基于RDF的海量语义数据管理研究

随着Web信息呈指数级增加,目前存储模式已难以适应大规模RDF数据高效存储的需求。本文通过对语义万维网结构以及RDF语义文件存储和查询技术的研究,分析了海量语义数据管理的研究领域和现状,提出了基于RDF的海量数据管理框架。该框架旨在实现对海量数据的管理,以解决RDF数据管理中存在存储设计难度大,查询处理复杂且效率低,查询结果排序困难的问题。     

基于语义的智能检索在供需网中的应用

随着加入供需网的供需流逐渐增多,有关信息智能检索的实现将成为供需网成功实施的关键技术.为了实现智能检索,提出了利用语义网中的XML和RDF(资源描述框架)对现有词汇表进行扩展,运用RDQL(RDF数据查询语言)对供需网中的信息进行查询,并提出了一个供需网中基于语义的智能检索实施框架.     

MOOC统一检索平台的自动构建与应用

随着MOOC平台增多以及同一平台下学习资源剧增,如何实现跨平台的高效语义检索成为目前MOOC亟待解决的问题之一.该文通过网络爬虫工具获取多个知名MOOC平台的学习资源数据,进行相关预处理后存储到Mysql数据库,并根据数据库与本体之间的映射关系自动构建MOOC本体,使用Jena将MOOC本体解析成RDF 3元组,并将RDF 3元组存储至HBase数据库,最终构建出一个MOOC统一检索平台,为学习者推荐符合其检索需求的学习资源.实验结果表明:构建的MOOC统一检索平台可有效地提高检索的查准率和查全率.     

RDF在语义Web知识表示中的作用

基于Web具有的一些特征和应用于语义Web的知识表示语言RDF,分析了RDF提供的语法基础即如何用XML来实现语法,以及RDF如何无二义性地描述资源对象的问题,使得描述的资源的元数据信息成为机器可以理解的信息。在此基础上,提出了一种新的适合Web发展需要的知识表示方法,为智能应用领域提供基础;并阐述了以RDF为基础的知识表示语言可较好地实现语义Web的知识表示。最后通过基于OWL知识表示实例的语义检索应用给予了说明。     

用OWL绑定学习对象元数据

随着学习对象的增加,对学习对象的管理、查找、评价和共享需要通过元数据来实现。目前一般用XML或RDF绑定元数据。由于XML绑定缺乏语义性,RDF绑定虽然具有一定的语义性,但是其表达的语义不够。于是提出了用OWL绑定学习对象元数据,通过OWL提供的大量建模原语,可以为学习对象元数据增加更多的语义描述信息,从而更好地实现学习对象的语义查询。     

XML数据本体抽取算法研究

XML只描述了文档的结构,却没涵盖数据的语义,而描述数据语义的本体语言不能直接对XML数据进行表述.针对这一问题,本文给出了从XML到RDF Schema的转换算法,使用RDF的正式传输格式RDF/XML作为媒介,通过编程以相当直接的方式把存储在标准XML中的数据转换成RDF,为语义Web环境下的智能处理提供了帮助.     

基于本体和Karma建模的数据集成研究与应用

针对多源异构数据的集成问题,提出一种基于本体和Karma建模的数据集成方法,并应用于粮食安全领域数据的快速集成。分析粮食安全指标数据集和人口健康数据集,构建粮食安全领域本体;通过Karma建模实现粮食安全指标数据到粮食安全领域本体的语义映射,并集成发布为RDF数据;基于RDF数据,设计开发了粮食安全数据管理系统,实现了粮食安全指标数据的查询、分析对比和统计预测等功能,促进粮食安全的风险控制和安全管理;该RDF应用系统也验证了所构建粮食安全领域本体和Karma建模的正确性。     

分布式RDF关键词近似搜索方法

现有的RDF关键词搜索方法主要是在大规模的RDF数据图上直接进行搜索,未能充分利用RDF本体中的语义信息,迭代次数过多造成搜索效率和效果不理想.针对这些问题,借助Redis内存数据库集群,提出分布式RDF关键词近似搜索算法(DKASR),即在分布式平台上实现大规模数据的并行搜索.算法结合RDF本体的语义信息构建本体子图,利用语义评分函数对本体子图进行排序,借助MapReduce计算模型实现并行搜索并返回Top-k结果;如果返回的结果没有达到Top-k,则对本体子图进行扩展生成近似本体子图,使用语义相似度函数对近似本体子图进行排序,再利用MapReduce计算模型实现并行搜索,直到返回Top-k结果.实验结果表明,DKASR算法能够高效正确地实现RDF关键词近似搜索并有效返回Top-k结果.     

