大数据中RDF语义数据存储优化探讨

结合大数据的特点和语义Web的理论,对大数据中的RDF语义数据的描述和存储进行研究。分析各种数据库存储RDF语义数据的优点和缺点,指出图数据库存储RDF语义数据的优势。最后采用Neo4j开源Java代码实现了一个图数据库系统,通过运行实例验证了以上结论。     

语义物联网中一种多领域信息互操作方法

针对当前语义物联网尚未形成一套比较完善、可共享的语义系统,无法支持不同领域资源描述和语义互操作性问题,提出了一个语义物联网中基于多个领域本体及链接开放数据的语义互操作方法。该方法可以半自动化标注新部署的传感器,为传感器数据添加语义,使机器理解数据含义,并对其进行推理;采用本体实体表管理同一领域本体,来规范统一本体;基于链接开放数据获取命名实体相关的语义,对信息进行补充。最后通过具体实例阐述其工作过程,并与其它经典的方法进行比较。结果表明,其可以较好的实现多领域信息的互操作。     

S-RSM:一种基于语义的数据空间资源搜索机制

数据空间技术是数据库管理技术的进一步发展,如何有效地搜索数据空间中的资源成为一个值得研究的问题.为此提出一种基于语义的数据空间资源搜索机制(S-RSM,Semantics-based Resource Search Mechanism for Dataspace).定义了资源描述模型,能够有效地将数据资源进行统一描述和包装;提出一种基于语义的资源搜索策略,利用Dbped ia语义知识库评估资源对象关联和语义项关联.同其它搜索策略相比,S-RSM在查全率和查准率等方面具有一定的优势.     

基于RDF的语义网格数据建模与检索

语义网格所需要处理的信息通常为半结构化数据,如何以合理的模型表示这些半结构化数据并实现高效查询处理,是语义网格要解决的核心问题之一。提出了一种基于资源描述框架（RDF）的半结构化数据表示模型,并设计了相应的信息检索机制。最后介绍了一个基于化工计算网格平台的,实现了化工领域知识共享与检索的化工语义网格架构的设计与实现。     

语义物联网中基于语义空间的语义协同方法研究

物联网是由许多的设备互连起来构成的一个巨大网络,如何实现物理世界中物的信息共享和协同工作是实现物联网的根本所在。与此同时,借助语义网的基石-本体,能够表达物的信息的概念及其概念间的关系,因此,将语义网与物联网结合起来形成的语义物联网是实现物联网的有效手段。针对语义物联网中的语义协同方法,提出将网络物理社会和智慧物联网相结合,以机器空间、物理空间、社会空间和精神空间结合而形成的语义空间为目标,结合语义网中的本体和推理技术,通过语义匹配建立语义物联网的协同服务框架。实验结果表明,通过语义匹配、服务过滤和服务评分的语义协同过程,能够为用户提供满足其偏好的最优服务。     

语义传感器Web中的数据管理技术研究

语义传感器Web是由传感器网络技术、分布式计算技术、数据库管理技术和语义Web技术整合发展而来的.语义传感器Web能够感知、收集、整合信息,抽取新的知识并为感知器提供增强语义,因此能对环境的变化有更智能的感知,用户可以通过访问Web获取这些信息.作为计算机科学中一个新的研究领域,它有着广阔的应用前景,引起了工业界和学术界浓厚的兴趣.介绍了语义传感器Web的基本概念、特点,并着重讨论了语义传感器Web数据管理中所存在的研究问题、研究现状和研究成果.     

物联网语义关联和决策方法的研究

物联网系统包含大量的感知设备,产生大量孤立和异构的感知数据,形成数据孤岛.如何将不同感知设备产生的数据进行有效的语义关联、构建跨域的数据关联模型、屏蔽数据异构性、实现综合智能决策是物联网研究的关键问题.本文以物联网系统为研究对象,从语义入手,构建以环境—资源—行为为核心的物联网本体模型;基于关联数据方法构建以行为关联模型和资源关联模型为核心的物联网语义关联网络;提出一种基于事件的推理算法实现语义推理,从而更好地实现对物联网系统的智能决策;最后,通过两个智能家居系统的实例验证了本文方法的可行性,通过构建不同方法的查询实例验证了本文方法的优越性.     

语义Web中几种语义描述语言的分析比较

介绍了语义Web的概念、产生的背景、革命化的意义,并讨论RDF、RDFS、OIL、DAML-O的语义表示特征以及它们在语义Web中所发挥的重大作用,并举出例子来说明这几种语义描述语言在语义Web中的应用,同时深入分析比较了它们的语义表示能力。     

基于多传感器的语义数据融合方法研究

物联网已经渗透到各个领域,并对各领域数据进行自动采集和应用。但异构数据的存储和融合一直是物联网的技术难题,使数据信息不能被理解,阻碍传感器的应用。因此设计高质量的数据融合算法,具有重大实际应用价值。本课题拟通过语义,根据物联网传感器数据融合的理论分析与本体建模的方法,以及传感器本体和语义融合的一般方法,提出基于多传感器的语义数据融合方法,促进语义在物联网多传感器数据融合中的应用,为物联网系统的智能控制和决策分析打下基础,加快物联网在各领域的快速发展和深入应用,有一定的经济和社会效益。     

