分布式本体调试信息的存储优化与增量更新

摘要

为提高大规模本体信息的推理调试速度,提出了基于分布式数据库的RDFS和OWL pD*的推理调试方法,并优化存储模型和推理调试算法.此外,每次本体信息更新后,静态的本体推理和调试算法都需要完全地重新进行推理,因而提出了一种针对本体信息更新的增量算法,实现本体数据的动态更新.LUBM数据集的实验结果表明,基于分布式数据库是基于分布式文件的本体调试方法用时的15％ ～25％.在百万数量级三元组上,更新20％以内的数据,增量更新算法更有效.