利用本体和主题词表的集成构造RDF模式

为了减少语义异构性带来的信息发现、集成和存取的困难,论述了语义元数据构造,提出了通过集成现存的本体和主题词表构造元数据模式的一种新方法,即元数据模式构造的两步方法:在主题词T和本体O之间的连接关系规范;概念主题词表的自动构造。这个集成基于主题词术语和本体概念之间的蕴含关系规范,并产生具体应用的元数据模式,同时也给出利用结果元数据模式构造RDF模式的过程。

基于结构分解的分布式RDF图模式匹配优化算法

在分布式RDF查询处理中,由于查询图规模的不断增长,其复杂的结构使得查询优化面临着查询准确性和性能的双重挑战。针对这一问题,提出一种由结构主导的分布式子图匹配算法SDSM。根据查询图各部分结构的匹配特征,提出查询图的CPM分解模型;结合基于类型的摘要统计,通过代价模型得到查询起始节点及核心结构权重图,权重图与最小生成树思想相结合得到最优的查询匹配序列;各计算节点分两阶段进行查询,并在主机上进行轻量级的连接。实验将SDSM与StarMR、TriAD、Wukong等算法进行对比。结果表明,在处理复杂查询时,SDSM具有更高的查询效率,在多台机器以及不同数据集规模上的实验表明,SDSM也具有良好的扩展性。

基于RDF的查询引擎系统架构

Iseek可建立在从关系数据库到专用RDF三元组存储的多种存储库上,为了实现准确查询,该查询引擎采用RQL作为查询语言,而且由于加入了基于描述逻辑的推理机制,它能为用户返回语义上相关度较高的信息。

一种采用贝叶斯推理的知识图谱补全方法

为了适应Web数据信息高度动态化的发展趋势,针对知识图谱的补全更新实时性欠佳的问题,提出一种知识图谱补全的链接预测方法.该方法运用贝叶斯网络概率推理图模型优势并结合本体推理规则,对知识图谱节点间依赖程度进行定量分析,旨在充分挖掘模型潜在因素,实现正确预测.实验结果表明,该方法能有效提升知识图谱的链接预测效率,保证较高的预测准确度,并及时更新知识图谱.

面向语义Web的知识表示研究

以语法结构化的XML为基础,介绍了RDF(S)表示本体模型,分析和探讨了Ontology表示的建立过程和OWL—Ontology描述元语。

SPARQL查询优化

为提高SPARQL语句的查询效率,使用RDF模式信息来精简SPARQL基本图模式,然后使用B树结构快速估计SPARQL连接图的节点大小及边权值,使用连接代价估计并结合动态规划方法找到最优逻辑查询计划,实验对比表明,使用本方法的SPARQL查询效率比Jena要优秀,和Sesame性能相当。