利用本体进行Web数据集成

随着数据的大量产生,数据之间的结构和语义冲突问题变得日益严重。通过屏蔽数据源的结构、语义异构性能够有效提高信息交流、处理和反馈的效率,增强系统之间通过协作解决复杂问题的能力。本文基于本体来解决语义异构问题。重点讨论了Web数据的抽取,XML到RDF格式的数据转换,RDF之间的映射,最后给出了集成的模型。     

基于压缩实体摘要图的RDF数据关键词查询

提出一种将关键词查询转换为SPARQL查询的方法来进行RDF数据的搜索.首先,根据RDF本身的关联特点,构建一个压缩实体摘要图;然后,借助关键词与所在实体的索引,将所查询的关键词在该摘要图上进行定位,通过图双向搜索算法找出包含关键词实体的前k子图,获得查询实体之间的关系,再联合最初的关键词及他们的属性,构建SPARQL查询;最后使用SPARQL搜索引擎执行查询.实验结果表明,所提方法较其他方法有更快的响应时间及更高的准确率.     

大规模图数据的正则路径查询

提出一种基于大规模RDF查询引擎gStore的分而治之方法, 对查询的正则表达式进行划分。在对定长字符串预处理的基础上, 再处理带有通配符的即时路径查询。该方法能够在开始阶段对搜索空间进行大量剪枝, 可以提高查询性能, 还能很好地解决正则表达式在RDF图中的路径匹配问题, 保证了对大规模图数据的支持。在DBpedia和LUBM上的实验表明, 该方法能够平均在秒级时间内返回路径查询结果。     

一种基于语义的Web数据搜索引擎方法研究

Web网上大量的异构、非结构化的数据使人们难以有效地发现自己所需信息. 通过利用元数据和本体语义特点，借助Web服务技术，提出构建元数据登记库MDR和本体管理系统OMS，在分布式闭包生成基础上进行推理，实现基于本体表示语言RDF特性的Web数据搜索引擎SBWSE，达到分布异构环境下高效发现信息的目的，解决了基于关键词的搜索引擎所表现的查全率和查准率不佳问题.     

基于RDF技术的知识表示及应用

提出了一种用RDF描述受限领域知识的元数据,用RDF/XML存储和处理知识信息的方法,并在具体应用中实现了这种方法,这是一种开发智能型教学课件的解决方案。用RDF技术可以解决的问题还有：语义Web、智能搜索引擎、语义层的数据交换、信息的自动链接与引用、数字图书馆等。     

基于自然语言查询的搜索引擎模型

阐述了目前网络上的搜索引擎主要是基于关键词索引查询技术而设计的,这种技术的搜索范围很大,但由于关键词难于表达丰富的概念和用户信息需求中的丰富语义,导致查准率很低。以语义W eb和基于语义的网络信息检索技术为理论根据,从克服目前信息组织和信息检索的矛盾出发,用XML/RDF作为语义描述、组织、存储、查询的工具,试图在未来搜索引擎发展方面做一些尝试性的研究,提出了一个基于自然语言查询的搜索引擎模型。     

RDF在关系数据库中的存储研究

资源描述框架(RDF)是Web资源信息的规范性描述语言,如何存储RDF数据成为当前重要的研究问题.通过深入分析RDF数据的特点,提出了一种新的基于关系数据库的RDF存储模式,给出了RDF在关系数据库中的存储规则,提供了相应的存储实例.基于提出的存储方法,实现了相应的自动存储原型系统,通过实验进一步验证存储方法和原型系统的可行性,并与已有存储模式进行了理论对比分析.     

地学数据共享网络中的元数据扩展和互操作技术

利用元数据技术整合分散的数据资源,并借助网络提供共享服务已成为当前数据交换中心的主导模式.这一模式隐含了3个潜在的缺陷,元数据的可扩展性和互操作性是其在数据共享网络中应用的关键.针对地学数据共享网络,建立了元数据的扩展模式,并依此构建多学科元数据扩展体系;分5个方面分析了元数据互操作技术(核心元数据互操作、元数据映射、RDF技术框架、基于协议层的互操作和Web Service互操作).结合元数据分布查询服务(SRW)介绍了基于ZING标准的元数据互操作的开发应用实例.