RDF数据在关系数据库中的表示

资源描述框架是一个用于描述Web资源的元数据通用框架,大量的RDF数据操作处理需要数据库的支持。阐述了RDF模型、RDF语法以及RDF数据在关系数据库中的存储。     

基于“属性视图”的RDB-to-RDF映射

对于语义网而言,它的成功有两个条件,一是要以现行的网络平台为基础,二是要充分利用当前的领域数据.关系数据库存储着大部分领域数据,针对关系模式与RDF的映射问题,文章介绍了一种新的方式,称为"属性视图".与Jena等一些系统中所使用的"属性表"不同,它是一种传统的关系模式视图,用这种视图来描述建立在关系数据库上的RDF(S)本体,能够使得在传统的关系数据库系统上实施一般的语义网应用,并且在必要的时候,可以利用这种视图将关系数据库中的表数据方便地转存到相应的RDF Store中,生成本体实例.     

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。     

协同Ontology系统CODS的研究与实现

结合Ontology可视化表示及处理原型系统的开发,提出了协同Ontology的系统框架CODS及Ontology的形式化表示,给出了基于关系数据库的存储方法,并采用基于角色的加锁机制实现Ontology的协同.     

基于Neo4j的智能学习系统语义链接图式存储研究

针对数字化学习系统中数据规模大、资源异构的特点,分析了数字化学习资源的语义化表示方式与RDF数据模型。结合智能学习系统数字学习资源语义链接图式存储过程,提出基于Neo4j的图式数据存储模型,最后基于Java Spring Data以智能学习系统中用户管理为例来说明基于Neo4j的语义链接图式存储实现。     

基于迭代MapReduce的大规模RDF本体传递推理方法研究

随着Web内容爆炸式增长,基于RDF的开放关联数据越来越多,传统的RDF推理技术难以适应日益增长的大规模RDF数据推理任务.提出基于MapReduce的分布式迭代算法,设计了简洁的去重方法,实现分布式RDF推理,解决了RDF传递推理工程中持续产生单调递增数据集传递闭包问题.实验采用基于Hadhoop的分布式文件系统存储MapReduce算法,实验结果显示方法具有较好的计算性能和可扩展性.     

一种从关系数据库学习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规则.基于Java 2平台的原型工具实现和案例研究证明了该方法的有效性.     

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。     

基于类树的XML与关系数据库转换方法

随着不断增长的XML应用的出现,在关系数据库中可靠、有效地存储XML文档以及XML与关系数据库间的数据转换技术受到广泛关注.在研究已有的XML与关系数据库映射模型和方法的基础上,提出了一种基于类树的数据映射方法,实现了XML文档与关系数据库的转换.     

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.     

语义知识库构建中的异常数据发现

为了提高RDF知识库的数据质量, 提出RDF图数据的异常检测及其自动修复的方法。首先, 原创性地定义了基于图的条件函数依赖(GCFD), 能够将属性值和语义结构的依赖关系统一表示; 然后, 提出有效的算法框架以及优化策略, 挖掘RDF数据中的GCFD, 并给出异常数据的自动修复流程; 最后, 在真实的数据集上, 通过大量实验确认解决方案的可行性和优越性。     

基于本体的XML数据源语义集成研究

提议了一个基于本体的XML数据源语义集成方法,为每个参与集成的XML文档产生一个局部RDF本体,合并局部本体的结果产生一个全局本体.全局本体统一查询访问并在后台局部XML数据源之间建立语义关系,在全局本体上的查询通过从RDF查询到XML查询的转换被处理.     

小微企业数据整合中ETL工具Kettle的应用

针对当前小微企业在信息化建设过程中存在的数据存储分散、数据格式各异等问题,从企业对数据应用的实际需求出发,探讨了用ETL工具——开源软件Kettle进行企业数据整合的方法,并结合实际进行了数据整合.     

理解语义网实体:基于概念空间的摘要方法

为了快速准确地理解语义网实体,提出了基于概念空间的摘要方法.针对RDF数据的无序性问题,首先将一个实体的不同侧面的RDF数据划分到不同的概念空间中去.其次在同一个概念空间中的数据依照谓语聚类的方法进行组织.对于实体重用带来的RDF数据的可信度问题,根据数据的来源,在数据的权威性维度上对实体数据进行划分.针对实体数据的大规模特性,提出实体数据摘要的方法,综合基于结构的重要性、用户偏好以及来源文档的重要性对数据的重要性进行计算.实验结果表明:基于概念空间的摘要方法能够有效地帮助人们快速理解语义网实体;该方法相对于其他RDF浏览器有4%～17%的效率提升;在用户比较熟悉RDF的情况下,使用该方法能够提高20%左右的效率.     

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CIM的EMS数据平台的设计与实现

为了更好地实现异构系统和调度系统的结合,以数据存储需求为驱动,对面向对象的内存数据库技术进行了深入的分析和研究.分析比较了设计方案,并针对遇到的实际问题,找出了不足,设计实现了一个基于CIM的EMS数据平台,给出了基于FastDB和RDF的CIM数据存储方案.该方案避免了模型之间的映射,降低了CIM模型构建的复杂度,增强了其可维护性、稳定性.