پردازش مقیاس پذیر پرسوجوهای SPARQL در پایگاه دانش RDF/OWL

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 411

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC04_100

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده ها و استخراجاطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی موفق در این زمینه است. عملکردجستجو در ارتباط سیستم های پایگاه داده ها نه تنها به ساختارپایگاه داده و طرح های شاخص وابسته است بلکه به شیوه بهینه شدن جستجومربوط می شود. در این مقاله سعی شده است با بکارگیری یک الگوریتم تکاملی مناسب از پتانسیل بالای محاسبات هوشمند در پاسخ بهپرس وجوهای SPARQL استفاده شود. در این مقاله از الگوریتم ازدحام ذرات استفاده شده است. معماری کلی روش پیشنهادی اینپژوهش در دو لایه ی داده و کاربرد ارایه شده است. ایدهی اصلی مدیریت ذخیره سازی مناسب داده ها و نیز بکارگیری الگوریتم PSOبرای بازیابی سه گانه های منطبق بر پرس وجوهای معنایی است. در میان روشهای مورد بررسی مشاهده می شود که الگوریتم پیشنهادی ازالگوریتم ژنتیک و ممتیک نرخ موفقیت بالاتری کسب کرده است. الگوریتم پیشنهادی به دلیل به کارگیری عملگر جهش دارای تنوعبیشتری نسبت به الگوریتم ازدحام ذرات پایه می باشد. در ذخیره سازی داده ها با استفاده از ذخیره سازی داده به روش پیشنهادی، هنگاماجرای هر پرسوجو مجموعه داده ی امکان پذیر استخراج می شود، این روش علاوه بر کاهش حافظه ی مصرفی برای اجرای الگوریتم، باکاهش فضای جستجو که به کاهش ضریب انتخاب شوندگی می انجامد، صحت نتایج را نیز افزایش می دهد.

کلیدواژه ها:

ذخیره سازی داده ی RDF/OWL ، پرس وجوی SPARQL ، الگوریتم های تکاملی ، الگوریتم بهینه سازی ازدحام ذرات

نویسندگان

رضا ابراهیم زاده مدقم

دانشگاه آزاد اسلامی، واحد زاهدان، گروه کامپیوتر، زاهدان، ایران

ساناز قاسمی

دانشگاه آزاد اسلامی مشهد، گروه هوش مصنوعی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • 1B.Aruna, 2E. Sridevi, 3Sowjanya, _ Survey on Web Wining Technologies" ...
  • Oentary, M.J.E.a.R.J., _ 'Computational intelligence :Methods and techniques [Book Review]". ...
  • Kim, Youn Hee, et al, "The path index for query ...
  • K. Wilkinson, C. Sayers, H. Kuno, and D. Reynolds. "Efficient ...
  • E. I. Chong, S. Das, G. Eadon, and J. Srinivasan. ...
  • J. Broekstra, A. Kampman, and F. van Harmelen "Sesame: A ...
  • S. Harris and N Gibbins. 3store: "Efficient bulk RDF storage."In ...
  • Harth, Andreas, and Stefan Decker "Optimized index structures for querying ...
  • Udrea, Octavian, Andrea Pugliese, and V. S. Subrahmania. "GRIN: A ...
  • Weiss, Cathrin, Panagiotis Karras, and Abraham Bernstein. "Hexastore: sextuple indexing ...
  • Eyal Oren, C.G.e., and Stefan Schlobach, "Anytime query Answering in ...
  • Christophe Gu eret, E.O., Stefan Schlobach, and Martijn Schut, "An ...
  • Christophe Gueret, P.G., Eyal Oren, Stefan Schlobach, "eRDF: A scalable ...
  • optimization." Proceedings of the First International Conference on Nature Inspired ...
  • Hogenboom, Alexander, Flavius Frasincar, and Uzay Kaymak. "Ant colony optimization ...
  • Hogenboom, Alexander, et al. "RCQ-ACS: RDF Chain Query Optimization Using ...
  • databases." Semantic Wep Preprint (2016): 1-17. ...
  • Eberhart, Russell C., and Yuhui Shi. "Comparison between genetic algorithms ...
  • Kennedy, James. "Particle _ optimization." Encyclopedia of machine learning. Springer ...
  • Chikhi, Rayan, and Guillaume Rizk. _ Space-efficient and exact de ...
  • Wang, Lizhe, et al. "G-Hadoop: MapReduce across distributed data centers ...
  • Generation Computer Systems 29.3 (2013): 739-750. ...
  • نمایش کامل مراجع