大规模的RDF数据存储技术综述

随着互联网上数据大规模的增长以及语义网的发展,如何存储大规模RDF成为了当前普遍关注的问题.本文对语义网中大规模RDF存储系统的研究现状与进展进行了分析,分别介绍了在RDF存储系统中的存储组织和查询优化以及现有的一些大规模RDF存储系统解决方案,重在对大规模的RDF数据存储技术研究的主流方法和前沿进展进行分析,最后对大规模RDF存储系统存在的一些问题进行了讨论并展望了未来的发展方向.     

基于关系数据库的RDF数据存储

资源描述框架(RDF)是W3C推荐的元数据标准,它提供了资源表示的通用框架.RDF提出的框架是面向机器可理解的,是实现语义Web的关键技术.如何实现RDF数据的高效存储是Web应用程序间语义互操作的基础.本文研究了基于关系数据库的RDF存储结构,分析比较了三种存储结构的特点,并提出了进一步优化的方案.     

从关系数据库到RDF的转换

随着语义Web的快速发展,利用已有的数据资源来构建本体受到了很大程度的重视。因此,作为资源描述框架的RDF在语义Web中的地位就显得越来越重要。由于大量的数据都存储在关系数据库里面,因此如何将关系数据库中的数据转换为RDF成为一个亟待解决的问题。提出了一种能自动将关系数据库数据转换为RDF的方法,同时给出了详细的映射规则和转换过程,并通过一个实例验证了该方法的可行性。     

一种大规模RDF语义数据的分布式存储方案

随着语义Web的发展,越来越多的RDF数据发布到Web上,需要一个可以提供存储和查询功能的数据管理系统来对海量的RDF数据进行管理。针对上述问题,设计并实现了一种大规模RDF语义数据的分布式存储方案。该方案通过RDF数据装载和预处理,可以有效地管理海量的RDF数据,并通过构建索引可以有效地对大规模RDF数据进行查询。工作包括底层的RDF存储方案的设计与实现,数据的预处理与装载。同时,设计了一系列实验来评估和对比不同节点数目的Cassandra集群之间的性能,数据采用的是从DBpedia获得的13 million行RDF的数据集。实验结果显示,方案对大规模RDF语义数据的存储和查询具有性能优势。     

RDF 数据查询处理技术综述

随着语义网以及信息抽取技术等研究的发展,Web上涌现出越来越多的RDF数据,海量RDF数据的管理,已经成为学术界和工业界研究的热点之一。从RDF数据集形态及RDF数据组织存储两个维度以及查询表述、查询处理、查询优化等方面,深入地分析和比较了RDF数据查询处理方法,并在此基础上提出了未来研究的方向和挑战。     

RDF数据浏览的研究综述

随着语义网的快速发展,目前Web上语义网数据已经达到相当的规模,成为重要的信息和知识来源.因此,RDF数据浏览的研究开始得到广泛关注.通过对比传统Web信息浏览和RDF数据浏览两个问题,指出RDF数据浏览的5个重要问题:确定浏览子图的模式、数据的收集、大规模数据的处理、数据的组织方式以及数据的呈现方式.基于这些挑战,我们调研了多个系统和不同的解决方案.最后,总结了目前的研究现况,讨论存在的挑战,并提出未来的研究方向.     

RDF存储策略的研究与实现

在介绍RDF数据模型的基础上,对目前RDF的几种存储方式进行了研究,并分析了各自的优劣性;然后提出了一种基于关系数据库的RDF存储策略,并设计出对应的关系模型;最后采用Jena对一个RDF数据段实例进行了解析,从而实现了RDF在关系数据库中的存储.     

时态RDF数据存储策略研究

我们的生活中几乎所有的事物都或多或少的具有时态特征，时态数据的处理已经成为当前重要的研究热点之一。时态信息处理在电子商务、数据挖掘、信息提取、电力系统、医疗系统、时空和多媒体信息技术以及网络应用等方面发挥着越来越重要的作用。另一方面，为了提高互联网的智能程度，语义网的不断发展。资源描述框架（RDF）作为语义网实现的基础，因此大量时态RDF格式的数据涌入网络。截止到目前为止，并没有针对时态RDF数据的有效存储方案。在原有时态RDF模型的基础之上， 分析了传统RDF存储方式在时态RDF数据存储上的可行性并提出了一种新的存储方案。     

RDF数据分布式并行语义编码算法

现有的RDF数据分布式并行压缩编码算法均未考虑结合本体文件,导致编码后的RDF数据没有表示任何语义信息,不利于分布式查询或推理。针对这些问题,提出SCOM(Semantic Coding with Ontology on MapReduce)算法在分布式MapReduce下完成RDF数据的语义并行编码。该算法首先结合RDF数据本体,构建类关系和属性关系模型;在三元组项分类与过滤之后,对三元组项进行编码并生成字典表,最终完成RDF数据带有语义信息且具有规律性的编码。此外,SCOM算法能够很容易地将编码后的RDF数据文件恢复为原始文件。实验表明,SCOM算法能够高效地实现大规模数据的分布式并行编码。     

对象关系数据库到RDF(S)的映射方法

随着智能信息技术的发展,知识图谱已被广泛应用于智能搜索等各个领域.知识图谱中的信息一般采取RDF(S)的数据模型来表示.知识图谱的构建需要从大量的数据源抽取信息,而数据库是不可忽视的重要数据源.近几年,对象关系数据库得到了广泛的应用,且其中存储着丰富的语义信息,而基于对象关系数据库自动构建RDF(S)的研究却较少.因此...     

基于关系的XML数据存储技术研究

随着XML日益成为数据显示、交换、索引等的基础,在数据库中有效地存储和查询XML数据将变得越来越重要。综合论述了XML数据存储技术的现状,描述了基于关系的XML数据存储的重要研究成果以及存在的问题,进一步展望了未来的研究方向。     

基于关系的XML数据存储技术

XML的数据存储是处理XML数据的首要问题。XML的主要存储方式为文件系统,关系数据库,面向对象数据库和半结构化数据仓库等,这里重点讨论了基于关系的XML存储技术。     

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。     

RDF数据的Skyline优化查询

为解决海量RDF数据的Skyline查询问题,通过分析现有Skyline查询算法的优缺点,提出一种针对海量RDF数据的查询机制。对RDF数据的存储结构进行分析,根据RDF数据垂直存储结构,设计一种候选Skyline点筛选策略,提前修剪部分非Skyline元组,减少Skyline支配点计算的数据量;在筛选的基础上,给出基于MapReduce的Skyline并行化查询算法。实验结果表明,提前筛选能有效减小查询的数据集,并行化算法能够有效提高查询的效率。     

基于RDF/XML的网络教学资源共享管理系统研究

本文介绍一个基于RDF／XML的网络教学资源共享管理系统，筒要论述了系统的研发背景和目标，并着重给出了系统的开发平台、模块功能分析、系统框架体系结构的分层总体设计与讨论。     

基于列数据库的RDF数据管理实现

随着语义网的发展,Web上越来越多的开放数据以RDF格式发布,对海量RDF的有效管理是实现语义网的一个重要条件.文中讨论并分析了现有的几种RDF数据存储方法,针对垂直划分的方法,基于列数据库MonetDB,实现了一个RDF数据管理方案.该方案将RDF和RDFS信息分开存储,并在Barton数据集上,设计了包含几种连接的基准查询,对比RDF管理系统Sesame的三元组模式,分别进行了存储空间和查询效率测试.实验结果验证了基于列数据库的垂直划分方案的有效性.