Thesis

به روز رسانی پایگاه دانش توزیع شده مبتنی بر rdfs در برابر حذف

Abstract(in Persian; no English abstract is available)

استنتاج مقیاس پذیر یکی از مهمترین چالش ها در وب معنایی است. با افزایش روز افزون داده های وب، الگوریتم های مرکزی و موازی دیگر جوابگوی حجم عظیم داده ها نیستند و استفاده از سیستم های توزیع شده امری اجتناب ناپذیر می باشد. از طرفی دیگر هرگونه تغییری در این گونه داده ها شامل حذف، اضافه و به روز رسانی حقایق، منتج به تغییرات در پایگاه دانش استنتاج شده یا بستار می گردد. این تغییرات از آن سو لازم هستند که باید صحت و کامل بودن پایگاه دانش حفظ شود. در بسیاری از موارد می توان بستار را پاک کرد و دوباره از نو ساخت اما این کار هزینه زمانی زیادی دارد. در این پایان نامه، با استفاده مدل برنامه نویسی نگاشت/کاهش ، یک روش توزیع شده برای مدیریت تغییراتی از نوع حذف از پایگاه دانش ارائه شده است. در روش مورد نظر، الگوریتم dred را که مربوط به مدیریت تغییرات در یک سیستم مرکزی است برای سیستم های توزیع شده سفارشی می کنیم و برای قوانین بازنویسی شده توسط این الگوریتم راه کاری ارائه می دهیم. برای ارزیابی پایگاه دانش wordnet را به عنوان ورودی در نظر می گیریم و دو حالت وجود پایگاه دانش اولیه و عدم وجود پایگاه دانش اولیه را در نظر می گیریم. در حالت اول امکان پاک کردن بستار و ساخت دوباره از نو وجود دارد. نتایج نشان می دهد که با پیاده سازی فعلی تا زمانی که حداکثر ?% داده ها از بستار پاک می شود، روش ما بهتر عمل می کند.در حالت دوم، در هر آزمایش درصدی از داده ها از بستار پاک می شوند. زمانی که حدودا ??% از داده های بستار حذف شده اند، روال کلی الگوریتم بر روی دو ماشین چیزی حدود ?? دقیقه به طول می انجامد.

Supervisors and advisors

محمود نقیب زاده، سعید ابریشمی

Similar theses

  • استنتاج مقیاس پذیر بر روی پایگاه های دانش پویای مبتنی بر rdfs/owl

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسیمجید سازوار

    در طی سالیان اخیر حجم زیادی از سه گانه های rdf (در حدود چند ده میلیارد) در وب منتشر گردیده است. برای استفاده از این داده های منتشر شده باید الگوریتم استنتاجی داشته باشیم که بتواند روی این حجم عظیم از داده ها استنتاج انجام دهد و همچنین بتواند خود را با این نرخ بالای رشد ، تطبیق ده