基于树模板的RDF数据关键词查询方法研究

摘要

随着语义Web的发展及链接开放数据（Linking Open Data，LOD）项目的推进，开放的RDF数据不断涌现，用户对其进行查询的需求也在不断增加。如何帮助用户获取其感兴趣的信息成为当前语义Web研究领域最为关心的问题之一。万维网搜索引擎中基于关键词的搜索技术得到广泛应用的事实表明，关键词查询方式对于用户而言更为简单易用。本论文研究了面向大规模RDF数据的关键词查询方法，工作包括:
　　(1)提出了一种基于树模板的RDF数据索引方法。首先将RDF数据图划分成若干D-step树，其次将D-step树中的节点信息及边标签按广度优先遍历的顺序连接起来作为索引信息。由于很多D-step树具有相同的结构，本文将这些D-step树的边标签信息抽取出来作为树模板。
　　(2)设计并实现了基于树模板的关键词查询算法，该算法利用D-step树中边的结构信息与内容节点信息之间的关系，能够从D-step树中快速构造包含所有关键词节点的查询结果。实验表明该算法能够在大规模RDF数据上对关键词查询给予快速响应。
　　(3)提出了一种查询结果相关性评价方法。该方法结合了TF/IDF及PageRank评价方法，对查询结果与查询关键词的相关性及查询结果中实体的重要性进行评价，最终将top-k个最相关查询结果返回给用户。
　　进一步，本文将上述方法在DBPedia数据集上进行了实验，得出的实验结果比较好，可以说明本方法的有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．1．1 万维网与语义Web

1．1．2 语义Web的基本概念

1．2 大规模RDF数据上关键词查询面临的挑战

1．3 研究目标与内容

1．4 论文结构与安排

第二章 相关工作

2．1 语义搜索

2．2 RDF数据关键词索引方法

2．2．1 图数据库中的索引技术

2．2．2 语义网中的RDF索引

2．3 RDF数据关键词查询方法

2．3．1 直接查询方法

2．3．2 查询转换方法

2．4 RDF数据关键词评价方法

2．4．1 传统排序算法

2．4．2 语义搜索的相关性评价方法

2．5 本章小结

第三章 基于树模板的RDF数据关键词查询方法

3．1 问题描述

3．2 基于树模板的查询方法

3．2．1 查询模型的相关概念

3．2．2 关键词查询方法

3．3 本章小结

第四章 查询结果的相关性评价方法

4．1 查询结果的评价指标

4．1．1 查询相关的因素

4．1．2 查询无关的因素

4．2 查询结果的相关性评价方法

4．3 本章小结

第五章 方法实现与实验评估

5．1 实验环境

5．2 评价指标与实验步骤

5．2．1 评价指标

5．2．2 实验步骤

5．3 评价方案比较

5．4 实验结果与分析

5．4．1 索引性能

5．4．2 查询处理时间

5．4．3 查询准确率

5．5 本章小结

第六章 总结与展望

6．1 工作总结

6．2 未来工作展望

致谢

参考文献

作者(包括论文和成果清单)