OWL 2 EL并行推理技术研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:yuntaos
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
OWL 2 EL是OWL 2一个易处理的子集。近年来,EL因其充分的表达能力以及较低的计算复杂度,越来越受到科研人员和工业界的重视。本体推理技术在多项EL应用中都起到了非常重要的作用,特别是本体推理中的分类任务,即计算本体中概念之间的层次包含关系,更是EL本体推理技术的核心。在现有的针对EL的推理机和推理算法中,串行推理机CEL在处理较大规模本体时表现不佳;基于Java并发技术的ELK推理机受限于单台机器内存容量;基于MapReduce模型的并行推理算法则因为大量的冗余计算以及具体计算框架的I/O开销而效率低下。为了克服以上推理机和推理算法的缺点,本文提出了一种基于Pregel模型的方法来做EL并行推理,具体分为如下几点内容:(1)提出了将一个EL本体转为有向标定图的方法,并证明了一个EL本体与其对应的图表示在语义上的等价性。提出了基于图的EL本体推理基本算法,并证明了该算法在多项式时间内终止,且算法是正确和完备的。(2)在EL本体的图表示以及基于图的EL本体推理基本算法的基础上,提出了两个基于Pregel模型的并行推理算法来完成EL本体上的分类任务,并证明了两个并行推理算法的终止性、正确性和完备性。其中一个算法采用了请求-应答方法,另一个算法采用了推送方法。请求-应答方法和推送方法都可以有效地解决顶点上边信息不足问题。(3)实现了本文提出的两个并行推理算法,并在大规模本体上进行了实验。实验结果表明本文提出的两个并行推理算法有较高的推理效率和良好的加速比。还通过实验讨论了影响推理时间的因素。
其他文献
随着电子商务、移动互联网、物联网等技术的进一步发展,数据的规模、产生速度、复杂性均日益增长,标志着人类社会已经进入了大数据时代。随着数据之间的联系变得更加紧密、依
近年来,随着嵌入式系统的快速发展,越来越多的嵌入式设备被用于工业控制等领域。同时随着无线通信技术的进一步普及,嵌入式设备通过网络接入局域网或者Internet已经逐步成为
MMDB(内存数据库)的研究近年来一直是国内外数据库领域研究的热点。内存数据库在对实时性要求高的领域扮演了重要的角色。随着内存价格不断走低,存储芯片的集成度越来越高,在
自Web2.0被0Reilly提出以来,其技术和理念促进了Web的极大发展,进而人们将Web2.0的应用领域拓展到企业和电信行业,以解决它们当前所面临的问题,由此产生了各种企业Web2.0应用
传统的故障诊断方法需要依靠专家的经验知识,但遗憾的是,专家的经验获取不易,且更新慢,一旦系统发生改变,专家经验就显得不足。而基于模型的诊断(Model-Based Diagnosis, MBD
对于隧道、陵墓这种需要长年累月监测是否有人或动物入侵的通道环境,被动的定位追踪算法是其首选算法;因为,ZigBee节点信号覆盖的网络环境中,通过目标对信号的影响,可以有效的
近年来,VOD(视频即时点播)越来越受欢迎。一方面,用户人群的日益扩大可能会导致视频服务器的负载不均衡。部分服务器的负载过重使得用户观看等待时间延长甚至难以获得服务,因
为增强在IP环境下对多媒体业务的管控运营能力和提供各种新业务和融合应用的机遇,电信运营商纷纷进行IMS的试验和部署。但IMS未能推出有吸引力的杀手级应用,面临着业务不够丰
虚拟化技术作为计算资源的一种抽象,将硬件和应用程序分离开来,通过数据中心进行细化和自动化系统配置,监控和管理,改变了传统计算机资源的人工管理配置,减少了错误率,提高了
工作流是能够完全或者部分自动执行的经营过程,它根据一系列过程规则,使文档、信息或任务能够在不同的执行者之间传递与执行。工作流管理系统是以计算机支持的分布式、协同工