| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文研究目标 | 第9页 |
| 1.4 本文研究内容 | 第9-10页 |
| 1.5 本文组织结构 | 第10-11页 |
| 第2章 相关技术分析 | 第11-22页 |
| 2.1 语义网相关技术 | 第11-14页 |
| 2.1.1 RDF | 第11-12页 |
| 2.1.2 RDF 模式 | 第12-13页 |
| 2.1.3 RDF 查询语言 | 第13-14页 |
| 2.2 并行处理技术 | 第14-17页 |
| 2.2.1 Hadoop | 第14-15页 |
| 2.2.2 Mapreduce | 第15-16页 |
| 2.2.3 HDFS 与 HBase | 第16-17页 |
| 2.3 RDF 数据存储模式 | 第17-22页 |
| 2.3.1 关系型存储模式 | 第17-20页 |
| 2.3.2 分布式存储模式 | 第20-22页 |
| 第3章 RDF 图分解方法的设计与实现 | 第22-34页 |
| 3.1 原始 RDF 分子法 | 第22-23页 |
| 3.2 RDF 分子法改进策略 | 第23-25页 |
| 3.3 关键算法设计与实现 | 第25-28页 |
| 3.3.1 原始 RDF 分子法算法的设计 | 第25-26页 |
| 3.3.2 改进 RDF 分子法算法的设计 | 第26-28页 |
| 3.4 算法运行和性能测试 | 第28-33页 |
| 3.4.1 实验数据准备 | 第28-30页 |
| 3.4.2 实验结果分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 RDF 数据并行推理方法的研究与设计 | 第34-50页 |
| 4.1 RDF 数据存储模式的设计 | 第34-36页 |
| 4.1.1 HBase 表结构设计 | 第34-36页 |
| 4.1.2 基于 MapReduce 的数据导入 | 第36页 |
| 4.2 RDFS 推理算法的设计与实现 | 第36-46页 |
| 4.2.1 基于已有规则的推理方法 | 第37-38页 |
| 4.2.2 RDFS 推理规则分析 | 第38-40页 |
| 4.2.3 基于 Mapreduce 的 RDFS 推理算法的设计 | 第40-46页 |
| 4.3 SPARQL 解析与查询 | 第46-47页 |
| 4.4 实验分析 | 第47-49页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 实验结果分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 RDFS 并行推理在社保数据平台的应用 | 第50-62页 |
| 5.1 数据分析平台的设计 | 第50-53页 |
| 5.1.1 平台架构 | 第50-52页 |
| 5.1.2 技术路线 | 第52-53页 |
| 5.2 数据分析平台的实现 | 第53-59页 |
| 5.2.1 社保数据集分解 | 第53-55页 |
| 5.2.2 基于 Mapreduce 的数据导入与存储 | 第55-56页 |
| 5.2.3 Mapreduce 下的数据预推理 | 第56-57页 |
| 5.2.4 Hive 查询设计 | 第57-59页 |
| 5.3 数据分析平台的测试 | 第59-61页 |
| 5.3.1 测试环境 | 第59-60页 |
| 5.3.2 测试结果分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-66页 |