论文部分内容阅读
本体推理是知识图谱应用研究的核心内容。近年来,随着语义网的提出和语义技术的进一步发展,本体推理越来越受到科研人员和工业界的重视。特别是本体推理中的合取查询应答(Conjunctive Query Answering,CQA)任务。在现有的解决查询应答主流推理算法中,伴有推理效率不高且不能够保证结果的正确性和完备性的弊端。因此,如何高效的在大规模OWL本体上解决推理问题,成为一个具有挑战性的工作。本文针对OWL本体提出了面向合取查询应答的分布式查询方案。通过线下物化标准化模型的方法,能够高效解决大规模OWL本体推理问题。在分布式查询方案中,首先求取知识库的标准化模型,即U_k模型。语义上,就是对ABox的扩充,即通过增加额外的实例名标签的方式。其次对U_k模型进行优化,通过分析规则之间的内在关联合理分配并发数以及执行顺序实现从串行到并行的更加高效的转变。接着提出模型有限化方案,由于标准化模型往往是无限大的,因此还需要解决的技术问题就是,对于任意给定的查询,应先求取其步长,用查询的步长以限定模型的无线增长将其有限化。然后将标准推理任务中的合取查询用SPARQL形式化表示,把RDF数据图中的每个顶点都看作是可执行计算的最小单元,并且将整个RDF图映射成可互相传递消息的顶点集合,充分利用图的特性,使用消息传递的方式逐步完善查询图,逐渐减少变量数量。最后利用gStoreD、RDF-3X、TriAD等查询引擎求解其解集,最终得到查询结果。本文设计的实验从查询性能以及结果的正确性和完备性两个角度加以验证和评价,相较于查询改写思路性能有明显的提升,而相较于简单物化思路也能够保证对于任意的Benchmark上的标准化查询都能够得出正确完备的解集。综上所述,基于线下的标准化模型物化方法,能够有效的改善推理效率以及提高结果的正确性和完备性。为本体推理提供新的解决思路。也说明了本文对进一步完善知识图谱并解决推理问题具有一定的理论和实践意义。