语义网中航运信息的存储与查询系统研究

论文摘要

语义网对于现有万维网的扩展,拥有一个完整的体系结构。语义网的最终目的是使得网络上的资源都是带有语义的,这样就便于计算机自动的理解和处理,便于人机之间的交互。基于这个目的,语义网技术正在被越来越多的研究者所认识和研究。语义网对于数据的存储与查询都是一次崭新的革命。普通关系数据库中的关系模型以及SQL查询语言,在语义网中被RDF数据模型以及语义查询语言,诸如SPARQL所代替。这些改变一旦实现,对于数据库的存储效率以及查询的准确率和查全率都是一次提高。随着世界经济和国际贸易的快速发展,国际航运业地发展变化日新月异,为了提高服务水平,增强竞争力,各航运公司充分认识到了信息化的重要性。如何构建一个高效率的航运信息系统,成为了航运企业提高企业核心竞争力的投入重点。航运信息的复杂、庞大的特点,对于现有的航运信息系统提出了一个巨大的挑战。现有航运信息系统在对于航线,集装箱等查询方面的查全率以及查准率差强人意,只能生成一些简单的报表。这些已经无法跟上航运业地发展脚步,也无法满足人们对于信息查询的要求。于是,语义网技术在航运信息系统中的应用研究就显得尤为重要。语义网数据在数据库中的存储,以及语义网查询语言的查询处理和查询效率一直是现在研究的重点。国内学者对于语义网的大部分研究工作重点还只是在理论方面,对于语义网系统的实现研究投入并不大。本文就以航运信息为例,首先引入了RDF数据模型,利用RDF三元组来定义航运信息中的概念,概念与概念之间的关系以及它们的值。RDF中的资源、属性都是用URI标识的,可以基于现有的模型进行扩展。然后,利用数据库来存储这些RDF数据。最后,基于Jena平台,利用语义网查询语言SPARQL来查询前面存储的RDF数据。这样,就初步实现了航运信息的语义存储与查询。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文工作及论文结构
• 第二章 语义网
• 2.1 语义网的体系结构
• 2.1.1 URI和Unicode
• 2.1.2 XML、NameSpace和XML Schema
• 2.1.3 RDF和RDF Schema
• 2.1.4 Ontology Vocabulary
• 2.1.5 Logic、Proof和Trust
• 2.2 语义网支撑技术
• 2.2.1 XML
• 2.2.2 RDF
• 2.2.3 Ontology
• 2.3 本章小结
• 第三章 航运信息的语义存储
• 3.1 航运信息E-R模型
• 3.1.1 ER模型
• 3.1.2 航运信息分ER模型
• 3.1.3 航运信息总ER模型
• 3.2 航运信息RDF模型
• 3.2.1 RDF数据模型
• 3.2.2 RDF Schema
• 3.2.3 RDF/XML
• 3.2.4 航运信息RDF/RDFS模型
• 3.3 RDF数据存储方案
• 3.3.1 三元组存储方案
• 3.3.2 垂直存储方式
• 3.3.3 水平存储方式
• 3.4 本章小结
• 第四章 航运信息查询
• 4.1 SPARQL的语义
• 4.2 SPARQL的查询方式
• 4.2.1 SELECT
• 4.2.2 CONSTRUCT
• 4.2.3 ASK
• 4.3 SPARQL查询规范
• 4.3.1 一个简单查询
• 4.3.2 多重匹配
• 4.3.3 匹配RDF文字
• 4.4 本章小结
• 第五章 基于Jena的航运信息管理系统
• 5.1 系统开发环境
• 5.1.1 Jena简介
• 5.1.2 系统开发环境配置
• 5.2 航运信息的存储实现
• 5.2.1 资源和属性类的生成
• 5.2.2 创建资源和属性
• 5.2.3 RDF数据读写操作
• 5.2.4 RDF数据的存储
• 5.3 航运信息的查询实现
• 5.3.1 查询语句
• 5.3.2 查询实例
• 5.3.3 航线查询结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 未来工作的展望
• 参考文献
• 致谢