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

1、作為語義網(wǎng)的數(shù)據(jù)基礎(chǔ)，RDF圖數(shù)據(jù)在鏈接數(shù)據(jù)運(yùn)動(dòng)推動(dòng)下，數(shù)據(jù)規(guī)模已達(dá)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(dāng)表達(dá)本體層語義時(shí)，RDF圖的邊又可作為節(jié)點(diǎn)出現(xiàn)，即邊與節(jié)點(diǎn)的交集非空，對(duì)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(jī)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(dāng)前SPARQL1.1語義在去除重復(fù)值的情況下是等價(jià)的，并將基于存在式語義的屬性路徑表達(dá)式轉(zhuǎn)化

2、為擴(kuò)展后的嵌套正則表達(dá)式，證明了在考慮RDFS語義推理的情況下屬性路徑轉(zhuǎn)化前后的語義等價(jià)性，根據(jù)嵌套正則表達(dá)式相乘自動(dòng)機(jī)算法和屬性路徑到嵌套正則表達(dá)式的等價(jià)轉(zhuǎn)換規(guī)則實(shí)現(xiàn)了基于存在式語義的屬性路徑查詢引擎。實(shí)驗(yàn)結(jié)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(jìn)一步驗(yàn)證了屬性路徑存在式語義與當(dāng)前語義之間的等價(jià)關(guān)系。
　　(2)利用分布式技術(shù)對(duì)RDF圖數(shù)據(jù)建立嵌套正則表達(dá)式導(dǎo)航軸索引，并統(tǒng)計(jì)其導(dǎo)航軸頻率?；谑聦?shí)統(tǒng)計(jì)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(dá)式查詢算法。對(duì)于包含稀疏軸的嵌套正則表達(dá)式查詢，此算法能夠?qū)⑵洳樵兊臅r(shí)間復(fù)雜度從多項(xiàng)式時(shí)間降到接近線性。在DrugBank和BioGRID真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)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(dá)式的查詢效率。
　　(3)通過引入不確定性理論，借助主關(guān)鍵字加輔關(guān)鍵字的查詢模式和ORDPATH編碼技術(shù)，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(jì)算公式，并利用此值擴(kuò)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(wù)器“Jingwei”上實(shí)現(xiàn)了此排序算法，實(shí)驗(yàn)結(jié)果表明，此排序算法在MAP、P@5、P@10和P@15四項(xiàng)測(cè)評(píng)指標(biāo)上均比BM25F算法有一定幅度的提升。
　　本文所實(shí)現(xiàn)的基于嵌套正則表達(dá)式的屬性路徑查詢方式，既保持了屬性路徑表達(dá)方式的簡(jiǎn)潔性，又實(shí)現(xiàn)了面向目標(biāo)的高效推理，避免了求RDF圖閉包，能夠適應(yīng)Web規(guī)模