基于关系数据库的本体构建方法研究

本体可以很好地解决异构数据库集成中语义异构问题。由关系数据库模式转换到本体结构是信息集成的基础技术之一。该文提出了一种基于关系数据库的本体建模方法,并对构建过程中丢失的外键所包含的语义信息进行恢复,使得数据库的语义表达更为完整。     

一种关系数据库到本体的自动构建方法

随着语义网的发展,对本体的需要也越来越大。但是目前大多数的数据被存储在关系数据库中,这些数据不能被语义网应用程序所访问。因此如何将关系数据中的数据转化为可以被语义网应用的数据,是一个需要解决的问题。针对上述问题,提出了一种从数据库自动地构建OWL本体的方法。该方法把本体构建过程分为语义信息的发现和本体映射两个部分。并且定义了一种图M-Graph,通过M-Graph的生成与分析,结合映射规则自动地构建OWL本体。实验验证,该方法可自动地由关系数据库构建OWL本体,并且可以得到相对丰富和准确的本体。     

基于关系数据库的OWL本体构建方法的研究

利用已有的数据资源以自动或半自动方式构建本体是实现语义Web的任务之一.在分析了现有研究成果及不足的基础上,给出了一个比较系统的基于关系数据库的OWL本体构建方法.介绍了如何从关系模式中识别实体、联系、继承关系、聚类关系及基数约束等语义,完成了从关系数据库语义到本体相应部分的转换,通过原型系统的实现验证了该方法的有效性.     

OWL本体关系数据库构建方法

随着本体种类和资源的增加,本体的结构越来越复杂,为了合理地存储各种结构类型的本体、支持高效的本体查询,本文提出了一种基于关系数据库的OWL本体存储方法。该方法通过细致考虑OWL的基本元素,采用与传统的本体分解存储模式不同的构词分类方法,将OWL本体中的类、属性、实例、属性特征和属性约束分别存储在一张二维表中,从而解决了资源与属性值之间的复杂关系问题,并保证了OWL本体存储到关系数据库后语义信息的完整性。最后,利用关系数据库管理系统高效的检索和匹配速度以及SQL语言的高度非过程化,将检索和匹配OWL本体转换成检索关系数据库,弥补了OWL本体数据查询效率低的不足之处。     

一种从关系数据库向Flogic本体转换的方法

目前提出的从关系数据库中获取本体的方法主要关注主键之间的相关性,导致抽取的语义信息不全。本文提出一种将关系数据库向Flogic表示的本体转换的方法,该方法通过对主键、数据、属性相关性的综合分析,可以抽取出关系数据库中隐含的语义信息,如继承关系及优化结构。     

基于本体的关系数据库语义检索

以经济学领域本体为例,首先研究SemSORD基本原理和方法,然后提出基于关系数据库关键词检索(Keyword Search over Relational Databases,KSORD)技术实现的关系数据库语义检索模型,并实现相应的原型系统Si-SEEKER,最后提出该领域的研究挑战和技术发展趋势。     

从关系数据库学习OWL本体的方法

提出了一种从关系数据库半自动学习OWL本体的方法.该方法在形式化表示关系数据库模式和OWL本体的基础上,遵循从关系数据库模式到OWL本体的一组通用映射方法和规则,并基于Java 2平台实现了原型工具OntoLeamer.利用OntoLeamer进行的典型案例研究表明了该方法的有效性.     

从关系数据库学习本体的方法研究综述

本体是语义Web的基础,它是解决语义层次上Web信息共享和交换的基础。因此,我们需要研究方法和技术来减少知识获取过程中的代价,实现简单快捷的本体构造,这也正是本体学习的目标。本文综述了从关系数据库学习本体的相关方法,分析了各种方法的特点与不足。     

关系数据库存储OWL本体方法的研究

Web本体语言(OWL)是一种用于对本体进行语义描述语言,不仅提供强大的语义表达能力,而且能够表达机器可以理解的内容。关系数据库在存储与管理大规模数据方面相应技术比较成熟。针对该情况,结合两者的优势,提出一种关系数据库存储OWL本体的存储模式,在存储大规模数据和保持语义完整性两者之间取得一个平衡点,使关系数据库存储OWL本体既能存储海量数据,又能最大限度保持其语义完整性。     

基于关系数据库存储OWL本体的方法研究

在研究OWL本体的存储模式和现有的基于关系数据库本体存储模式的基础上,本文提出了一种新的基于关系数据库存储OWL本体的方法。该方法根据OWL的构词特征,设计关系表来保存本体中资源之间的关系,描述了特征和约束、刻画了本体的层次和等价等关系,很好地存储了本体的语义信息。它适用于存储大规模的本体,同时大大提高了检索、查询、映射的效率。     

基于规则的关系数据库到本体的转换方法

提出了一种新的全自动的关系数据库到本体的转换方法,通过分析关系模式的主键、属性、引用关系、完整性约束和部分数据来创建本体,尽量保持了关系数据库的信息,并在构建的过程中对信息进行初步的集成和分类.系统实践证明,该方法可自动进行关系模式和数据到本体的等价转换,而且完成了对关系数据库中部分语义信息的辅助挖掘.     

基于本体理论的关系数据库存储模式

通过分析借鉴现有本体在关系数据库中的存储模式的优势与不足,提出面向查询的基于本体理论的关系数据库新型存储模式.分析关系数据库概念模型与OWL本体表述之间的关系,实现OWL本体描述关系数据库概念模型,将本体映射到POJO对象模型,利用ORM技术将对象模型映射到关系模型中,形成新型的关系数据库存储模式.该存储模式支持数据库概念模型的灵活演变与更新,实验验证了其有效性.     

一种OWL本体进化方法*

针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实     

From keywords to relational database content: A semantic mapping method

Keyword-based query specification to extract data from structured databases has attracted considerable attention from various researchers, and many interesting proposals may be found in the scientific literature. However, many of these studies focus on finding a set of interconnected tuples containing all or some of the query keywords. The architecture introduced by this paper covers from the selection of databases on the Web to ranked relevant results. The approach also includes important aspects such as the proximity between keywords, query segmentation, and the use of aggregate functions, among others. The empirical evaluation analyzes the relevance of results and proves competitive as regards related studies.     

基于关系数据库的关键词查找排序策略

基于关系数据库的关键词查找技术像使用搜索引擎一样获取数据库中相关的数据.针对RDBMS上具体书目索引数据库的关键词查找高效性问题,提出了对返回结果集的一种排序策略.以查询序列与结果元组树之间的相似值作为排序依据,参照传统信息检索系统上关键词查找结果集排序的相似值计算公式,提出数据库上查询序列与结果元组树之间的相似值公式,并分析与重新定义了相关影响因子的标准化函数表达式.通过在简单数据库上的分析验证了该改进是合理的.     

Adding time dimension to relational model and extending relational algebra

A methodology for adding the time dimension to the relational model is proposed and relational algebra is extended for this purpose. We propose time-stamping attributes instead of adding time to tuples. Each attribute value is stored along with a time interval over which it is valid. Non-first normal form realations are used. A relation can have atomic, set-valued, triplet-valued, or set triplet-valued attributes. The last two types of attributes preserve the time (history). Furthermore, new algebraic operations are defined to extract information from historical relations. These operations convert one attribute type to another and do selection over the time dimension. Algebraic rules and identities for the new operations are also included.