5个研究背景和意义示例,教你写计算机查询处理论文

今天分享的是关于查询处理的5篇计算机毕业论文范文, 如果你的论文涉及到查询处理等主题,本文能够帮助到你

RDF数据上的语义区域检索研究

这是一篇关于语义区域,空间RDF数据,查询处理的论文, 主要内容为空间RDF数据上的Top k最相关语义地点检索查询结合了基于关键词检索和基于地点检索的两种思想。这种查询会返回一组语义地点,每个语义地点都是以一个以带有关联位置信息的地点实体节点为根节点的子图。该查询通过计算一个评分函数来获取语义地点和关键词之间的相关度。这个分数由每个关键词在结果树上出现的节点和地点节点(根节点)的距离组合可得。但我们观察到由kSP(Top k Sematic Place)算法查询返回的检索结果中,语义地点虽然在空间范围上和查询位置接近,但是和某些关键词的相关度却比较低。我们认为这是由于单个地点和查询词相关度较低造成的,如果可以同时返回多个相关的语义地点,或许有助于解决这个问题。因此,本文提出了语义地点检索的一个泛化版本,即语义区域检索。这种模型的查询输入参数为一个查询空间范围和一组查询关键词集合,旨在返回一个在空间上与查询位置比较接近,可以将评分函数最小化的有效语义区域,语义区域内的每个语义地点都和一个或多个查询关键词有着较高的相关度。评分函数考虑了区域内地点节点之间在RDF图上的接近程度,以及地点节点和查询关键词在图上的接近程度。和现有的语义地点检索相比,语义区域检索返回多个与关键词相关的地点,旨在解决单个地点无法满足用户需求的情况。为了更好更有效地支持语义区域查询的处理过程,本文提出了一种符合分支定界方式的算法SRRA(Sematic Region Retrieval Algorithm)。由于计算地点关键词相关路径,以及连接所有地点节点集合的子图的开销较大,SRRA算法使用了三种子集剪枝策略来处理语义区域查询。其中的一条剪枝策略通过保证一个语义区域中的地点节点的数目不能超过查询关键词的个数,从而减少需要计算的地点节点子集的数量。另外一个方法则是首先找到一个符合查询要求的候选语义区域,然后通过比较这个候选语义区域和其他语义区域分数的下界,来减少需要计算的地点节点子集的数量。在构建地点节点子集子树的过程中,算法继续使用由候选语义区域生成的界限来提前结束某些语义区域的计算。在这些剪枝策略基础上,本文还提出了两种优化技术来更加高效的处理语义区域查询。优化技术会利用已经计算好的地点节点集合中的地点节点来判断新的地点节点是否需要被加入,从而达到剪枝更多地点节点集合的目的。最后,为了评估被提出的语义区域查询处理算法SRRA和SRRA*(在SRRA算法基础上结合了优化技术的算法)的具体性能,本论文在不同参数设置下设计了多组对比实验,给出了两个算法在两份真实知识图谱数据集上的实验评估结果并进行了分析。实验结果表明优化以后的语义区域查询处理算法SRRA*在性能上有着优异的表现,并且查询结果与查询词有着很高的相关度。

基于本体的信息资源的集成

这是一篇关于本体构建,本体映射,信息资源集成框架,包装器,查询处理,集成系统的论文, 主要内容为信息资源集成可以屏蔽底层信息资源的异构性,提供给用户一个全局的信息视图,实现分布式、异构信息的统一访问。传统的集成方法无法解决语义异构问题,而本体具有良好的概念层次结构并支持逻辑推理,因而可以解决信息资源的语义异构问题。本文提出了分布式网络环境下的基于本体的信息资源集成框架,它具有松耦合、易扩展、支持语义查询等良好特性。该框架不仅适合某领域的集成,如政府信息资源,而且用户还可以通过改变本体定义和信息资源来改变框架的应用范围,从而扩展到其它领域,因此该框架具有通用性。本文构建了政府档案全局本体,以关系数据库和XML两类信息源为例,利用局部信息资源的模式抽取出局部本体,建立了全局本体与局部本体,以及局部本体与信息资源之间的映射;提出了全局查询分解算法以及子查询转换算法;设计了包装器,它包括查询翻译服务、查询服务和结果转换服务,并把这些服务注册到私有UDDI注册中心。在查询处理部分提出了采用类SQL作为全局查询语言,查询结果以统一的对象形式进行整合,显示给用户。为了验证框架的可实现性,设计并实现了基于本体的信息资源集成原型系统。采用OWL DL对本体进行描述、Jena2.5.3对本体进行解析,利用J2EE平台、JSP、Struts、EJB、Hibernate、Web Services、jUDDI、UDDI4J等技术实现了该原型系统,最后对所做的工作进行了总结。

基于本体的信息资源的集成

不确定RDF图上正则路径查询方法研究

这是一篇关于RDF图,正则路径,不确定性,自动机,查询处理的论文, 主要内容为知识图谱是人工智能的核心基础设施,已将RDF数据模型作为其数据层事实上的标准。与此同时,由于噪声等不确定因素存在,使得知识表达难以完备化,RDF知识图谱中出现了不确定信息。传统的RDF查询方式不能满足不确定RDF知识图谱的应用需求,查询知识图谱数据中的不确定信息成为一项紧迫又富有挑战的任务。基于正则表达式的导航式路径查询是RDF数据查询中常见的查询方式,本文在已有研究基础上,设计并实现了两种不确定RDF图上正则路径查询方法,主要工作如下:(1)针对不确定RDF知识图谱上正则路径查询的问题,提出了一种基于概率自动机的不确定RDF图正则路径查询方法。该方法将不确定RDF图数据转换为概率矩阵的方式,并使用状态机的概率方程来描述状态机的行为,通过计算概率来确定有限状态机的下一个状态。在空间上,该方法将其表示为行向量的转置更为有效。实验结果表明,该方法查询响应时间和查准率方面均优于基准算法。(2)针对数据规模较大的正则路径查询问题,提出了一种基于有穷自动机的不确定RDF图正则路径查询方法。该方法通过构建索引解析树,将路径转换为字符串查询问题,并证明了有穷自动机理论的正确性和完备性。在正则表达式转换成NFA的过程中,将NFA转换成等价DFA的过程称为自动机的确定化。确定化算法的难易程度同样也直接影响着NFA/DFA混合方式的匹配效率。最后,该方法对候选字符串进行匹配验证,并设定概率阈值筛选最终结果集。通过在不同数据规模下多组对比实验表明,该方法在索引构建和正则路径查询方面有较好的结果。(3)基于上述两种查询方法,开发了不确定RDF图上正则路径查询系统。该系统对SPARQL语言进行扩展,并实现了不确定知识图谱上的正则路径查询,通过选择不同查询阈值,实现了查询结果的可视化展示,为智能环境下开展知识图谱应用研究奠定了基础。