查询分布式RDF知识库的体系结构和运算法则的研究

随着语史网的发展,存储和查询ILDF数据是亟待解决的问题.为此,展示用来存储RDF数据的基于DHT的P2P网络的体系结构,描述RDF的模型图及查询图,提出在分布式的上下文中查询处理和优化的运算法则.     

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.     

时态RDF扩展及其SPARQL查询语言

随着语义网的快速发展以及RDF框架（资源描述框架）的普遍应用,对含有时间信息的数据处理的需求越来越多,经典RDF模型由其本身结构特点缺乏表示和处理时间信息的能力,而且针对时态RDF的研究罕有得见。通过对经典RDF模型添加时间戳表示其时间维度,并对时态RDF图中的蕴含问题进行了讨论,根据SPARQL查询语言提出了完备的时态RDF查询语言Tsparql,并对提出的查询语言进行可行性以及性能进行了实验仿真。利用该时态RDF模型表示如股票、天气、新闻等具有时态特性的资源有优势,Tsparql对时态RDF进行查询具有良好的表达力和兼容性。     

XRQL--基于XML的新型RDF查询语言

W3C组织以RDF等标准为基础致力于推广语义WEB的应用,期望能以更为结构化的方式组织和处理WEB数据.文中提出一个基于XML的新型RDF查询语言--XRQL,并构建了一个以XRQL为查询语言的RDF引擎(NSRE)的体系结构,最后简要探讨了相关实现技术.     

对语义网查询语言的逻辑推理优化

为了在SeRQL RDF查询语言的语境中对查询进行的转换和优化，提出了使用Prolog语言来处理推理策略原型的RDF图的方法，以及将SeRQL查询转化为优化Prolog目标的算法，实现了对语义网语言的结构化变换，并验证了Prolog模块的性能。     

语义Web的逻辑基础

分析了语义Web的逻辑基础.指出了语义Web语言RDF和RDF Schema的语义是基于非经典的模型论语义,阐明了在此基础上扩展到表达能力更强的基于描述逻辑的本体语言OWL的困难.然后描述了OWL对这些困难的解决方法,并概述了如何把OWL的本体推理归约到描述逻辑的知识库可满足性问题.最后介绍了在OWL的基础上纳入Horn子句规则的方法.     

XRQL—基于XML的新型RDF查询语言

W3C组织以RDF等标准为基础致力于推广语义WEB的应用，期望能以更为结构化的方式组织和处理WEB数据。文中提出一个基于XML的新型RDF查询语言－XRQL，并构建了一个以XRQL为查询语言的RDF引擎（NSRE）的体系结构，最后简要探讨了相关实现技术。     

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。     

基于资源描述框架图切分与顶点选择性的高效子图匹配方法

在SPARQL查询过程中，含有复杂结构的资源描述框架（RDF）图的查询效率低下。为此，通过分析几种RDF图的基本结构与RDF顶点的选择性，提出RDF三元组模式选择性（RTPS）——一种基于RDF顶点选择性的图结构切分规则，以提高面向RDF图的子图匹配效率。首先，根据谓词结构在数据图与查询图中的通性建立RDF相邻谓词路径（RAPP）索引，将数据图结构转化为传入-传出双向谓词路径结构以确定查询顶点的搜索空间，并加快顶点的过滤；接着，通过整数线性规划（ILP）问题计算建模将复杂RDF查询图结构分解为若干结构简单的查询子图，通过分析RDF顶点在查询图中的相邻子图结构与特征，确立查询顶点的选择性以确定最优切分方式；然后，通过RDF顶点选择性与相邻子图的结构特征来缩小查询顶点的搜索空间范围，并在数据图中找到符合条件的RDF顶点；最后，遍历数据图以找到与查询子图结构相匹配的子图结构，将得到的子图进行连接并将其作为查询结果输出。实验采用控制变量法，比较了RTPS、RDF子图匹配（RSM）、RDF-3X、GraSS与R3F的查询响应时间。实验结果充分表明，与其他4种方法相比，当查询图复杂度高于9时，RTPS的查询响应时间更短，具有更高的查询效率。     

Semantics preserving SPARQL-to-SQL translation

Most existing RDF stores, which serve as metadata repositories on the Semantic Web, use an RDBMS as a backend to manage RDF data. This motivates us to study the problem of translating SPARQL queries into equivalent SQL queries, which further can be optimized and evaluated by the relational query engine and their results can be returned as SPARQL query solutions. The main contributions of our research are: (i) We formalize a relational algebra based semantics of SPARQL, which bridges the gap between SPARQL and SQL query languages, and prove that our semantics is equivalent to the mapping-based semantics of SPARQL; (ii) Based on this semantics, we propose the first provably semantics preserving SPARQL-to-SQL translation for SPARQL triple patterns, basic graph patterns, optional graph patterns, alternative graph patterns, and value constraints; (iii) Our translation algorithm is generic and can be directly applied to existing RDBMS-based RDF stores; and (iv) We outline a number of simplifications for the SPARQL-to-SQL translation to generate simpler and more efficient SQL queries and extend our defined semantics and translation to support the bag semantics of a SPARQL query solution. The experimental study showed that our proposed generic translation can serve as a good alternative to existing schema dependent translations in terms of efficient query evaluation and/or ensured query result correctness.     

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。     

应用于电子商务的语义Web核心语言分析

到目前为止已有多种基于语义Web的语言，这些语言实现了基于Web的知识表示、共享和重用。重点分析了语义Web的几种语言：XML规范簇、RDF、RDF Schema、DAML OIL。在此基础上给出了语义Web技术的重要应用——电子商务中核心语言的分层结构。该结构中XML规范簇完成了数据描述功能，RDF用于描述元数据，RDF Schema提供了基本的本体原语，DAML OIL提供了推理功能，利用这些语言，可以实现电子商务中数据描述的统一性、通用性及互操作性。     

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。     

SPARQL查询的关系代数表示与转换方法

为解决基于本体的数据集成系统中的查询转换问题,提出SPARQL查询的关系代数表示和转换方法。引入RDF图模式的关系代数,定义了五种基本的关系运算,给出了SPARQL查询的关系代数表示;提出了SPARQL到SQL的查询转换方法,将基于本体的SPARQL查询转换为可在关系数据库上直接执行的SQL查询,从而实现关系数据库的集成。系统实现表明,该方法能够有效地实现查询语言的转换。     

KGDB: Knowledge Graph Database System with Unified Model and Query Language

Knowledge graph is an important cornerstone of artificial intelligence, which currently has two main data models: RDF graphs and property graphs. There are several query languages on these two data models, including SPARQL on RDF graphs and Cypher on property graphs. Over the last decade, various communities have developed different data management methods for RDF graphs and property graphs. Inconsistent data models and query languages hinder the wider application of knowledge graphs. In this paper, we propose a knowledge graphy database (KGDB) system with unified data model and query language. (1) We work out a unified storage scheme based on the relational model that supports the efficient storage of RDF graphs and property graphs, catering to the smooth storage and query of knowledge graph data. (2) The characteristic set-based clustering is used in KGDB for the storage of typeless entities. (3) It realizes the interoperability of SPARQL and Cypher by enabling them to operate on the same knowledge graph. Extensive experiments on real-world datasets and synthetic datasets reveal that KGDB is more efficient than existing knowledge graph database management systems in storage management and query efficiency. KGDB saves 30% of the storage space on average compared with gStore and Neo4j. In addition, KDGB is two orders of magnitude faster than gStore and Neo4j in the query of the real-world datasets, seen from experiments on the query of basic graph pattern matching.