买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种RDF数据冗余语义的检测方法。RDF是知识图谱的一种表示模型，为实现对以RDF表示的知识图谱进行冗余语义的检测，本发明在总结和分析现有的RDF冗余语义检测方法的基础上，改进了RDF相似度算法，对不同语义信息对相似度的贡献做出了权值设计，且权值设置是领域独立的和自动化的。并且该算法在语义信息的表示中还设计了剪枝技术，有效提高了相似性计算的速度。此外在相似度算法的基础上，本发明还提出了一种筛选候选对象的选择方法，用于寻找数据集中近似的候选数据。该方法是基于局部敏感哈希算法的，该算法能有效解决大规模RDF数据线性搜索带来的时间复杂度高的问题，具有良好的时间性能。

主权项：1.一种RDF数据冗余语义的检测方法，其特征在于，包括如下步骤：1设计RDF节点语义信息表示方法；2提出RDF语义信息中路径的权重设计；对于RDF节点，其路径的集合构成其语义信息；为了计算相似度，在相似度计算中还需要设计每条路径的权重；3结合RDF语义信息和权重设计，提出RDF节点相似度算法；通过对比两个节点语义信息中的路径相似度来综合得出相似度评分；4基于局部敏感哈希算法，提出RDF数据聚类方法，用于提高冗余搜索效率；所述步骤2中设计的RDF语义信息中路径的权重，为计算RDF相似度增加了准确性，详细步骤如下：2.1RDF语义信息中的权重由路径的权重决定；2.2路径的权重由路径中的三元组决定；2.3分类能力强的三元组具有更大的权重，能够很好地区分相似的节点；三元组权重与谓词的分类能力呈正相关；而三元组的权重通过三元组中谓词的分类能力来计算；对于谓词，它所链接的值的类型越多样，分类就越强；计算方法如等式1所示 其中“Per”表示谓词pi的分类能力；所述步骤3中提出的基于语义信息计算的RDF相似度算法，详细步骤如下：3.1让节点uri1和uri2成为计算相似性的两个资源；首先需要获得节点uri1和uri2的上下文信息表示，所述上下文信息表示分别由paths1和paths2表示；然后，对于paths1中的每个路径，进一步确定以下情况：3.1.1当path1的最后一个元素的类型为Literal；此时，在paths2中搜索能够与path1进行比较的所有可能路径；然后计算path1和path2之间的相似性，这是通过计算它们最后元素之间的文本相似性来实现的；从所有相似性中，最终选择一个相似性最高的，其中对应的path2被视为与path1匹配；最后将匹配项的相似性得分添加到path_score中，并计算两条匹配路径的权重，这两条匹配路径被添加到path_weight中；3.1.2当path1的最后一个元素具有URI类型；然后，在paths2中搜索可能的路径，该路径能够与path1进行比较；然后比较path2的最后一个元素是否与path1的最后一个元素相同；如果它们相同，则最后一个元素相同的path2被视为与path1匹配项；接着将匹配项的相似性得分添加到path_score中，并计算两条匹配路径的权重，这两条匹配路径被添加到path_weight中；最后，total_score等于所有匹配对的相似性之和乘以相应的权重；3.2当步骤3.1.2所述两条匹配路径深度相同，且路径中对应位置的谓词具有可比性时，认为这两条路径具有可比性；谓词的可比性意味着两个谓词具有相同的值和相同的方向；如果两个谓词具有不同的值，但其中一个谓词是本体模型中另一个谓词的祖先，则认为这两个谓词具有可比性；所述步骤4中设计的适用于RDF冗余检测的聚类算法，具体步骤如下：4.1选择以RDF资源所在三元组的主语或宾语作为资源的特征，对RDF节点特征集进行分词，构造特征矩阵；4.2选择维度n，在特征矩阵上计算n行Minhash，构造Minhash签名矩阵；其中n为哈希函数个数；4.3选择波段b和行数r，其中，b*r＝n，并设置一个阈值t；4.4签名矩阵采用LSH，将资源划分为桶，构造候选对；4.5检查每个候选对的签名，并确定组件的分数是否至少为t；4.6对于具有相似签名的候选对，检查其相似度以证明它们是否是重复资源。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种RDF数据冗余语义的检测方法