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。     

基于二分图的RDF关键词扩展查询方法

使用图表示RDF数据可以保持数据间的关联信息和语义信息,越来越多的关键词查询方法基于图结构实现RDF数据的查询处理。将二分图与RDF数据图相结合,定义RDF二分图模型,并提出一种基于二分图的RDF关键词扩展查询方法KERBG。该方法将文本信息封装在二分图顶点标签上,以支持对关系的查询;利用关键词同义词扩展技术对查询关键词进行语义扩展,有效解决同一对象的描述用词的多样性问题,进而提高查准率;利用RDF二分图的反对称邻接矩阵及其幂矩阵构造包含关键顶点的查询结果子图,实现关键词查询处理,并降低查询响应时间。实验结果表明,在查准率和查询响应时间方面,提出的KERBG方法优于当前主流方法。     

一种基于本体的语义检索算法

本体技术作为一种能在语义和知识层次上描述概念体系的有效工具,在数字图书馆得到了广泛的关注。给出了本体结构及其词法的形式化定义。为解决RDF在语义检索中存在的问题,利用Jena工具,提出了一种提取和处理RDF层本体处理方法,给出了一种基于本体的语义检索算法。算法基于软件工程的思想,忽略不同的本体语言、本体的RDF层集合间的差异。算法分五步骤进行,包括：将RDF层本体信息从网页中分离并构建RDF模型、对RDF模型进行集合运算、RDF层本体的查询、修正RDF层本体以及对RDF层本体的序列化。实验结果表明缩短了查询时间,提高了检索的查全率及查准率。     

一种支持用户偏好的RDF模糊查询方法

RDF模糊查询是实现语义Web智能检索的重要组成部分,利用Zadeh的Ⅱ型模糊集合理论、α-截集及语言变量概念,提出了支持用户偏好的RDF模糊查询方法,其扩展了SPARQL语言来实现模糊及偏好表达,构造了有序语言值子域表来实现模糊值到相应子域的映射,以确定隶属度区间。利用去模糊化规则,将扩展的查询转换为标准SPARQL,利用现有的SPARQL查询引擎实现模糊查询操作。为验证提出的方法,开发了fp-SPARQL实验系统。实验结果表明,该方法提高了RDF模糊查询效率,增强了用户对查询结果的满意度。     

基于分布RDF(S)模型的信息查询与集成

在Web应用环境中,可以通过RDF(S)形式描述企业领域内分布信息资源的语义,以提高信息查询的准确性.提出了描述分布异构RDF(S)的分布RDF(S)模型,并基于这一模型给出了实现分布RDF(S)查询的方法,此查询方法既能实现实例层次的查询,也能实现概念层次的查询.基于这一方法,用户能够以统一的形式来查询,获取相关的信息资源,同时还可以实现分布RDF(S)的集成.     

一种基于语义的RDF近似查询方法

针对返回结果为空或甚少的情况,提出RDF查询松弛和同源词替换相结合的方法:通过RDFS蕴含规则对初始查询进行松弛,选取合适的松弛查询进行同源词替换得到更多的查询结果.为了返回与初始查询在语义上相近的结果,提出面向RDF的语义距离概念,即通过语义距离的计算选取与初始查询在语义上相近的结果.在上述查询策略的基础上,给出基于语义的RDF近似查询处理的算法,通过实验验证了所提方法的可行性,并与现有的RDF查询方法进行了比较.实验结果表明,所提方法在查准率以及查全率方面均具有一定的优越性.     

基于Spark和Redis的大规模RDF数据查询系统

随着语义Web技术的不断发展,RDF数据量增长迅速,单机RDF查询系统已经难以满足现实需要,研究和构建分布式RDF查询系统已经成为学术界与工业界的研究热点之一.现有的RDF查询系统主要是基于Hadoop或通用分布式技术.前者磁盘I/O太高;后者则可扩展性较差.且两种系统在基本图模式查询时,效率都较低.针对上述问题,本文设计了基于Spark和Redis的分布式系统架构,并改进了查询计划生成算法,最后实现了原型系统RDF-SR.该系统使用Spark减少了磁盘I/O,借助Redis提高了数据映射速率,利用改进的算法减少了数据混洗次数.实验表明,相比于现有的其他系统,RDF-SR既保持了较高可扩展性,又在基本图模式查询时,具有更高的性能.     

