论文部分内容阅读
近年来，语义网被愈来愈多的关注，而语义推理一直都是语义网的核心问题，当前已经开发出了多个推理机，但其在查询推理性能上无法完全满足工业界应用。相比较语义查询，关系型数据库发展至今相对比较成熟，工业界使用的数据也多存放在关系型数据库中，同时语义网研究中也有对语义数据资源与数据库数据资源的双射研究。通过结合元数据映射和关系型数据库的查询性能，对语义查询进行语义扩展翻译成数据库查询，可以有效地减小查询推理的规模，利用传统数据库查询技术提升关联查询性能，并且使得现有存储在数据库中的数据能够享受到语义查询的便利。
本文主要研究基于查询翻译的推理算法，设计并实现了基于该算法的推理引擎DartReasoner，通过将元数据映射关系转换为语义映射图，并结合翻译算法将SPARQL查询转换为多个SQL查询，从而利用成熟的关系型数据库技术提升从空间和时间开销中提升性能。
面对海量数据推理问题，本文探索尝试利用分布式推理算法解决具有多个前项式的OWL2属性链推理规则，设计并实现属性链的分布式推理算法。