面向Web規(guī)模RDF圖數(shù)據(jù)的智能查詢及檢索機制.pdf

1、作為語義網(wǎng)的數(shù)據(jù)基礎，RDF圖數(shù)據(jù)在鏈接數(shù)據(jù)運動推動下，數(shù)據(jù)規(guī)模已達百億條三元組。RDF是一種非經(jīng)典的圖數(shù)據(jù)模型，其特性在于當表達本體層語義時，RDF圖的邊又可作為節(jié)點出現(xiàn)，即邊與節(jié)點的交集非空，對于這樣一種Web規(guī)模的特殊圖數(shù)據(jù)，智能和高效的查詢和檢索機制非常重要。圍繞這一課題，本文取得了如下成果：
　　(1)證明了屬性路徑存在式語義與當前SPARQL1.1語義在去除重復值的情況下是等價的，并將基于存在式語義的屬性路徑表達式轉化

2、為擴展后的嵌套正則表達式，證明了在考慮RDFS語義推理的情況下屬性路徑轉化前后的語義等價性，根據(jù)嵌套正則表達式相乘自動機算法和屬性路徑到嵌套正則表達式的等價轉換規(guī)則實現(xiàn)了基于存在式語義的屬性路徑查詢引擎。實驗結果不僅顯示了此查詢引擎在效率和推理方面的良好特性，而且進一步驗證了屬性路徑存在式語義與當前語義之間的等價關系。
　　(2)利用分布式技術對RDF圖數(shù)據(jù)建立嵌套正則表達式導航軸索引，并統(tǒng)計其導航軸頻率?；谑聦嵔y(tǒng)計提出了稀疏軸

3、的概念，并給出了基于稀疏軸的新的嵌套正則表達式查詢算法。對于包含稀疏軸的嵌套正則表達式查詢，此算法能夠將其查詢的時間復雜度從多項式時間降到接近線性。在DrugBank和BioGRID真實數(shù)據(jù)集上的實驗結果表明，此方法在保證正確性的前提下能夠顯著提高嵌套正則表達式的查詢效率。
　　(3)通過引入不確定性理論，借助主關鍵字加輔關鍵字的查詢模式和ORDPATH編碼技術，提出了本體隸屬度的概念，依據(jù)通用人工智能中的證據(jù)理論，給出了本體隸屬

4、度值的計算公式，并利用此值擴展了經(jīng)典的BM25F排序算法，得到了MultikeyRank排序算法。在分布式大規(guī)模RDF數(shù)據(jù)服務器“Jingwei”上實現(xiàn)了此排序算法，實驗結果表明，此排序算法在MAP、P@5、P@10和P@15四項測評指標上均比BM25F算法有一定幅度的提升。
　　本文所實現(xiàn)的基于嵌套正則表達式的屬性路徑查詢方式，既保持了屬性路徑表達方式的簡潔性，又實現(xiàn)了面向目標的高效推理，避免了求RDF圖閉包，能夠適應Web規(guī)模