面向大规模rdf数据的高效语义索引的构建方法
【专利摘要】本发明公开了一种面向大规模RDF数据的高效语义索引的构建方法，包括以下步骤：步骤1.配置开源分布式RDF数据库，作为存储RDF数据的持久化数据库；步骤2.区分RDF数据库中的TBox数据和ABox数据；步骤3.生成TBox数据中的类之间的子父语义关系索引；步骤4.生成TBox数据中的属性之间的子父子父语义关系索引；步骤5.将上述生成的语义关系融入到RDF数据中，包括原本的TBox数据和ABox数据，构成新的M)F数据；步骤6.将生成的新的RDF数据持久化到配置好的RDF数据库中。本发明针对的是大规模RDF数据的查询和推理，最终提供了一种新的构建RDF数据语义关系索引的方案，从而在保证查询效率的同时能够支持较为丰富的离线推理。
【专利说明】面向大规模RDF数据的高效语义索引的构建方法
【技术领域】
[0001] 本发明涉及RDF数据库领域，具体来说，涉及RDF数据库中数据的有效组织以及推 理。
【背景技术】
[0002] 随着Web的发展，从最初的Webl. 0时代步入了当今的Web2. 0时代，并在逐渐进入 一个新的阶段--Web3. 0时代，也即语义Web时代。语义Web的概念由蒂姆?伯纳斯-李 (Tim Berners-Lee)于20世纪90年代提出，主要是为了解决计算机无法理解网络上的文档 的含义这样一个问题。其主要技术点在于，为Web上的资源通过给其标注相应的语义信息 来让计算机进行理解。计算机能够理解网络上的资源，使得人机互通更进一步，从而使整个 Web变成一个更加易用和智能的Web。
[0003] 随着语义Web的发展，对网络资源的语义信息的标准化工作也逐步完成。RDF 就是用来描述网络资源的语义信息的一种标准化方案。RDF(Resource Description Framework)，是语义Web的一种标准数据模型，用来构建和表示机器可理解的数据，是典型 的图结构数据。如今RDF数据呈几何量级增长，已经达到百亿级三元组规模。这样大规模 的RDF数据的高效存储和查询工作已经成为语义Web研究的一个重点问题。
[0004] 语义Web中，RDF数据的访问主要分为查询和推理两部分。由于数据本身的特点， RDF数据的查询涉及到图的连接等操作，具有较高的复杂度，因此需要底层强大的索引机制 支持以便进行高效查询。当前RDF数据的索引模型主要有三元组索引，倒排索引和关键字 索引等，支持SPARQL等查询。同时，由于RDF数据包含一定的语义信息，是用来构建机器可 理解的信息的标准，因此可以用推理机对其进行推理查询。通过推理，可以丰富查询的结果 集。但是，通过对RDF数据的相关存储和查询工作的研究发现，RDF数据的查询和推理相关 工作一直都是分开的。针对查询的工作主要围绕优化索引结构、空间代价换取时间代价等 问题展开，
[0005] 针对以上问题，有必要针对RDF数据的有效组织以及在其上的推理进行有效融 合，将RDF中所蕴含的语义信息固化到底层的索引机制中去，这样，即支持通过RDF的索引 结构对RDF数据进行高效的查询之外，还可以通过索引结构携带的语义信息进行推理，从 而支持在查询的时候的推理工作，实现离线推理，极大丰富查询结果。
【发明内容】
[0006] 为了克服上述现有技术存在的问题，本发明提出了一种面向大规模RDF数据的高 效语义索引的构建方法，在现有的RDF三元组高效索引的基础上，通过融入RDFS层的语义 信息，来构建新的支持语义推理的索引结构一语义索引，并持久化到底层数据库中去，从而 支持RDF数据的高效查询以及查询时的离线推理。
[0007] 本发明提出了一种面向大规模RDF数据的高效语义索引的构建方法，该方法包括 以下步骤：
[0008] 步骤1、配置开源分布式RDF数据库，作为存储RDF数据的持久化数据库；
[0009] 步骤2、区分RDF数据库中的TBox数据和ABox数据；
[0010] 步骤3、生成TBox数据中的类之间的子父语义关系索引；
[0011] 步骤4、生成TBox数据中的属性之间的子父子父语义关系索引；针对每一个属性， 其中：对于域，直接用Class的语义关系索引；对于range，贝U是将其中Class的部分的语义 关系索引直接用Class的语义关系索引，而非Class的range则重新进行语义关系索引的 生成；
[0012] 步骤5、将上述生成的语义关系融入到RDF数据中，包括原本的TBox数据和ABox 数据，构成新的RDF数据；
