RORS：基于Spark的增强型规则OWL推理
数据库
2016-10-04 v1
摘要
基于规则的OWL推理是通过应用RDF/RDFS与OWL蕴含规则来计算本体的演绎闭包。基于规则的OWL推理性能通常对规则执行顺序敏感。本文中，我们提出一种基于局部最优可执行策略在Spark上增强基于规则的OWL推理性能的方法。首先，我们将所有规则（共27条）分为四大类，即SPO规则（5条）、类型规则（7条）、sameAs规则（7条）和模式规则（8条），因为据我们调查，与实际世界中前三类规则对应的三元组占压倒性多数（例如，在LUBM数据集中超过99%）。其次，基于每类中那些蕴含规则的相互依赖关系，我们挑出每类的最优规则可执行顺序，然后将它们组合成所有规则的新执行顺序。最后，我们在名为RORS的原型系统中于Spark上实现新规则执行顺序。实验结果表明，与使用LUBM200（2760万三元组）的Kim & Park算法（2015）相比，RORS的运行时间改善了约30%。
引用
@article{arxiv.1605.02824,
title = {RORS: Enhanced Rule-based OWL Reasoning on Spark},
author = {Zhihui Liu and Zhiyong Feng and Xiaowang Zhang and Xin Wang and Guozheng Rao},
journal= {arXiv preprint arXiv:1605.02824},
year = {2016}
}
备注
12 pages