在Web上实现元数据描述及交换的机制,RDF的特点及RDF在若干Web新技术中的应用.最后以RDF在DLI2的子项目InterLib中的应用为例,详细说明RDF的应用方案.

资源描述框架(RDF)——数字图书馆资源描述技术

RDF的目标是建立一个供多种元数据标准共存的框架,并在许多领域提供元数据的互操作性,具有广泛的应用前景.本文介绍了RDF的数据模型、RDF纲要以及语法结构.

基于XML/RDF的制造型企业元数据描述和资源发现

在简要介绍元数据概念的基础上 ,讨论了一种元数据描述规范—资源描述框架 (ResourceDescrip tionFramework)。应用资源描述框架为制造企业建立了一种元数据描述模型和应用模型 。

MPPIE:基于消息传递的RDFS并行推理框架

随着语义Web的快速发展,RDF(resource description framework)语义数据规模呈现爆炸性增长趋势,大规模语义数据上的推理工作面临严峻挑战。基于消息传递机制提出了一种新的RDFS(RDF schema)并行推理方案。利用RDF图数据结构,建立RDFS推理过程的图上加边模型。以顶点为计算中心,根据不同推理模型,向其他顶点传递推理消息,完成推理操作。当所有推导出的新三元组以边的形式加入原RDF图中时,整个推理过程结束。在基于消息传递模型的开源框架Giraph上,实现了RDFS并行推理框架MPPIE(message passing parallel inference engine)。实验结果表明,在标准数据集LUBM和真实数据集DBpedia上,MPPIE执行速度均比当前性能最好的语义推理引擎Web PIE快一个数量级,且展现了良好的可伸展性。

分布式环境下大规模资源描述框架数据划分方法综述

随着知识图谱的日益发展和在各个垂直领域的广泛应用,对于资源描述框架(RDF)数据的高效处理需求日益成为现代大数据管理领域中的新课题。RDF是W3C提出的用于描述知识图谱实体以及实体间关系的数据模型。为了有效地应对大规模RDF数据的存储和查询,很多学者考虑在分布式环境中管理RDF数据。RDF数据的分布式存储所面临的关键问题是数据的划分,而划分的结果很大程度上决定了SPARQL的查询性能。从数据划分的角度,主要围绕两类:基于图结构的RDF数据划分方法和基于语义的RDF数据划分方法展开深入阐述。前者包括多粒度层次划分、模板划分和聚类划分,适用于通用领域查询的语义范畴较为宽泛的场景;后者包括哈希划分、垂直划分和模式划分,更加适用于垂直领域查询的语义范畴相对固定的环境。此外,针对几种典型的划分方法进行对比与分析,为未来RDF数据划分方法的研究提供参考。最后,对未来RDF数据划分方法的发展方向进行了归纳总结。

基于RDFS的数据结构描述

资源描述框架(RDF)/资源描述框架模式(RDFS)是语义互联网架构中的技术。尽管XML/RDF数据库正迅速地发展,关系型数据库仍是目前企业级应用的首选。针对在应用中混合使用关系型数据库管理系统和RDF/RDFS的问题,该文提出了关系数据库表结构的RDFS定义方法以及在此基础上的数据获取方式,目的是在关系数据库与应用系统之间建立基于RDFS的抽象数据结构描述,实现数据结构的可配置性以及RDF数据的可访问性。

基于图模型的RDF/RDFS本体抽取方法

为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法。将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体。抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体。

网格资源描述技术的比较研究

网格资源描述是网格应用的关键,本文在分析网格资源特点的基础上,对资源描述技术进行了讨论;着重分析了三种资源描述技术各自的特点与局限性;经过分析最后得出资源描述框架RDF更适合于网格资源描述的开发。

基于XHTML/RDF的DC元数据描述技术

本文在对DC元数据简单介绍的基础上 ,着重对DC元数据的编码语言做了一定程度的探究 ,首次提出DC元数据基于XHTML RDF的描述技术 。

RDF标准在元数据描述中的应用研究

本文介绍了RDF标准的基本概念、发展演化、核心内容及其在元数据描述中应用的4个领域:DC、Marc、OWL和RSS。通过研究应用的对比给出了结论:RDF具有易控制性、包容性、机器间互操作性、易综合性的优点。但是RDF在日常应用有些复杂,设计者不仅需要定义对象和属性,而且需要定义复杂的陈述。而互联网上的元数据描述需要更为简单而且可靠的解决方案。