基于语义属性特征图的查询扩展方法

传统的查询扩展方法由于忽略了词之间的语义关系,在不规范的短小关键字上补充扩展的词已经无法达到预期目标。Linked Data技术利用资源描述框架(RDF)图模型形成Linked Open Data Cloud,能提供更多语义信息。针对查询扩展忽略语义的问题,提出了一种基于语义属性特征图的查询扩展方法。该方法将语义网与图的思想融合,利用以DBpedia资源为顶点的属性图加以扩展。首先,通过有监督的学习训练出15种语义属性特征的权重,用于表达扩展资源的有用性;然后,在整个DBpedia图上通过标签属性实现查询关键字到DBpedia匹配资源的映射;再根据属性特征广度搜索出邻接点,并将其作为扩展候选词,最后筛选出词相关行分值最高的作为最终扩展词。实验表明,与LOD Keyword Expansion方法相比,基于语义属性特征图的扩展方法召回率达到0.89,平均逆排序(MRR)提高4个百分点,与用户查询更匹配。     

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。     

语义Web技术及其逻辑基础

随着语义Web的产生和发展,人-机及机-机间的交流与协作将变得更加方便。该文从介绍语义Web概念及体系结构入手,对关键技术XML, RDF及Ontology进行了对比分析说明,同时研究了其逻辑基础(描述逻辑),分析了其语法语义及推理任务。对语义Web的未来发展热点问题进行了展望。     

一种语义物联网本体的Abox摘要方法

针对目前大多语义物联网本体的Abox体积过于庞大,不利于人们理解本体或利用本体进行推理等问题,利用等价关系,通过对等价实例的查找、映射、删除等操作,对本体Abox进行摘要,并设计、实现了其原型系统.对公共本体进行摘要测试,结果表明,该方法在保留本体原始语义的前提下,精减了Abox中的冗余断言,缩小了本体体积,降低了存储压力,方便了用户对本体的理解、重用等相关操作.     

矿山语义物联网自动语义标注方法

针对目前矿山领域异构数据融合时先验知识获取困难、物联网本体库实时性差、实例对象数据手动标注方式效率较低等问题,提出了一种矿山语义物联网自动语义标注方法。给出了传感数据语义化处理框架:一方面,确定本体的专业领域和范畴,通过重用流注释本体(SAO)构建领域本体,作为驱动语义标注的基础;另一方面,使用机器学习方法对感知数据流进行特征提取与数据分析,从海量数据中挖掘出概念间的关系;通过数据挖掘知识来驱动本体的更新与完善,实现本体的动态更新、拓展与更精确的语义标注,增强机器的理解力。以矿井提升系统主轴故障为例阐述从本体到实例化的语义标注过程:结合领域专家知识及本体重用,采用"七步法"建立矿井提升系统主传动故障本体;为了加强实例数据属性描述的准确性,使用主成分分析法(PCA)与K-means聚类方法对数据集进行降维和分组,提取出数据属性与概念的关系;通过基于语义Web的规则语言(SWRL)标注具体先行条件与后续概念的关系,优化领域本体。实验结果表明:在本体实例化过程中,可利用机器学习技术从传感数据中自动提取概念,实现传感数据的自动语义标注。     

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。     

语义区块链研究综述

区块链因具有去中心化、不可窜改、可追溯、集体维护、可编程和安全可信等特点,已应用于金融、物联网、供应链与物流链管理、数字资源版权管理等行业,但因缺乏链间互操作、无法索引查询等问题,极大制约了它的深入应用.语义Web技术和区块链技术融合产生的语义区块链技术,有望解决这些相关问题.为方便研究者系统地了解语义区块链的研究现状和发展趋势,对语义区块链技术进行了综述.首先,分析了区块链对语义Web技术的需求、语义区块链的优点;然后,分析和总结了语义区块链的研究和应用现状,包括区块链本体的设计、区块链数据的语义描述、语义数据的存储、智能合约的语义化、语义区块链的相关应用;最后,对语义区块链的主要研究方向进行了展望.     

分布式环境下大规模资源描述框架数据划分方法综述

随着知识图谱的日益发展和在各个垂直领域的广泛应用,对于资源描述框架（RDF）数据的高效处理需求日益成为现代大数据管理领域中的新课题。RDF是W3C提出的用于描述知识图谱实体以及实体间关系的数据模型。为了有效地应对大规模RDF数据的存储和查询,很多学者考虑在分布式环境中管理RDF数据。RDF数据的分布式存储所面临的关键问题是数据的划分,而划分的结果很大程度上决定了SPARQL的查询性能。从数据划分的角度,主要围绕两类：基于图结构的RDF数据划分方法和基于语义的RDF数据划分方法展开深入阐述。前者包括多粒度层次划分、模板划分和聚类划分,适用于通用领域查询的语义范畴较为宽泛的场景;后者包括哈希划分、垂直划分和模式划分,更加适用于垂直领域查询的语义范畴相对固定的环境。此外,针对几种典型的划分方法进行对比与分析,为未来RDF数据划分方法的研究提供参考。最后,对未来RDF数据划分方法的发展方向进行了归纳总结。     

基于语义网的中文百科知识组织与集成

通过从3个最大的中文百科全书（百度百科、互动百科、中文维基百科）所包含的大规模知识数据中识别重要的结构化特征生成RDF三元组,并将这些信息数据整合加入分布式大规模RDF数据存储系统,从而构成符合Linked Data要求的中文百科知识库RDF数据集。主要工作包括,通过配置网络爬虫对百度百科和互动百科的网页进行爬取,解析其中信息框等内容,生成RDF三元组并实现三元组的动态插入;下载需要的DBpedia中文三元组数据,将三元组进行整合并存储到课题组的大规模语义数据存储库Jingwei中;设计显示动态插入和三元组模式查询的页面,通过原型系统实验,验证了该方法的有效性。