OWL2 QL在关系数据库中的存储技术研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:qq602602
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
语义网(SemanticWeb)作为第三代Web已经不同于当前已有的Web技术,智能语义程序介入网络资源流程,能够进行有针对性的发送和获取信息;实现数据语义连接,为人类提供全新的网络服务模式;使机器可以理解网络和对信息进行自动处理,形成新一代的智能网络。语义网的基础是本体(Ontology),本体能对人类各个领域的知识进行描述,通过使用概念(类)、概念间关系等技术对人类知识进行形式化的表示。OWL(WebOntologyLanguage)是本体标准语言,具有良好的语法,高效的推理支持,并具有充分的表达能力。  随着本体规模的增加,如何存储和管理大规模本体成为语义网发展过程中亟待解决的问题,需要构建一个存储结构稳定、查询效率高、可扩展性强的本体存储管理系统。本文主要针对以OWL2QL(QueryLanguage)为基础的本体存储模式,从以下几个方面进行研究:  ①分析当前本体存储的相关技术,对常用的本体存储模式和存储管理工具进行分析,总结这些技术的优劣,并在此基础上提出大规模本体存储应当遵循的原则。  ②主要针对OWL2的语法特征进行深入地分析,并与OWL1进行对比,分析OWL2的新特性,区分OWL2的三个子语言,并总结OWL2QL的特征。  ③在现有的存储模式基础上提出将OWL2QL按基本元素分类存储的模式,并将推理结果分为两种方式处理:与公理相关的推理将结果在数据库中存储;与实例相关的推理结果在查询时获取,实现了对OWL2QL语法的完全支持。利用Lucene对类、对象属性、数据属性和实例建立全文索引,实现对结构和内容的综合查询,提高查询的效率和准确性。  ④以本文的存储模式为基础,提出在该存储模式上建立知识管理系统的多层模型,并开发出基于关系数据库的本体编辑工具,实现对本体的存储和管理,利用查询技术提供基于本体的知识展示方式;最后通过实验与现有的存储系统进行查询效率的对比,证明本存储结构的高效性和有效性。
其他文献
随着科技的进步,人们在通过各种渠道获取大量空间数据的同时对空间数据应用需求也日益增长,需要处理更大容量的空间数据,更快的数据传输速率和更快的处理速度也是必须的。这
现阶段,图像处理所解决的问题基本都是一些“病态”问题,即对相同目标采样每次得到的结果不同。这种随机性是由信道中存在的随机噪声对信号的影响产生的。如:大气信道、海流信
安全是物联网发展的基础,信任建模和管理是提高安全的手段之一,信任是以域为单位进行管理和评价的,但实际网络中,经常会发生本域找不到合适资源时,进行跨域调度。此时,信任模
智能交通系统中,交通视频中车辆的检测和跟踪一直是倍受重视的一个热点和难点问题,对其进行研究不仅是进一步车辆行为判断的需要,同时也能为智能交通系统提供许多必要的参数信息
树木是自然场景中不可或缺的重要组成元素,它的几何形状和拓扑结构的复杂性,决定了对它建模特别是形状逼真建模方法研究的挑战性。其中树杆作为树木拓扑形状的直接体现者,是树木
随着Web应用的日益广泛和Web开发技术的不断发展,开发者需要一种能够简化开发过程,降低开发难度,提高开发效率的框架。目前在Web开发中人们使用最多的框架大多数都是基于J2EE
在数据挖掘、模式识别、机器学习等研究过程中,特征选择能够选择出代表整个数据集信息的子集。与处理完整的数据集相比,使用特征选择方法可以节省处理时间、提升效率。由于粗
随着以太网技术的不断发展,以太网技术的应用领域正从局域网逐渐走向城域网。由于以太网技术以分组交换为基础,在承载电路业务时,存在一些先天的缺陷,例如:延时、抖动、分组
针对目前车流量检测及预测所存在的一些问题,本文对于常用的多种运动目标的检测方法进行了研究,选择了实时性强,速度较快实用性高的背景差分法作为运动目标的检测方法。对于
自从语义网的概念提出以来,越来越多的开放链接数据和用户生成内容被发布于互联网中,这使得Web数据呈现出结构松散化、内容碎片化、语义复杂化等特征,已不能满足人们对信息快