不确定RDF数据查询处理的研究
发布时间：2022-02-08 23:30
语义Web作为数据之网正在不断地汇集并组织Web信息,因此相关应用面临着对语义Web所含的大规模RDF（Resource Description Framework,资源描述框架）数据进行高效访问的挑战。另一方面,由于现代科学的研究方法和测量技术普遍存在误差和噪声,数据集集成后存在的数据杂乱等因素,使得RDF数据具有不确定性。在语义Web领域,不确定RDF数据查询的研究已经引起了学术界的广泛重视,成为新近发展起来的研究热点。本论文研究的目的就在于设计出高效准确的算法进行不确定性RDF数据的查询,提高查询效率。论文具体所做工作如下：构建不确定RDF数据基准。考虑到目前在进行不确定RDF数据研究时,并没有可以直接获取的实验数据。论文在现有的确定性RDF数据测试基准的基础之上进行扩展,构建了一个不确定RDF数据测试基准。该测试基准可根据测试需要,选择生成任意大小的具有均匀或偏态分布特性的不确定RDF数据。提出一种高效的不确定RDF图查询算法。论文中首先建立了有利于高效进行子图匹配的索引。其次,利用获取的RDF图摘要信息,在子图匹配查询过程中进行有效的结构化剪枝和概率剪枝。同时,还提出了通过采...
【文章来源】：东北大学辽宁省211工程院校985工程院校教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ，?ｐａｒａｍｅ化ｒ?ｐａｉｒｓ?ｗｉｔｈ?ｃｏｓｔ?ｍｏｄｅｌ?（Ｈａｄａ（ｚ）?ａｄａｐｔｉｖｅ?ｈａｓｈ?ｆｔｍｃｔｉｏｎ）??
?第Ｓ章实验分析??这样获取的结果就是理想的结果值。如下图５．３所示，假定ｉＶ的初始值为１．０，??每次递进０．１，ｍ的初始值为１，每次递进１。可Ｗ观察到对于需插入到布隆过滤??器的标签数组，当ＯＴ增大时，误差率＾逐渐减小。当ｉＶ増大时，误差率Ｐ也是??逐渐减小。为保证误差率在１％之内，我们选择（ｍ，７Ｖ）对为（４，１．３）。??图５．４提供了当哈希函数采用均匀映射的函数时，ｍ值从５取值，每次递进??１，值从５．０取值，每次递进０．１时，误差率的变化图。与图５．３表对比可知在??误差率；？进行相同时，使用适应性哈希函数所需要的Ｗ值相对于使用传统哈希??函数所需要的值要小很多。因此对空间的节省效果也是非常明显的。??０．２?ｍ?：???????????Ｉ?１??巧?！巧１??０．１５－?：?……ＩＩ可…品?：?；■；??宗???Ｃ５??？与’?０．１?ｉ??进?Ｉ?ｇ?。４??。．：??１．０?１．１?１．２?１．２?１．４?１．５??微—碌赛??图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ
?第Ｓ章实验分析??这样获取的结果就是理想的结果值。如下图５．３所示，假定ｉＶ的初始值为１．０，??每次递进０．１，ｍ的初始值为１，每次递进１。可Ｗ观察到对于需插入到布隆过滤??器的标签数组，当ＯＴ增大时，误差率＾逐渐减小。当ｉＶ増大时，误差率Ｐ也是??逐渐减小。为保证误差率在１％之内，我们选择（ｍ，７Ｖ）对为（４，１．３）。??图５．４提供了当哈希函数采用均匀映射的函数时，ｍ值从５取值，每次递进??１，值从５．０取值，每次递进０．１时，误差率的变化图。与图５．３表对比可知在??误差率；？进行相同时，使用适应性哈希函数所需要的Ｗ值相对于使用传统哈希??函数所需要的值要小很多。因此对空间的节省效果也是非常明显的。??０．２?ｍ?：???????????Ｉ?１??巧?！巧１??０．１５－?：?……ＩＩ可…品?：?；■；??宗???Ｃ５??？与’?０．１?ｉ??进?Ｉ?ｇ?。４??。．：??１．０?１．１?１．２?１．２?１．４?１．５??微—碌赛??图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ
【参考文献】：
期刊论文
[1]基于Prüfer序列的RDF数据索引与查询[J]. 刘翔宇,吴刚. 计算机学报. 2011(10)
[2]面向不确定图的概率可达查询[J]. 袁野,王国仁. 计算机学报. 2010(08)
[3]不确定性数据管理技术研究综述[J]. 周傲英,金澈清,王国仁,李建中. 计算机学报. 2009(01)
本文编号：3615955
【文章来源】：东北大学辽宁省211工程院校985工程院校教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ，?ｐａｒａｍｅ化ｒ?ｐａｉｒｓ?ｗｉｔｈ?ｃｏｓｔ?ｍｏｄｅｌ?（Ｈａｄａ（ｚ）?ａｄａｐｔｉｖｅ?ｈａｓｈ?ｆｔｍｃｔｉｏｎ）??
