时态RDF数据的不一致性修复和预处理

资源描述框架（RDF）是由W3C提出的开放型数据模型,对语义Web中信息资源的语义表达和描述标准化。语义网的快速发展和RDF的普遍应用,产生大量的时态RDF数据。时态RDF数据的一致性能提高时态RDF数据的准确性,也有助于提高数据库系统的可靠性和高效性,对于时态信息处理也能提供可靠的保证。针对支持有效时间的时态RDF数据存在的不一致性情况,提出了相关的修复算法,对于时态RDF数据实时更新,分析变化操作产生的不一致性并进行了预处理,实验验证了可行性。     

支持有效时间的时态RDF数据的不一致性分析

资源描述框架（RDF）是一个元数据模型,是由W3C建立的基础设施,使得Web上的数据机器可读。近年来,语义网的快速发展和RDF的普遍应用,产生了大量的含有时态信息的RDF数据,并涉及到各个方面领域的关键数据。时态RDF数据的一致性能提高时态RDF数据的准确性,时态数据的一致性检测和恢复也有助于提高数据库系统的可靠性和高效性,对于时态信息处理也能提供可靠的保证,也能提高时态信息处理的效率。研究了对传统RDF引入时间信息的建模方式,通过添加有效时间的时间标签的方式构建了支持有效时间的时态RDF模型,在此基础上对时态RDF数据存在的不一致性情况进行了分析和研究,并提出了相关的检测和修复的算法。     

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。     

基于列数据库的RDF数据管理实现

随着语义网的发展,Web上越来越多的开放数据以RDF格式发布,对海量RDF的有效管理是实现语义网的一个重要条件.文中讨论并分析了现有的几种RDF数据存储方法,针对垂直划分的方法,基于列数据库MonetDB,实现了一个RDF数据管理方案.该方案将RDF和RDFS信息分开存储,并在Barton数据集上,设计了包含几种连接的基准查询,对比RDF管理系统Sesame的三元组模式,分别进行了存储空间和查询效率测试.实验结果验证了基于列数据库的垂直划分方案的有效性.     

时态数据完整性约束研究与实现

时态数据库的完整性是为了保证时态数据库中存储的时态数据的正确性。为了防止时态数据库中出现不符合时态模型语义的数据,需要研究时态数据库的时态完整性相关理论,为时态更新操作的正确执行提供理论支持。在时态关系数据模型的基础上,通过将传统的数据完整性约束机制扩展到时态数据库领域,给出了时态完整性约束的完整定义和在不同的情况下违反时态完整性约束的具体处理机制,为时态数据处理构件——TempDB实现时态数据完整性约束提供了理论基础和实现依据,这对时态数据库理论的进一步完善和相关的实现技术具有重要的参考价值。     

基于Hadoop的时态信息存储与时态关系演算问题研究

面对海量的非结构化时态信息,构建了在分布式环境下的数据存储模型,并在此基础上提出一种基本的时态数据处理方法。使用Hadoop平台下的分布式、非结构化数据库HBase对海量时态数据进行存储,构造以时态集合为时态存储单元的时态数据存储模型;针对分布式处理特征和时态集合数据类型,提出一种在Map/Reduce编程计算模式下进行海量时态信息关系演算的实现方法;通过扩展时态区间关系运算,实现以时态集合为基本时态数据操作对象的交、并等关系运算。以医疗时态数据作为研究实例,表明了所提出的时态数据存储模型和关系演算方案在分布式应用系统下的适用性。     

大规模的RDF数据存储技术综述

随着互联网上数据大规模的增长以及语义网的发展,如何存储大规模RDF成为了当前普遍关注的问题.本文对语义网中大规模RDF存储系统的研究现状与进展进行了分析,分别介绍了在RDF存储系统中的存储组织和查询优化以及现有的一些大规模RDF存储系统解决方案,重在对大规模的RDF数据存储技术研究的主流方法和前沿进展进行分析,最后对大规模RDF存储系统存在的一些问题进行了讨论并展望了未来的发展方向.