面向中文知識(shí)圖譜的數(shù)據(jù)重組與應(yīng)用.pdf

1、隨著語(yǔ)義網(wǎng)的快速發(fā)展，越來(lái)越多基于RDF的圖譜數(shù)據(jù)被發(fā)布到萬(wàn)維網(wǎng)上，組成了開(kāi)放鏈接數(shù)據(jù)（Linking Open Data）。一般來(lái)說(shuō)，這些開(kāi)放數(shù)據(jù)提供SPARQL查詢服務(wù)和關(guān)鍵詞訪問(wèn)服務(wù)。實(shí)際上，相當(dāng)一部分用戶在訪問(wèn)的時(shí)候會(huì)選擇關(guān)鍵詞訪問(wèn)，這些訪問(wèn)行為同時(shí)也被記錄在服務(wù)器的日志中。盡管用戶期望進(jìn)行表達(dá)能力更強(qiáng)的查詢，SPARQL的復(fù)雜性和對(duì)所要查詢圖譜的不了解，往往會(huì)使得用戶很難獲得理想的查詢結(jié)果。除了RDF這種語(yǔ)義網(wǎng)數(shù)據(jù)交換的標(biāo)準(zhǔn)格

2、式之外，隨著NoSQL的興起和發(fā)展，基于屬性圖數(shù)據(jù)的查詢和存儲(chǔ)也得到越來(lái)越多的關(guān)注和研究。雖然有一部分基于屬性圖的評(píng)測(cè)標(biāo)準(zhǔn)已經(jīng)發(fā)布并且應(yīng)用到實(shí)際的場(chǎng)景中，但仍然缺乏被廣泛認(rèn)可的衡量綜合性能的評(píng)測(cè)基準(zhǔn)。
　　因此，如何更好地組織和使用迄今為止積累下來(lái)的海量基于RDF的語(yǔ)義數(shù)據(jù)，已經(jīng)成為語(yǔ)義網(wǎng)領(lǐng)域一個(gè)開(kāi)放性的問(wèn)題。畢業(yè)設(shè)計(jì)正是從這個(gè)背景出發(fā)，提出了一個(gè)針對(duì)RDF的圖譜上SPARQL查詢推薦的框架和一個(gè)利用RDF數(shù)據(jù)對(duì)屬性圖進(jìn)行基準(zhǔn)評(píng)測(cè)

3、的方法。具體來(lái)說(shuō)，首先是提出來(lái)一個(gè)針對(duì)SPARQL查詢進(jìn)行推薦的框架。該框架是通過(guò)分析知識(shí)圖譜的訪問(wèn)日志，挖掘得到用戶查詢的偏好情況，并結(jié)合用戶的原始SPARQL查詢語(yǔ)句，推薦合適查詢語(yǔ)句。Zhishi.me上的實(shí)驗(yàn)結(jié)果表明推薦后的查詢語(yǔ)句能返回具有更好可讀性的查詢結(jié)果，能幫助用戶更好地使用SPARQL語(yǔ)句來(lái)遍歷知識(shí)圖譜。除此之外，本文還提出了一個(gè)利用已有RDF數(shù)據(jù)集來(lái)生成評(píng)測(cè)屬性圖的存儲(chǔ)的評(píng)測(cè)基準(zhǔn)。該方法先將RDF的數(shù)據(jù)模型轉(zhuǎn)換為屬性