基于MapReduce的大規(guī)模RDF圖并行推理方法的研究.pdf

1、隨著語義網(wǎng)研究的不斷深入,對大規(guī)模RDF圖進(jìn)行語義推理的速度之慢日益凸顯。在傳統(tǒng)的語義推理機(jī)制遇到瓶頸時(shí),應(yīng)用MapReduce和HBase來實(shí)現(xiàn)大規(guī)模RDF圖的并行推理成為新的突破口。對RDF圖的并行推理,涉及到圖的分解、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)推理和查詢。在本文中,我們將結(jié)合 MapReduce框架和HBase存儲(chǔ)對RDF圖并行推理方法進(jìn)行優(yōu)化。本論文主要就以下四個(gè)方面進(jìn)行了研究與設(shè)計(jì):
　　一、RDF圖的分解。原有的RDF圖分解方法存

2、在語義歧義問題,而且分解后的RDF三元組集缺乏結(jié)構(gòu)性。本文將對原有的RDF圖分解法進(jìn)行擴(kuò)展,消除上述缺陷。
　　二、RDF數(shù)據(jù)存儲(chǔ)模式設(shè)計(jì)。RDF數(shù)據(jù)存儲(chǔ)是關(guān)系到RDFS推理的關(guān)鍵因素之一。本文采用基于 HBase的存儲(chǔ)方式,設(shè)計(jì) S-PO、O-SP、SO-P三類存儲(chǔ)表來解決大規(guī)模RDF數(shù)據(jù)存儲(chǔ)問題。
　　三、RDF數(shù)據(jù)并行推理方法的研究與設(shè)計(jì)。在 RDFS規(guī)則基礎(chǔ)上,分析已有RDFS推理算法,指出已有RDFS推理算法的不足