| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文工作 | 第16-17页 |
| 1.3.1 主要研究思路 | 第16页 |
| 1.3.2 主要工作内容 | 第16-17页 |
| 1.4 本文结构 | 第17-18页 |
| 第二章 相关背景知识 | 第18-34页 |
| 2.1 语义网相关规范 | 第18-23页 |
| 2.1.1 语义网体系结构 | 第18-19页 |
| 2.1.2 RDF | 第19-20页 |
| 2.1.3 RDFS | 第20-21页 |
| 2.1.4 OWL | 第21-23页 |
| 2.2 语义推理 | 第23-28页 |
| 2.2.1 语义推理的理论基础 | 第23页 |
| 2.2.2 逻辑推理和规则推理 | 第23-27页 |
| 2.2.3 RDFS和OWL规则推理 | 第27-28页 |
| 2.3 大数据计算技术和平台 | 第28-34页 |
| 2.3.1 大数据计算技术和平台概述 | 第28页 |
| 2.3.2 MapReduce技术简介 | 第28-29页 |
| 2.3.3 Spark技术简介 | 第29-34页 |
| 第三章 大规模并行化RDFS规则推理技术和算法 | 第34-57页 |
| 3.1 引言 | 第34页 |
| 3.2 RDFS规则推理并行化问题分析 | 第34-36页 |
| 3.3 基于MAPREDUCE的并行化RDFS推理技术与算法 | 第36-47页 |
| 3.3.1 概述 | 第36页 |
| 3.3.2 基于MapReduce的并行化RDFS推理算法 | 第36-39页 |
| 3.3.3 YARM的设计与实现 | 第39-42页 |
| 3.3.4 实验 | 第42-47页 |
| 3.4 基于SPARK的并行化RDFS推理技术和算法 | 第47-56页 |
| 3.4.1 概述 | 第47页 |
| 3.4.2 基于Spark的并行化RDFS推理算法 | 第47-49页 |
| 3.4.3 Spark并行化RDFS推理算法的优化 | 第49-51页 |
| 3.4.4 实验 | 第51-56页 |
| 3.5 小结 | 第56-57页 |
| 第四章 大规模并行化OWL规则推理技术和算法 | 第57-69页 |
| 4.1 引言 | 第57页 |
| 4.2 OWL规则推理和并行化问题 | 第57-58页 |
| 4.3 基于SPARK的并行化OWL推理算法 | 第58-59页 |
| 4.3.1 基于Spark的并行化OWL推理算法基本框架 | 第59页 |
| 4.4 基于SPARK的并行化OWL推理算法的优化 | 第59-65页 |
| 4.4.1 单实例三元组规则连接关系的优化 | 第60-61页 |
| 4.4.2 多实例三元组规则连接关系的优化 | 第61-62页 |
| 4.4.3 传递规则计算的优化算法 | 第62-64页 |
| 4.4.4 等价关系优化策略 | 第64页 |
| 4.4.5 优化后的基于Spark的并行化OWL推理算法 | 第64-65页 |
| 4.5 实验 | 第65-68页 |
| 4.5.1 实验环境与设置 | 第65页 |
| 4.5.2 执行性能测试 | 第65-66页 |
| 4.5.3 数据可扩展性测试 | 第66-67页 |
| 4.5.4 系统可扩展性测试 | 第67-68页 |
| 4.6 小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69页 |
| 5.2 下一步工作 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75-76页 |
