语义Web中RDF元数据的存储与管理

语义Web的实现首要解决的问题就是对资源的描述,RDF是描述信息资源的基础,管理和存储RDF数据成为必须要解决的问题。如果把RDF数据存储在关系数据库中,就可以有效地利用现有的数据库资源来管理RDF数据。本文用垂直Scheme的格式来构造RDF数据存储表,通过模式映射把RDF数据映射成RDF数据存储表中的记录;此外又给出了用RDF视图查询RDF数据的方法为实现语义查询打下了基础。     

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。     

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,文中给出了对象关系数据库与RDF(S)的形式化定义,根据形式化定义将对象关系数据库中的语义信息进行抽取,提出了构建RDF(S)数据的映射规则.该映射规则不仅考虑了数据库的面向对象的语义,还考虑了数据库的约束,可以充分抽取数据库中包含的语义信息.最后实现了一个名为ORDB2 RDF的映射工具,验证了该映射规则的正确性与映射结果的语义完整性.     

RDF数据存储技术研究

资源描述框架RDF是一种元数据描述方法，它提供了Web上智能信息服务和语义互操作性的标准，是下一代Web一语义Web应用的基础。大量RDF数据的操作和处理需要数据库的支持，而关系数据库存储RDF数据的方法可以有效处理RDF数据。     

基于元数据的关系数据库语义集成方法

提出一种基于元数据的关系数据库语义集成方法,将关系数据库动态转换成具有丰富语义的虚拟资源描述框架(RDF)视图,使关系数据库中的数据成为语义网上可以被机器理解和处理的“智能数据”。介绍语义集成框架并分析关系数据库与领域本体语义映射的原理和方法,提出语义元数据描述模型。分析语义查询分解与转换的方法,描述原型系统的实现与应用情况。     

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.     

基于Xindice的本体存储查询研究

随着语义Web技术的不断发展,基于XML的数据文档管理成为语义Web技术发展的难题,特别是RDF,DAML,OIL,OWL等本体语言的提出,基于XML的本体文档日趋复杂,传统的在关系数据库中依靠映射关系管理本体文档越来越困难.提出使用XML数据库Xindice来存储查询本体文档并设计了存储查询方法.     

基于SWMVR的视频考勤系统应用研究*

随着语义Web技术的不断发展，基于XML的数据文档管理成为语义Web技术发展的难题，特别是RDF，DAML，OIL，OWL等本体语言的提出，基于XML的本体文档日趋复杂，传统的在关系数据库中依靠映射关系管理本体文档越来越困难。提出使用XML数据库Xindice来存储查询本体文档并设计了存储查询方法。     

基于关系数据库的语义数据查询方法

针对当前资源描述框架(RDF)查询语言查询数据效率不高且不能查全的特点,通过研究关系数据库模式到RDF视图的映射关系,在基于本体的智能检索方法基础上引进分层思想,设计和实现一种单本体数据源环境下的RDF查询引擎,实现隐含语义的发现。实验表明该引擎能较好地实现高效率的语义查询,并具有更大的灵活性和可扩展性。     

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.     

基于OWL本体论映射的数据库网格语义模式集成研究

本文提出了一种在数据库网格中OWL本体论映射机制如何用于基于语义的数据库模式集成。方法是首先把关系模式转化为RDF/OWL语义描述以完成局部映射,再通过把局部数据语义与全局共享本体建立联系来完成全局映射。本质是把异构数据库模式的语义通过本体显性地表达出来,并在语义Web层完成模式的集成。特点是实现了在统一的语义层次上进行共享与查询,同时采用了局部映射与全局映射松耦合的构架,其特有的分层结构使得在跨库/单库环境中进行语义查询变得更加灵活。     

Ultrawrap: SPARQL execution on relational data

The Semantic Web’s promise of web-wide data integration requires the inclusion of legacy relational databases,¹ i.e. the execution of SPARQL queries on RDF representation of the legacy relational data. We explore a hypothesis: existing commercial relational databases already subsume the algorithms and optimizations needed to support effective SPARQL execution on existing relationally stored data. The experiment is embodied in a system, Ultrawrap, that encodes a logical representation of the database as an RDF graph using SQL views and a simple syntactic translation of SPARQL queries to SQL queries on those views. Thus, in the course of executing a SPARQL query, the SQL optimizer uses the SQL views that represent a mapping of relational data to RDF, and optimizes its execution. In contrast, related research is predicated on incorporating optimizing transforms as part of the SPARQL to SQL translation, and/or executing some of the queries outside the underlying SQL environment.Ultrawrap is evaluated using two existing benchmark suites that derive their RDF data from relational data through a Relational Database to RDF (RDB2RDF) Direct Mapping and repeated for each of the three major relational database management systems. Empirical analysis reveals two existing relational query optimizations that, if applied to the SQL produced from a simple syntactic translations of SPARQL queries (with bound predicate arguments) to SQL, consistently yield query execution time that is comparable to that of SQL queries written directly for the relational representation of the data. The analysis further reveals the two optimizations are not uniquely required to achieve a successful wrapper system. The evidence suggests effective wrappers will be those that are designed to complement the optimizer of the target database.     

