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.     

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。     

基于语义视图的SPARQL-SQL查询转换方法

针对油气井工程领域关系数据库,提出一种基于语义视图的SPARQL-SQL查询转换方法.该方法采用特定本体描述数据源关系模式,通过RDF三元组形式,将关系表定义为领域本体之上的语义查询视图,从而建立数据源与本体之间的映射关系,并根据语义映射信息,将提交的SPARQL语句进行解析与查询重写,转换为面向关系数据源的SQL语句.通过实现油气井虚拟数据中心,验证了该方法的可行性与有效性,并获得了良好的应用效果.     

基于BSP的SPARQL基本图模式查询算法

随着语义网的不断发展,发布在互联网上的资源描述框架(RDF)数据达到百亿级三元组规模,并且呈现几何增长趋势,针对RDF数据的单机SPARQL查询方法已经不再适用。为此,提出一种基于整体同步并行(BSP)模型的SPARQL基本图模式查询算法。根据RDF有向图数据特性及基本图模式定义,将整个查询过程分成匹配和迭代2个阶段,在匹配出所需查询的三元组模式后,通过迭代使部分解逐步逼近完全解,得到最终查询结果。利用HAMA分布式计算框架进行算法实现,实验结果表明,与基于MapReduce的SPARQL查询算法相比,该算法具有较高的查询效率,能为大规模RDF数据的快速SPARQL查询提供支持。     

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。     

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。     

基于关键字的RDF聚合查询研究

目前RDF数据上关键字查询转换为结构化语句的算法主要支持对于一般图元素的查询，而无法转换为包含聚合操作的结构化语句。关键字存在大量候选解释，且可能同时匹配聚合操作或图元素，这导致查询中聚合意图的理解非常困难。对此，提出将关键字查询自动转换为可能包含聚合操作的SPARQL语句的算法。算法对SPARQL所支持的聚合操作进行分类，获得关键字与聚合类别的匹配字典，进行关键字映射，计算关键字可能指示聚合意图的概率，确定候选查询解释，并利用模式图获得查询意图，设计意图分数计算方法和查询转换算法，得到对应的查询语句。LUBM和DBLP数据集上的实验验证了算法的有效性和准确性。