文献

J-GLOBAL ID：201802243068579835   整理番号：18A0707453

要約されたRDFトリプルに関する意味論的探索【JST・京大機械翻訳】

Semantic search on summarized RDF triples

著者 (2件)： Gayathri P (Dept. of Computer Science and Engineering, NSS College of Engineering, Palakkad, Kerala, India) ,  Rajendran V Viji (Dept. of Computer Science and Engineering, NSS College of Engineering, Palakkad, Kerala, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： I2C2  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 情報は,いくつかの種類のデータベースの中で見つけられる大部分のためにある。これらの情報を調整することは,これらの情報を主張する関連に対する利点を与えるであろう。RDFは,異なるソースからの情報を結合して,Webのための一般的な推薦方言である。RDFの質問言語SPARQLは,様々なデータベースから情報を結合できる。巨大なRDF情報収集を質問することは,多大な時間消費である。より有望なサブグラフへのSPARQL質問を提出することは,速度を増加させ,探索空間を減少させる。このためにRDF要約を行った。既存のシステムは,RDFを要約するためにグラフベース技術を使用するか,またはその要素に基づいて単純にRDFを分割する。グラフのような構造を持つRDFはグラフ構造のあらゆる特徴を持つことは期待できない。また,三重要素に基づく簡単な分割も非効率的である。本論文では,RDFデータセットを最初に述語類似性に基づいて分割した。これらの分割は述語間の意味論的関連性に基づいてクラスタ化されるので,より類似の三倍が単一クラスタに入る。得られたRDFクラスタグラフは,グラフと呼ばれるように,Jena Tuple DataBase(TDB)に保存されている。SPARQL質問は,このグラフ収集と名付けた。SPARQL質問を必要とするモデルのリストを,インデックスと質問から得て,グラフのこの融合に関して行った。提案したアルゴリズムは,探索空間が縮小されて,スケーラブルでもあるので,より高速である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  アルゴリズム ,  類似性 ,  問い合わせ言語 ,  Web【情報システム】 ,  部分グラフ ,  データベース ,  クラスタ ,  グラフ ,  *意味論 ,  情報収集
準シソーラス用語： 述語 ,  グラフ構造 ,  探索空間 ,  SPARQL , 【Automatic Indexing@JST】

分類 (2件)： グラフ理論基礎  (IA02020S) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： RDF ,  意味論 ,  探索