多領域RDF數(shù)據(jù)集上的混合推理.pdf

1、隨著大數(shù)據(jù)和語義網(wǎng)的興起，網(wǎng)絡上發(fā)布的數(shù)據(jù)呈爆炸式增長，對數(shù)據(jù)的高效、合理利用已成為在各個領域中語義應用的重要課題。這些海量的數(shù)據(jù)在數(shù)據(jù)整合處理過程當中，由于存儲位置分散、數(shù)量巨大以及人工操作數(shù)據(jù)失誤等原因，經(jīng)常會發(fā)生有用信息利用率不高、甚至丟失的現(xiàn)象。為高效利用數(shù)據(jù)，挖掘領域中更多的知識，我們需要對數(shù)據(jù)進行有效處理，以便發(fā)現(xiàn)更多的有價值知識。如何對語義Web上已發(fā)布的數(shù)據(jù)進行推理，如何發(fā)現(xiàn)不同領域知識間隱含的知識、以及如何提高推理的速

2、度，都是當前業(yè)內(nèi)需要解決的關鍵技術問題。
　　領域內(nèi)發(fā)現(xiàn)新知識，需要對數(shù)據(jù)進行推理。有關RDF(ResourseDescription Framework，資源描述框架)的推理技術目前主要分為三類:本體與描述邏輯相結合、本體與規(guī)則相結合以及本體與推理機相結合。但是這些推理往往都是在單一領域內(nèi)進行研究，使用最多的方法是將本體與規(guī)則或者本體與推理機結合起來進行單領域的前向推理。由于在單一領域內(nèi)推理涉及的知識覆蓋范圍太窄，導致發(fā)現(xiàn)的知識

3、量較少;且由于推理處于單一方向，導致推理的效率較低。
　　為了解決傳統(tǒng)數(shù)據(jù)往往集中在單一領域進行前向推理導致發(fā)現(xiàn)的知識單一有限且推理速度較慢的問題，本文提出了一種將多個領域的數(shù)據(jù)關聯(lián)起來進行混合推理的方法，并且利用這個方法構建了一個在旅游、交通、金融三個領域進行混合推理的系統(tǒng)。首先，使用本體構建軟件protégé構建了旅游、交通、金融三個本體;其次，通過構建SWRL規(guī)則將這三個本體進行對準，使得旅游、交通、金融三個領域的數(shù)據(jù)集關聯(lián)

4、起來;之后，構建了混合規(guī)則，并且利用Jena和Pellet推理機創(chuàng)建了混合式推理機;最后，設計了一個針對旅游、交通、金融三個領域中的數(shù)據(jù)集的混合推理系統(tǒng)框架，圍繞此框架結構創(chuàng)建了一個混合推理系統(tǒng)，并且進行了幾次對比實驗。實驗證明:本文所提出的方法較之傳統(tǒng)的基于單一領域進行前向推理的方法，能夠推理出傳統(tǒng)方法無法發(fā)現(xiàn)的隱含知識，并且提高了推理的速度，是切實可行的。
　　本文在探索多領域數(shù)據(jù)集的混合推理方法的基礎上設計并實現(xiàn)了基于旅游、