[0013] 步骤6、将生成的新的RDF数据持久化到配置好的RDF数据库中。
[0014] 所述步骤2的生成TBox数据中的类之间的子父语义关系索引中，还具体包含以下 处理：
[0015] 通过广度优先遍历从根类到叶子类的过程，来分别生成其对应的子父语义关系索 引。
[0016] 所述步骤3的生成TBox数据中的属性之间的子父子父语义关系索引中，具体包含 以下处理：
[0017] 通过广度优先遍历从根属性到叶子属性的过程，来分别生成对应语义关系索引。
[0018] 所述步骤5的将上述生成的语义关系融入到RDF数据中，还具体包括以下处理： [0019] 根据RDF数据库中三元组数据S、P、0中的谓词来判断这条三元组的类别，如果 谓词是rdf:type，则表示S是个体，则将其与0的语义关系索引进行绑定；如果谓词是 subClassOf，则表明S和0都是类，则将它们分别和各自的父类语义关系索引绑定；如果谓 词是subProperty，则表明S和0都是属性，则将它们分别和各自的父属性语义索引码绑定； 剩余的谓词则是自定义属性，分别将S、P和0与各自对应的语义关系索引绑定；所谓自定义 属性即数据集中由用户通过继承自根属性（如〇wl:0bjectProperty)而自定义的属性（如 dbpedia:influenced).
[0020] 与现有技术相比，本发明具有以下有益效果：
[0021] 本发明针对的是大规模RDF数据的查询和推理，最终提供了一种新的构建RDF数 据语义关系索引的方案，从而在保证查询效率的同时能够支持较为丰富的离线推理。
【专利附图】
【附图说明】
[0022] 图1是本发明中所用到的数据的示例图；
[0023] 图2是本发明的核心部分，语义索引的结构示例图；
[0024] 图3是本发明的整体架构图，也即流程图。
【具体实施方式】
[0025] 下面结合附图对本发明作进一步详细说明。
[0026] 步骤1、配置开源分布式RDF数据库Bigdata，作为存储RDF数据的持久化数据库；
[0027] 步骤2、区分RDF数据库中的TBox数据和ABox数据，便于进行编码以创建语义索 引；
[0028] 步骤3、根据ORDPath编码规则，对TBox数据中的Class的子父关系进行编码，体 现类之间的子父语义关系；
[0029] 步骤4、根据ORDPath编码规则，对TBox数据中的Property的子父类关系进行编 码，体现属性之间的子父语义关系；
[0030] 步骤5、根据ORDPath编码规则，针对每一个Property的domain进行编码；由于 在RDF数据中，一个Property的domain全是Class,因此针对domain的编码则是直接用到 针对Class的编码；
[0031] 步骤6、根据ORDPath编码规则，针对每一个Property的range进行编码；由于 在RDF数据中，一个Property的range可能是Class,也可能是非Class,则将range中是 Class的部分的编码直接用Class的编码，而非Class的range则重新进行编码；
[0032] 步骤7、将上述的根据ORDPath编码规则生成的语义编码融入到RDF数据中，包括 TBox数据和ABox数据，构成新的RDF数据；
[0033] 步骤8、将生成的新的RDF数据持久化到配置好的RDF数据库Bigdata，在有需要 的情况下可为分布式数据库，以方便用户查询。
[0034] 步骤1中，Bigdata是国外一款开源的分布式RDF数据库软件，其底层利用Sesame 的存储以及查询机制，并自己进行了分布式的扩展，从而更便于大规模RDF数据的分布式 并行处理。其内部提供了多种服务来进行分布式框架的功能，包括数据服务、元数据服务 等，这些服务通过JINI来进行协调管理。同时，其分布式的架构则是通过zooKeeper来实 现。其内部还提供了多种RDF数据的索引机制，包括Term2Id、S、P、0三元组索引等，方便 RDF数据的高效组织和管理。
[0035] 步骤2中提到的TBox是术语集，ABox是断言集。TBox中，主要描述了 Class之间 的关系、Property之间的关系以及Property的domain和range属性。这些关系和属性体 现出了一定的语义信息。这些语义信息也是将来要构建的索引所要支持的推理的基础。
