| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·研究目的与意义 | 第11-12页 |
| ·论文研究工作 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 2 国内外研究现状及相关工作 | 第15-27页 |
| ·语义网 | 第15-16页 |
| ·RDF | 第16-17页 |
| ·RDF查询语言 | 第17-18页 |
| ·RDF存储模型 | 第18-23页 |
| ·三元组(triple store) | 第18-19页 |
| ·水平存储(horizontal schema) | 第19-20页 |
| ·属性表(property store) | 第20-21页 |
| ·垂直划分(verticaI partitioning) | 第21-22页 |
| ·全索引策略 | 第22-23页 |
| ·HBase | 第23-27页 |
| ·系统架构 | 第24-25页 |
| ·HBase存储RDF数据的优劣 | 第25-27页 |
| 3 基于HBase的RDF存储系统架构 | 第27-33页 |
| ·RDF数据存储及检索平台架构 | 第27-28页 |
| ·PDF数据存储及检索问题分析 | 第28-29页 |
| ·铁路危险品检测传感器数据管理系统范例 | 第29-31页 |
| ·小结 | 第31-33页 |
| 4 基于结构化索引的SPARQL查询方法 | 第33-49页 |
| ·查询流程 | 第33页 |
| ·SPARQL查询计划生成 | 第33-37页 |
| ·属性相关性发现 | 第35-36页 |
| ·查询规模的预估 | 第36页 |
| ·相关度的计算及查询计划的生成 | 第36-37页 |
| ·结构化索引 | 第37-42页 |
| ·RDF索引图 | 第38-40页 |
| ·索引图的构建,扩展 | 第40页 |
| ·结构层匹配 | 第40-42页 |
| ·基于HBase的RDF数据查询 | 第42-46页 |
| ·查询算法流程 | 第42-43页 |
| ·matchTP_DB | 第43页 |
| ·matchBGP_DB | 第43-44页 |
| ·底层查询算法 | 第44-46页 |
| ·复杂度分析 | 第46-47页 |
| ·小结 | 第47-49页 |
| 5 基于HBase的RDF存储方法 | 第49-61页 |
| ·HBase数据表的逻辑视图 | 第49-50页 |
| ·基于结构划分的RDF数据存储模型 | 第50-51页 |
| ·多值问题的处理 | 第51-54页 |
| ·以时间戳的方式 | 第51-53页 |
| ·以多列的方式 | 第53页 |
| ·以行健编码的方式 | 第53-54页 |
| ·铁路传感器数据RDF存储模型范例 | 第54-56页 |
| ·HBase的性能优化 | 第56-60页 |
| ·表设计 | 第56页 |
| ·数据写入优化 | 第56-57页 |
| ·数据查询优化 | 第57-60页 |
| ·小结 | 第60-61页 |
| 6 实验分析 | 第61-71页 |
| ·实验环境 | 第61页 |
| ·实验数据集 | 第61-62页 |
| ·查询用例 | 第62-63页 |
| ·SPARQL查询计划生成测试 | 第63-64页 |
| ·系统查询性能测试 | 第64-67页 |
| ·Q1,Q2测试结果及分析 | 第64-65页 |
| ·Q3,Q4,Q7测试结果及分析 | 第65-66页 |
| ·Q5,Q6测试结果及分析 | 第66-67页 |
| ·与Sesame的查询效率对比 | 第67-69页 |
| ·结论 | 第69页 |
| ·小结 | 第69-71页 |
| 7 总结与展望 | 第71-73页 |
| ·本文主要工作 | 第71-72页 |
| ·未来工作 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者简历 | 第77-81页 |
| 学位论文数据集 | 第81页 |