【摘 要】
：
在解决复杂的大规模图处理任务时,需要频繁交替使用图查询与图分析,然而目前在理论上图查询与图分析尚未统一,造成查询与分析结果的可靠性无法保证,进而导致查询与分析的优化方法有限。所以如何统一图查询与图分析,设计包含图查询与图分析的统一理论框架对于高效解决大规模图处理任务十分重要。本文基于SPARQL图查询语言,建立统一的图查询与图分析理论基础,包括其语法及语义,并研究讨论其基础理论性质,即表达性与复杂
论文部分内容阅读
在解决复杂的大规模图处理任务时,需要频繁交替使用图查询与图分析,然而目前在理论上图查询与图分析尚未统一,造成查询与分析结果的可靠性无法保证,进而导致查询与分析的优化方法有限。所以如何统一图查询与图分析,设计包含图查询与图分析的统一理论框架对于高效解决大规模图处理任务十分重要。本文基于SPARQL图查询语言,建立统一的图查询与图分析理论基础,包括其语法及语义,并研究讨论其基础理论性质,即表达性与复杂性问题。本文引入丰富的图分析算法,构造出分析子句,提出SPARQL分析查询语言。针对不同复杂程度的图处理问题,该语言具有两种表现形式,分别称为单层SPARQL分析查询语言和嵌套SPARQL分析查询语言,其中嵌套SPARQL分析查询语言还具有内外层嵌套与同级嵌套两种嵌套形式。本文基于原始SPARQL语义,构造了单层SPARQL分析查询语言和嵌套SPARQL分析查询语言的语义,并证明了两种嵌套形式的正确性。本文证明了SPARQL分析查询语言与SPARQL四种查询形式之间的表达性问题等,并归纳分析了SPARQL分析查询语言的复杂度问题。最后通过对比实验,验证了SPARQL分析查询语言简洁性与易用性。本文提出的SPARQL分析查询语言,支持带权RDF图上的图查询与图分析,给工业实际中的图查询与图分析提供理论基础,其表达性与复杂性等研究结果,保证了面对大规模图处理任务时结果的可靠性,为图查询与图分析优化提供了理论保障,为统一图查询语言与图分析算法提供了新的思路。
其他文献
随着商品物流的增加,特别是对外贸易的加大,在物流和仓储过程中,物体由于倒置或倾斜而引起的严重损坏增多。一些敏感的物体包装上特别标有物品需向上放置的标识,一旦运输过程中发生倾斜,轻则导致经济损失,重则发生危险。如家用电器,医疗设施,化学试剂等。此外,在图书馆中,书籍也会被垂直放置以便查阅。RFID（Radio Frequency Identification,射频识别技术）的兴起和不断完善给进一步提
稀疏数据是在数据集中绝大多数数值缺失或者为零的数据,如何挖掘稀疏数据特征之间的隐含关系从而对其进行预测分析是本文的主要研究问题。目前,主流的挖掘特征间隐含关系的方法无法较全面地抽取特征间隐含关系进行更深层次的学习。通过在特征学习过程中对特征和特征之间的隐含关系进行丰富和扩充,从而提高对特征间隐含关系的学习能力。本文提出一种基于特征之间隐含关系的稀疏预测方法,结合丰富的特征信息参与特征间隐含关系的自
知识图谱近年来得到了广泛应用和扩展,其标准数据模型RDF图数据表现出的复杂性、稀疏性和多样性,造成了RDF处理引擎在存储和查询过程的复杂性,进而导致查询响应的低效性。目前大部分引擎对常见RDF数据特征进行固定模式的处理,无法体现出灵活性。因此研究自适应的RDF处理方法对知识图谱数据处理具有重要意义。本文设计并实现了自适应的RDF处理方法,从存储和SPARQL查询两个方面来提升RDF数据处理的性能。
软件安全知识包括异质软件安全概念（例如,软件缺陷和攻击模式）和软件安全实例（例如,某个特定软件产品的安全漏洞）,它们都可以被视为软件安全实体。软件安全实体间具有许多类型内以及跨类型关系。软件安全实体间的关系推理有助于丰富现有的软件安全知识,并对紧急出现的软件安全实体作出解释。然而遗憾的是,软件安全实体目前被记录在不同数据库的超文档中,这种超文档的表示方式不支持软件实体间关系的有效推理。此外,现有的
随着信息技术的发展,真实数据往往具有多视角的特性,即同一对象数据由多个模态或多个数据源构成。例如,对同一物体可以由其图片展示其特征,也可由语言描述其属性信息;一张自然图像可从颜色、形状、纹理等不同角度分别提取信息,由其共同表示。由于机器学习任务很大程度上依赖于数据的特征表示,而表示学习方法可以减少人工设计的难度和随意性,自动地从数据中学习出高效的表征。无论是监督还是无监督的任务,借助多视角数据丰富
本体公理学习,是本体工程中重要的任务,主要是从知识图谱中构建逻辑包含关系。近来,如何利用表示学习来从大规模知识图谱中学习本体包含公理是一个很大的挑战。一方面是知识图谱的规模越来越大,传统的本体公理构建方法无法应对如此大的规模;另一方面现有的知识图谱表示学习无法刻画谓词间的逻辑关系。因此研究能够表示谓词间逻辑包含关系的表示学习模型是此问题的关键。本文尝试学习保留谓词包含关系的表示和线性规划来解决这一
当深海环境涉及到一定深度时,常常会因充满未知和危险等恐怖因素而引起人们的恐惧情绪,对于患有深海恐惧症的人来说更是如此。而当今时代,随着海洋领域的发展出现了越来越多需要进入深海开展的工作。许多深海工作者必须经常潜入深海中直面恐惧并进行与认知有关的作业,而关于深海恐惧对认知的影响却不甚清晰。本研究探讨了沉浸式虚拟现实诱发的深海恐惧情绪对工作记忆（一种容量有限的认知系统）的影响。要求参与者在通过虚拟现实
随着人工智能的发展,以人为中心的面部表情识别已逐渐受到业界和学术界的普遍关注。面部表情动作单元（Facial Action Units,AUs）是面部表情的重要客观描述,并且AU的检测与分析对于理解和描述人脸表情有着重要的意义。然而,由于AU标注的复杂性以及现有的AU表情数据集的相对较小等问题,如何对现有的AU数据集的扩充,以解决AU数据集标签不均衡问题,已经成为本领域亟需解决的一个问题。本文旨在
作为一种流行的人体生物识别技术,步态身份识别因其在安防监控和人机交互等领域中广阔的应用前景和经济价值,引起了研究人员的广泛关注。现有的步态身份识别技术大多依赖于专用的设备,由于受设备自身条件和使用环境的限制,无法全面满足不同应用场景的识别需求。利用Wi-Fi信号进行人体行为感知具有成本低、非入侵、普适性好等优势,可以用来弥补专用设备的不足。本文研究基于Wi-Fi信道状态信息（Channel Sta
计算机视觉作为目前深度学习应用最为热门的研究方向之一,主要包含图像分类,目标检测,语义分割等子问题。近年来,由于卷积神经网络的发展,图像分析相关模型的性能得到了突飞猛进的提升。同时由于网络结构的不断进化,模型所需要的计算开销也呈现爆炸式增长。在保证模型性能的基础上降低模型所需参数、提高模型运行速度具有重要的研究意义和应用价值。蒸馏学习是近年来提出的模型轻量化方法,该方法通常将庞大臃肿的模型中的知识