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.     

结合本体子图的RDF数据关键词分布式搜索

针对现存资源描述框架(RDF)查询方案不能满足日益剧增的海量RDF数据的关键词搜索要求,提出一种面向大规模RDF数据的分布式搜索算法(KDSOS).该算法首先结合RDF本体构建查询关键词对应的本体子图集并利用评分函数评分;其次在大规模的RDF数据图上优先搜索评分高的本体子图对应的结果子图,直到找到Top-k结果.实验结果表明,KDSOS算法在搜索效率和准确率上都具有明显的优势.     

面向RDF数据的语义扩展查询方法

随着大数据时代的到来,互联网所承载的信息呈现出异构性强、价值密度低、来源分布广、实时性高等新的特点.因此在信息检索时,与获取相关网页相比,人们更希望获得页面中包含的知识.RDF作为一种新的知识表示和发布形式,以其精确且易于理解的语义结构得到了广泛的认可和应用.但传统基于语法匹配策略的SPARQL查询方法无法发现RDF数据中不同谓词间的隐含语义,不能从语义层面上获取更加完备的查询结果.针对这一问题,设计了一种新的查询方法来扩充传统SPARQL查询模式.首先分析RDF三元组中谓词的语义属性.在此基础上,根据不同谓词间语义属性的标注,对输入SPARQL语句中具有语义属性的谓词进行扩展,从而给出了一种新的一般化的查询策略.最后通过实验验证了这种语义扩展查询方法的可行性和正确性.     

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.     

基于概念语义网络图的RDF知识推理研究与实现

当前，在语义Web中，基于OWL、RDF的知识表示、知识推理成为了研究和应用的热点。文章介绍在常用软件领域知识中。基于RDF知识库的概念语义网络图的构建和知识推理的相关算法。     

基于相对量词的RDF模糊查询方法

针对RDF含相对量词模糊查询问题,提出支持分组机制的相对量词RDF模糊查询方法.利用语言层次结构理论,构造语言层次结构表,通过在FILTER子句中增加模糊条件并调用GROUPBY和HAVING子句实现特定属性上的分组操作,实现对SPARQL语法的扩展.分析了两种典型情况下的RDF相对量词模糊查询问题,给出将扩展的模糊SPARQL查询转换为标准SPARQL查询的处理方法,从而可利用现有的SPARQL查询引擎完成RDF基于相对量词的模糊查询处理.实验系统及相应的实验结果验证了所提方法的可用性.     

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.     

基于RDF的CIM数据存储方案研究与实现

在分析了公共信息模型(CIM)特点的基础上,提出一种基于资源描述框架(RDF)的CIM数据存储方案。该方案主要根据RDF资源、属性、值三元组的思想,把CIM中的类、类属性关联、类实例都当作一种资源,首先通过将CIM模型映射成一个基于RDF思想的数据模型,将CIM模型中复杂的拓扑结构和关系映射组织成几个简单的类,并通过几个简单的关联类组织类间的关系;然后使用面向对象的实时数据库FastDB存储此数据模型,从而避免了CIM模型向关系模型映射时实现关系(继承、聚合、关联)映射所面临的难点。通过采用简洁良好的数据库实体设计,以及选用面向对象的实时数据库,该方案在遵循IEC61970标准的同时,更好地提高了系统的性能和数据访问效率。     

基于数据广播的空间关键字查询处理

为了解决无线广播环境下空间关键字查询的问题,研究广播环境下空间关键字k近邻查询处理(BkSKQ),设计了一种结合kd树、倒排位图和(1,m)索引机制的空间关键字索引(ISKW)结构,以有效地组织对象的关键字信息、位置信息以及索引信息.该索引结构为客户的查询处理提供有效的指导,使得他们尽可能只下载查询处理所必须的数据信息.在ISKW索引结构的基础上,提出了BkSKQ查询处理算法.最后,通过模拟实验验证了提出的索引结构和算法的性能,实验结果表明所提出方法在访问时间和调谐时间上明显优于基于IR树的方法(BIRM).     

面向语义Web的知识表示框架

语义互联网（Semantic Web)主要在于提供计算机软件可处理的元数据（Metadata)描述和信息表达方式，介绍了RDF（S）技术为基础的在Web上表达知识信息的方法，讨论了运用RDF（S）技术建立知识表示本体（Ontology)，以及通过扩展基本的RDF（S）描述集合方法来增强表示特定领域知识的能力，提出了运用基于RDFS技术的基本RDF（S）元训集合，通用描述元语集合，公理描述元语集合和关系约束元语集合进行知识表示的技术框架，使用这4层元语集合，可以将一般领域的知识信息以RDF（S）的方式存储在Web平台上，并通过相应支持XML的程序进行处理。     

语义Web及其关键技术分析

为了使Web中的信息能更好的支持计算机和人类的协同工作,提供更多的机器可处理语义的自动化服务.针对语义Web研究中如何更有效利用信息、明确国内研究重点及实现语义Web应用的关键技术等问题,在分析大量国外内语义Web研究成果的基础上,从体系结构中存在的问题及关键技术入手,明确今后主要的研究方向与重点问题.为语义Web应用的实现提供一定的理论支撑.     

一个基于语义万维网的应用平台

为了对语义万维网程序提供支持，构建了一个基于语义万维网应用的平台(SWAP)。介绍了SWAP的存储模型，包括对文本文件的支持、数据库的设计和构建；描述了中间层的应用程序接口的设计，举例阐述了存储模型与核心数据结构的转换，并简单介绍了建立在此基础上的语义知识编辑环境这一特殊应用，SWAP系统为语义万维网程序的开发和运行提供了一个完整的平台。     

基于图模型的RDF/RDFS本体抽取方法

为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法.将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体.抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体.     

以本体为指导的Web网页信息抽取方法

针对Web网页中事物描述信息的特点,提出了一种通过本体指导网页信息抽取的方法。首先建立抽取对象的本体模型,并为本体属性概念添加定位信息映射模型,通过映射模型定位和分离样本页中包含语义信息的数据块,结合路径分析算法生成抽取规则,之后利用抽取规则对同类网页中的事物描述信息进行抽取,最后以资源描述框架（RDF）数据格式储存信息。抽取性能测试实验表明,抽取结果具有较高的准确率,与无规则抽取方法相比,具有更高的抽取效率。