首页> 中文学位 >基于MapReduce的大规模RDF图并行推理方法的研究
【6h】

基于MapReduce的大规模RDF图并行推理方法的研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1研究背景及意义

1.2 国内外研究现状

1.3本文研究目标

1.4 本文研究内容

1.5 本文组织结构

第2章 相关技术分析

2.1 语义网相关技术

2.2 并行处理技术

2.3 RDF数据存储模式

第3章 RDF图分解方法的设计与实现

3.1 原始RDF分子法

3.2 RDF分子法改进策略

3.3 关键算法设计与实现

3.4 算法运行和性能测试

3.5 本章小结

第4章 RDF数据并行推理方法的研究与设计

4.1 RDF数据存储模式的设计

4.2 RDFS推理算法的设计与实现

4.3 SPARQL解析与查询

4.4 实验分析

4.5 本章小结

第5章 RDFS并行推理在社保数据平台的应用

5.1 数据分析平台的设计

5.2 数据分析平台的实现

5.3 数据分析平台的测试

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读学位期间的研究成果

展开▼

摘要

随着语义网研究的不断深入,对大规模RDF图进行语义推理的速度之慢日益凸显。在传统的语义推理机制遇到瓶颈时,应用MapReduce和HBase来实现大规模RDF图的并行推理成为新的突破口。对RDF图的并行推理,涉及到图的分解、数据存储、数据推理和查询。在本文中,我们将结合 MapReduce框架和HBase存储对RDF图并行推理方法进行优化。本论文主要就以下四个方面进行了研究与设计:
  一、RDF图的分解。原有的RDF图分解方法存在语义歧义问题,而且分解后的RDF三元组集缺乏结构性。本文将对原有的RDF图分解法进行扩展,消除上述缺陷。
  二、RDF数据存储模式设计。RDF数据存储是关系到RDFS推理的关键因素之一。本文采用基于 HBase的存储方式,设计 S-PO、O-SP、SO-P三类存储表来解决大规模RDF数据存储问题。
  三、RDF数据并行推理方法的研究与设计。在 RDFS规则基础上,分析已有RDFS推理算法,指出已有RDFS推理算法的不足并提出改进方案。
  四、将本文提出的研究理论应用到社保数据分析中,设计一套针对社保数据的分析平台。然后从RDF图分解和RDF数据推理等方面对本论文提出的方案进行测评,并进一步提出本文的不足和未来的研究方向。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号