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。     

基于关键词的RDF数据图查询模型研究

随着语义网数据的海量涌现,人们更加关注RDF图的数据查询效率,通过关键词匹配直接查询RDF数据图成为一个研究热点。针对关键词查询中普遍存在的结果冗余与偏离等问题,提出了一种基于关键词的RDF数据图查询模型。该模型首先采用提出的基于迭代的图查询算法(ISGR)对所查询关键词进行子图匹配,得到唯一且最大的结果子图集合;然后根据关键词图与结果子图之间的结构信息,利用统计语言模型,给出了一种结果子图排序方法(SimLM)。对比实验表明,提出的查询模型及排序方法在一致性和相关性方面的性能优于传统模型。     

基于本体的语义Web研究

语义Web与本体的关系极为特殊,本体在语义Web本身的体系结构中扮演着极为重要的角色,同时,位于语义Web体系结构的其它层的XML、RDF（S）等与本体也有着千丝万缕的联系。为阐述两者的关系,探讨基于本体的语义Web的特点及应用,介绍了本体和语义Web的产生和发展,在此基础上对基于本体的语义Web进行研究,重点分析了本体在描述语义方面弥补了XML、RDF（S）等的不足,并结合Web服务检索的实例介绍了本体在Web服务上的应用。     

一个基于演化聚类的RDF数据管理系统

在RDF数据存储方案中,现有的方法取消了元数据管理层,直接对数据进行操作,导致两个缺点的产生.首先,用户无法理解数据之间的关联,不利于下一步的数据集成.其次,缺乏元数据的描述信息,系统无法根据元信息划分数据块,使得数据的查询效率也随之下降.提出了一个基于演化聚类的、根据数据输入时抽取到的RDF数据元信息存储数据的RDF数据管理系统.     

基于RDF/XML的异构数据源集成研究

本文提出了一种基于RDF／XML的异构数据源集成平台，并着重对其通信结构、集成体系结构、关键技术等进行讨论与分析。     

个性化搜索引擎

随着网络上的知识不断暴涨，用户要求快速、有效地获取网络资源，该文提出了一种通过产生用户动态偏好来达到个性化搜索的方法，通过对搜索结果作一种基于内容的按名分类算法来为用户创建一个以RDF的形式表达的动态偏好。通过对RDF偏好文件的聚类来发现用户社区，产生相应的用户社区偏好。在搜索过程中，通过对该用户及其所属社区的偏好来分析。对搜索结果按重要性排序，达到了用户个性化搜索的目的。     

海量RDF数据的分布式存储研究

介绍海量KDF数据分布式存储的一种解决方案.R39F数据是按照主题-谓词-对象三元组进行存储的,重要的RDF数据还存储了额外的信息,例如版本信息、临时查询信息等.学习和研究当前流行的几种分布式存储框架,依托于开源框架HBase,在Linux集群上实现高效、协作地存储海量RDF数据.     

可编辑知识点的内容包装系统的实现

基于现代E-Learning中标准化与智能化相结合的思想,针对多媒体资源的特点对内容包装规范进行了扩展,提出了以知识点为基础的内容包装标准和资源描述框架结合的模型,并以此为基础设计实现了可编辑知识点逻辑的内容包装系统,本系统提供了可视化的编辑方法以编辑符合内容包装规范的XML绑定实例及知识点之间逻辑关系的RDF实例。     

语言变量模糊本体的表示与构建

语言变量模糊本体是语言变量在语义Web中的明确的规范化说明,有利于模糊系统与语义Web的结合,使得语义web更加方便地处理模糊信息。通过引入语言变量模糊本体的概念,研究使用RDF表示模糊本体的方法,将本体与模糊概念表示为“资源”。进而以工业洗衣机的模糊控制为例,提出从模糊系统构造语言变量模糊本体的过程。     

一种基于RAL的RDF查询方案

随着RDF的出现,其相应的查询语言也应运而生.然而,这些语言都没有考虑RDF代数关系(RDF algebra,简称RAL),因此,这样的RDF查询语言通常没有使用APIs来描述它们的语义和优化问题,这对于RDF查询会导致一种低性能行为.为此,为RDF查询语言和执行RDF查询优化提供一种RAL.首先定义RAL的数据模型、然后呈现处理数据的运算和等价规则、最后描述应用RAL运算和等价规则来查询RDF的优化.