[0036] 步骤3至步骤8是本发明的核心部分。具体实现细节如下：
[0037] 经研究，发现TBox中的Class和Property的层次分别是树状结构而非典型的图 状结构，即可以认为一个类如果有父类，则其只有一个父类；同样的道理，一个属性如果有 父属性，则其只有一个父属性。那么，针对Class构建语义索引的过程就是通过广度优先 遍历从根类到叶子类的过程，来分别生成其对应的ORDPath编码。同理，针对Property,通 过广度优先遍历从根属性到叶子属性的过程，来分别生成对应的ORDPath编码以构成语义 索引。同时，Property还具有domain和range两个域，也要将这两个域的语义信息加入到 Property的语义索引中区。一个Property的domain全部是Class,因而不需要对其进行 编码，在算法1中已经编码完成。而一个Property的Range可能是Class,也可能不是，因 此需要对不是Class的Range进行编码。当Class和Property的语义索引分别被建立起 来之后，将其再融入到RDF数据中去。融入的过程就是，根据RDF三元组数据S、P、0中的谓 词来判断这条三元组的类别，如果谓词是rdf: type，则表示S是个体，则将其与0的语义关 系索引编码进行绑定；如果P是subClassOf，则表明S和0都是Class，则将它们分别和各 自的父类语义关系索引编码绑定。如果P是subProperty，则表明S和0都是Property，贝1J 将它们分别和各自的父属性语义索引码绑定。剩余的P则是自定义属性，则分别将S、P和 0与各自对应的语义关系索引绑定。通过这样一个过程，重新对RDF数据赋予了多层次语义 信息，并最终持久化到已配置的数据库中去，从而支持高效的查询和离线推理。
[0038] 首先分析RDFS的部分推理规则。
[0039] 表1 RDFS部分推理规则集
[0040]
【权利要求】
1. 一种面向大规模RDF数据的高效语义索引的构建方法，其特征在于，该方法包括以 下步骤： 步骤1、配置开源分布式RDF数据库，作为存储RDF数据的持久化数据库； 步骤2、区分RDF数据库中的TBox数据和ABox数据； 步骤3、生成TBox数据中的类之间的子父语义关系索引； 步骤4、生成TBox数据中的属性之间的子父子父语义关系索引；针对每一个属性，其 中：对于域，直接用Class的语义关系索引；对于range，贝U是将其中Class的部分的语义关 系索引直接用Class的语义关系索引，而非Class的range则重新进行语义关系索引的生 成； 步骤5、将上述生成的语义关系融入到RDF数据中，包括原本的TBox数据和ABox数据， 构成新的RDF数据； 步骤6、将生成的新的RDF数据持久化到配置好的RDF数据库中。
2. 如权利要求1所述的面向大规模RDF数据的高效语义索引的构建方法，其特征在于， 所述步骤（2)的生成TBox数据中的类之间的子父语义关系索引中，还具体包含以下处理： 通过广度优先遍历从根类到叶子类的过程，来分别生成其对应的子父语义关系索引。
3. 如权利要求1所述的面向大规模RDF数据的高效语义索引的构建方法，其特征在于， 所述步骤（3)的生成TBox数据中的属性之间的子父子父语义关系索引中，具体包含以下处 理： 通过广度优先遍历从根属性到叶子属性的过程，来分别生成对应语义关系索引。
4. 如权利要求1所述的面向大规模RDF数据的高效语义索引的构建方法，其特征在于， 所述步骤（5)的将上述生成的语义关系融入到RDF数据中，还具体包括以下处理： 根据RDF数据库中三元组数据S、P、0中的谓词来判断这条三元组的类别，如果谓 词是rdf:type，则表示S是个体，则将其与0的语义关系索引进行绑定；如果谓词是 subClassOf，则表明S和0都是类，则将它们分别和各自的父类语义关系索引绑定；如果谓 词是subProperty，则表明S和0都是属性，则将它们分别和各自的父属性语义索引码绑定； 剩余的谓词则是自定义属性，分别将S、P和0与各自对应的语义关系索引绑定；所谓自定义 属性即数据集中由用户通过继承自根属性而自定义的属性。
【文档编号】G06F17/27GK104216975SQ201410437815
【公开日】2014年12月17日 申请日期:2014年8月29日 优先权日:2014年8月29日
【发明者】魏亚洲, 冯志勇, 王鑫, 饶国政 申请人:天津大学