基于XML/RDF的元数据描述在数字图书馆的应用

介绍了数字图书馆中基于XML/RDF的两种元数据描述技术,一种是传统的机读格式MARC元数据,一种是DC元数据。通过对比发现,DC元数据描述的数字资源信息更为直观、灵活、易读,但DC元数据并不能完全取代MARC元数据,二者各有优点和不足,并相互补充。

RDF(S)模型到关系数据库模式的转换

针对资源描述框架和资源描述框架模式(RDF(S))的数据管理问题,提出一种RDF(S)模型到关系数据库模式的转换方法。在对RDF(S)模型和关系数据库模式进行形式化定义的基础上,给出RDF(S)模型到关系数据库模式的转换规则和算法,设计并实现相应的转换系统,通过实验验证该转换方法的可行性和有效性。

基于RDF的网络学习元数据描述和检索建模

网络学习已日益成为一种在信息时代生存与发展的方法和必然选择。文中以网络课程学习为例,应用RDF给出了其有向标记图和RDF模式描述文档,为网络学习数据的共享提出了一种元数据描述模式。同时构建了基于RDF的网络学习元数据的检索模型。

重排序RDF流三元组模式的蚁群优化方法

RDF是由W3C提出的一种Web数据模型,RDF流是一种遵从链接开放数据(Linked Open Data)、扩展RDF的数据模型,是一种随时间延续无限增长的动态RDF数据集合。在RDF查询处理中,RDF模式是静态编排执行策略的模式,无法满足动态RDF流实时变化的特性。因此,提出一种在RDF流查询处理中重排序RDF流模式的蚁群优化方法。主要研究内容包括:提出了基于AND-OR有向图RDF流代价评估模型;改进了Max-Min蚁群优化算法,并使用改进算法重排序RDF流模式。实验表明,该方法能够高效地动态编排RDF流执行策略。

RDFS表示本体建模语言OIL的一种方法

给出扩充RDF Schema使之能够表达完全的知识表示语言的方法.通过为这种语言增加必要的表达能力和语义来完善RDF Schema,使RDF Schema能够描述本体建模语言OIL.进一步给出OIL原语的RDF Schema定义:任何OIL本体都可以使用RDF语法表示,从而使其具有OIL的推理支持和形式化语义.这种扩充方法同样也适用于其他知识表示的形式化.

面向语义Web的软件模式的描述

软件模式用于捕捉开发面向对象软件的经验,可以被复用。文中分析了应用XML,RDF(S)和DAML+OIL三者描述软件模式的区别,并提出应用DAML+OIL来描述软件模式以及软件模式之间的关系,使软件模式的描述具有精确的语义,从而使计算机可以理解Web上的软件模式,为以后研究基于语义Web和具有推理能力的搜索奠定了基础。

RDFS扩充性机制及应用——OIL

介绍了资源描述框架 (RDF)数据模型、RDFS的建模原语 ,在探讨语义化互联网的技术框架的基础上 ,探讨了RDFS的扩充性机制及其应用———OIL是如何在类定义。

简单的关系模式的RDF视图机制

为了提供语义网发展所需的领域数据,需要从关系数据库中挖掘隐含的领域信息,并将关系模式映射为RDF模式。通过在关系模式与RDF(S)模式之间建立简单的映射规则,并用传统的关系视图表示目标RDF(S)视图,提出一种"属性视图"的概念,使得在不生成RDF数据实例的前提下,在关系数据库上实施SPARQL查询,以开发语义网的应用。最后提出了一个将SPARQL基本图模式转换为SQL查询的简单规则,表明了该视图机制是可行的。

RDB中基于RDFS的语义本体存储技术研究

资源描述框架(RDF)/资源描述框架模式(RDFS)是语义互联网架构中的技术。尽管XML/RDF数据库正迅速的发展,关系型数据库仍是目前企业级应用的首选。针对如何有效地把RDFS数据存储在关系数据库中,充分利用现有的数据库资源来管理RDFS数据,提出了一种RDB中基于RDFS的语义本体存储技术,实现了RDFS本体抽取,提出了RDFS本体的存储优化方案,提高了数据存储访问效率。

基于关系数据库的RDFS存储研究

RDF是表达和处理web上元数据的标准，而RDFS是RDF的词汇描述语言。在介绍RDF（S）模型的基础上，对目前RDFS的几种存储方式进行了比较分析；然后提出了一种基于关系数据库的RDFS存储策略，并设计出了对应的关系模型；最后通过使用Jena解析实现了RDFS在关系数据库中的存储。