?第Ｓ章实验分析??这样获取的结果就是理想的结果值。如下图５．３所示，假定ｉＶ的初始值为１．０，??每次递进０．１，ｍ的初始值为１，每次递进１。可Ｗ观察到对于需插入到布隆过滤??器的标签数组，当ＯＴ增大时，误差率＾逐渐减小。当ｉＶ増大时，误差率Ｐ也是??逐渐减小。为保证误差率在１％之内，我们选择（ｍ，７Ｖ）对为（４，１．３）。??图５．４提供了当哈希函数采用均匀映射的函数时，ｍ值从５取值，每次递进??１，值从５．０取值，每次递进０．１时，误差率的变化图。与图５．３表对比可知在??误差率；？进行相同时，使用适应性哈希函数所需要的Ｗ值相对于使用传统哈希??函数所需要的值要小很多。因此对空间的节省效果也是非常明显的。??０．２?ｍ?：???????????Ｉ?１??巧?！巧１??０．１５－?：?……ＩＩ可…品?：?；■；??宗???Ｃ５??？与’?０．１?ｉ??进?Ｉ?ｇ?。４??。．：??１．０?１．１?１．２?１．２?１．４?１．５??微—碌赛??图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ
?第Ｓ章实验分析??这样获取的结果就是理想的结果值。如下图５．３所示，假定ｉＶ的初始值为１．０，??每次递进０．１，ｍ的初始值为１，每次递进１。可Ｗ观察到对于需插入到布隆过滤??器的标签数组，当ＯＴ增大时，误差率＾逐渐减小。当ｉＶ増大时，误差率Ｐ也是??逐渐减小。为保证误差率在１％之内，我们选择（ｍ，７Ｖ）对为（４，１．３）。??图５．４提供了当哈希函数采用均匀映射的函数时，ｍ值从５取值，每次递进??１，值从５．０取值，每次递进０．１时，误差率的变化图。与图５．３表对比可知在??误差率；？进行相同时，使用适应性哈希函数所需要的Ｗ值相对于使用传统哈希??函数所需要的值要小很多。因此对空间的节省效果也是非常明显的。??０．２?ｍ?：???????????Ｉ?１??巧?！巧１??０．１５－?：?……ＩＩ可…品?：?；■；??宗???Ｃ５??？与’?０．１?ｉ??进?Ｉ?ｇ?。４??。．：??１．０?１．１?１．２?１．２?１．４?１．５??微—碌赛??图５．３通过代价模型选择（Ｗ，?Ａ〇参数对（Ｈａｄａ（ｚ）适应性哈希函数）??巧呂？?５．３?Ｃｈｏｏｓｉｎｇ?（Ｗ
【参考文献】：
期刊论文
[1]基于Prüfer序列的RDF数据索引与查询[J]. 刘翔宇,吴刚. 计算机学报. 2011(10)
[2]面向不确定图的概率可达查询[J]. 袁野,王国仁. 计算机学报. 2010(08)
[3]不确定性数据管理技术研究综述[J]. 周傲英,金澈清,王国仁,李建中. 计算机学报. 2009(01)
本文编号：3615955
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3615955.html