RDF查询语言到SQL语言的转换原理及其实现方法

RDF查询语言的优点是具有语义性，缺点是对于海量信息的存储和查找的效率都很低．而关系数据库对海量信息的存储和查找的效率皆很高，但是其查询语言SQL却缺乏语义信息．为了使信息查询既有RDF的语义性又有关系数据库的高性能，提出将RDF查询语言到SQL语言的转换原理，并在此基础上实现一个对用户透明的、建立在关系数据库之上的RDF查询引擎．其优点是：可以利用关系数据库来存储和查询RDF信息，提高其海量存储和查找效率；对存储在不同的关系数据库中的关系数据，能够利用RDF的查找特性进行异质数据库之间的信息交换及信息融合．     

关系数据库模式和本体间映射的研究综述

关系数据库模式和本体问映射是语义网研究中的一个重要问题.首先,给出关系数据库模式和本体间映射的形式化定义,并从建模思想和应用场景两个方面分析问题的难点.根据3个不同角度,即模型转换的途径、映射策略的适用范围以及映射结果的表达形式,调研当前存在的多种解决途径.在此基础上,进一步介绍并比较6个具有代表性的关系数据库模式和本体间映射的工具.最后,讨论存在的挑战,并指出未来可能的研究方向.     

SECO: mediation services for semantic Web data

SECO (semantic collaboration), an infrastructure that lets agents uniformly access data that is potentially scattered across the Web is described. The SECO system provides mediation services that aggregate, integrate, and display RDF data obtained from the semantic Web. Using a crawler, SECO collects the RDF data available in files and uses RDF repositories as data sources. SECO applies semantic Web technologies to RDF data by combining techniques from information retrieval and semistructured databases.     

Unveiling the hidden bride: deep annotation for mapping and migrating legacy data to the Semantic Web

The success of the Semantic Web crucially depends on the easy creation, integration, and use of semantic data. For this purpose, we consider an integration scenario that defies core assumptions of current metadata construction methods. We describe a framework of metadata creation where Web pages are generated from a database and the database owner is cooperatively participating in the Semantic Web. This leads us to the deep annotation of the database—directly by annotation of the logical database schema or indirectly by annotation of the Web presentation generated from the database contents. From this annotation, one may execute data mapping and/or migration steps, and thus prepare the data for use in the Semantic Web. We consider deep annotation as particularly valid because: (i) dynamic Web pages generated from databases outnumber static Web pages, (ii) deep annotation may be a very intuitive way to create semantic data from a database, and (iii) data from databases should remain where it can be handled most efficiently—in its databases. Interested users can then query this data directly or choose to materialize the data as RDF files.     

基于分面导航理论的RDF数据的持久化研究

分面导航是一种广泛使用的信息空间导航技术,但导航属性只是根据经验选取,缺乏评价体系。考虑 RDF元数据的语义限制,利用统计学的方法从RDF实例中挖掘出适合作为面的谓词,对统计过程丢失的适合作为导航能力的其他属性,利用层次聚类方法进行分析和获取,从而提出一种RDF数据到关系数据库模式的转换方法。实验结果表明此转换方法可以挖掘出语义限制条件下适合作为导航属性的RDF属性,提高了RDF数据的导航效率,保持了转换前的语义限制关系。     

一种高效的RDF图模式匹配算法

随着越来越多的信息被表示为RDF格式,如何高效地对RDF信息进行分发和过滤成为一个重要的问题·在语义Web环境下的信息分发系统中,输入的RDF信息需要和大量的用户订阅条件进行匹配,而用户的订阅条件可以被表示为RDF图模式·根据RDF图的特点,并对其增加了一些约束,设计了一种新的RDF图模式匹配算法·实验结果表明,该算法的匹配效率远远高于传统的图模式匹配算法·