基于自然语言理解的SPARQL本体查询

为了用户能够方便地获取本体知识,提出了基于自然语言理解的SPARQL本体查询。利用Stanford Parser分析用户的自然语言查询,根据语法构建查询三元组,与关键词的方法相比,有效地减少了组合的个数。结合用户词典,能较准确地把查询三元组的词汇映射到本体实体。分值计算时除了考虑词语的形式相似和语义相似外,还考虑了概念的模糊性,尽量返回具体的概念。利用本体推理获取隐藏在本体中的信息,对查询进行过滤和限制,提高了准确率。用户通过图形交互界面和系统进行交互,选择需要的结果,最后返回树形查询结果,并能看到相关的信息。实验结果表明,该方法达到了预期的效果。     

SPARQL查询引擎设计

论文以通用的不依赖于具体RDF平台的SPARQL查询引擎的设计与实现作为研究对象。并从SPARQL语法解析器、引擎系统的优化设计等方面进行了深入的探讨,提出了合理的设计策略和实现方法。     

本体的查询与推理研究

现今,计算机网络被广泛应用于生活的方方面面,而从海量的信息中搜寻出人们所需要的还存在诸多问题,于是产生了本体的概念。而本体的查询和推理是基于本体的应用中重要的组成部分,研究的目的是为了使知识得以充分表达并且对信息的查询更加精确、完备。首先介绍了本体的概念并建立本体模型,然后用本体杳询语言SPARQL对已有模型进行查询并用SWRL对模型进行语义规则的扩充;最后介绍了Jena,并对本体模型进行推理,由此获得了更多知识。结论就足,在利用SPARQL和Jena进行查询与推理的过程中,推理将提高查询能力,而规则是提高推理能力的关键。     

本体的查询与推理研究

现今,计算机网络被广泛应用于生活的方方面面,而从海量的信息中搜寻出人们所需要的还存在诸多问题,于是产生了本体的概念.而本体的查询和推理是基于本体的应用中重要的组成部分,研究的目的是为了使知识得以充分表达并且对信息的查询更加精确、完备.首先介绍了本体的概念并建立本体模型,然后用本体查询语言SPARQL对已有模型进行查询并用SWRL对模型进行语义规则的扩充;最后介绍了Jena,并对本体模型进行推理,由此获得了更多知识.结论就是,在利用SPARQL和Jena进行查询与推理的过程中,推理将提高查询能力,而规则是提高推理能力的关键     

OWL本体关系数据库构建方法

随着本体种类和资源的增加,本体的结构越来越复杂,为了合理地存储各种结构类型的本体、支持高效的本体查询,本文提出了一种基于关系数据库的OWL本体存储方法。该方法通过细致考虑OWL的基本元素,采用与传统的本体分解存储模式不同的构词分类方法,将OWL本体中的类、属性、实例、属性特征和属性约束分别存储在一张二维表中,从而解决了资源与属性值之间的复杂关系问题,并保证了OWL本体存储到关系数据库后语义信息的完整性。最后,利用关系数据库管理系统高效的检索和匹配速度以及SQL语言的高度非过程化,将检索和匹配OWL本体转换成检索关系数据库,弥补了OWL本体数据查询效率低的不足之处。     

HMSST:一种高效的SPARQL查询优化算法

在缩小海量数据查询范围的前提下,结合哈希映射和选择策略树提出了一种SPARQL优化算法——HMSST(HashMapSelectivityStrategyTree),实现了SPARQL的查询优化。并针对LUBM 1000所大学的测试数据集对查询策略进行了实验,实验结果表明:提出的HMSST算法以及存储策略相比现有的查询方案,具有更小的存储代价以及更高的查询能力,在大数据集下可以高效地工作,并且该优化方案在查询的元组模式个数较多和语义较复杂时效果更加明显。     

基于扬州的旅游本体构建研究

本体由于自身特性,作为语义网的核心被广泛应用于知识工程的表达和知识体系的构建、信息资源的查询检索,是一种有效的建模工具。笔者介绍了本体在旅游中的应用,以扬州瘦西湖风景区为例研究了其中类结构设计。最后通过OWL DL本体描述语言定义本体类、类之间的属性关系、属性的约束以及实例的创建,完成领域本体知识库的创建工作。     

基于属性相关性的SPARQL查询优化方法

目前主流的RDF存储系统都是基于关系数据库的,其查询引擎都是将SPARQL转换为SQL,然后由数据库的查询引擎来执行查询.但是,目前的数据库查询优化器对于连接查询的选择度估计都是基于属性独立假设的,这往往导致估计错误而选择了效率低的执行计划,所以属性相关性信息对于SPARQL查询优化器能否找到效率高的执行计划是非常重要的.针对SPARQL转换为SQL后,因连接操作没有优化导致查询效率不高的问题,提出了利用本体信息自动计算属性相关性的方法,从而调整连接操作的选择度估计值,调整连接顺序,提高SPARQL查询中基本图模式的连接查询效率.     

一种基于数据划分实现分布式SPARQL查询的方法

当海量RDF数据存储在分布式平台上时,数据划分的策略将直接影响海量数据的查询效率。为了提高分布式平台上的海量数据查询效率,提出一种基于分布式平台的有效数据划分方法。该方法根据RDF数据图的特征将数据分布在集群的各个节点上,并在此基础上对SPARQL查询语句进行分解,实现高效的分布式查询。算法在云平台上实现,并在真实的RDF数据集上对算法进行了测试。实验结果证明,与基准方法相比,该算法在查询效率上有很大的提高。     

基于CouchDB的SPARQL查询引擎实现

传统的SPARQL查询引擎在处理查询时以三元组模式为基本单位做查询优化处理,在三元组模式较多时存在着过多的连接操作,开销比较大。文中基于文档数据库的存储和查询特点,提出一种利用主语分类的方式来存储RDF数据的方法,将不同的RDF三元组按主语分成不同的类,并存入文档数据库的文档中。在处理SPARQL查询时将三元组模式也按照主语分类,构成以主语相关块为单位的查询图,并提出一种基于属性相关性的选择度估计方法来优化查询执行计划。文中利用文档数据库CouchDB实现了新的SPARQL查询引擎,实验证明文中的方法能够提高SPARQL基本图模式查询的效率。     

本体的形式化研究

知识本体作为共享概念模型的形式化的规范说明,在信息技术领域的各个方面有着广泛的应用。本体的表示有多种方法,本文给出了OWA(ontology-based Web annotation)、MaedcheA形式化定义、Guarino和KAON(Karlsruhe Ontology)4种典型形式化定义,并对其进行了对比分析。     

基于语义Web技术的上下文感知系统架构

介绍一种应用语义W eb技术(即本体、OW L)开发上下文感知系统的新架构。利用本体达到对域内上下文的准确和一致的理解,从而实现了兼容不同开发来源的上下文感知组件在同一个架构中的目的,满足了系统的分布式开发和组件复用的要求。     

本体解析的应用研究

详细描述了如何用Jena2解析本体,包括OWL文件中本体模型的载入,类、子类、实例、对象属性、值属性的提取,以及如何找到某一对象属性相关联的约束值等。     

军事仓储领域本体的构建

面对当今军事仓储管理的发展现状,我军在仓储管理领域出现了诸如知识难于共享和重用、不同应用之间无法进行互操作等急需解决的问题。文章提出了一种优化了的构建领域本体的流程,并给出了利用protege工具构建军事仓储领域本体的详细过程。在所构建的领域本体的基础上,设计基于本体的信息集成系统模型,从而消除不同部门、不同系统、不同应用在理解上的冲突与混乱,为我军后勤保障建设提供良好的帮助。