$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

관계형 데이터베이스 기반의 후방향 추론을 이용하는 확장 가능한 RDF 데이타 변경 탐지 기법
A Scalable Change Detection Technique for RDF Data using a Backward-chaining Inference based on Relational Databases 원문보기

정보과학회논문지. Journal of KIISE. 데이타베이스, v.37 no.4, 2010년, pp.197 - 202  

임동혁 (서울대학교 컴퓨터공학부) ,  이상원 (성균관대학교 정보통신공학부) ,  김형주 (서울대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

최근의 RDF 변경 탐지 기법들은 구조적인 변경 이외에, RDF 모델의 클로저를 적용하여 변경부분을 탐지하는 의미적 변경도 다룬다. 하지만, 기존의 의미적 변경을 고려하는 탐지 기법들은 메모리 저장 공간에 전체 트리플 집합을 적재하여 변경 내용을 탐지하거나, RDF 모델의 클로저를 미리 계산하는 전방향 추론을 사용하기 때문에 대용량 RDF 데이터의 변경 탐지에 비효율적이다. 따라서, 본 논문에서는 관계형 데이터베이스 기반의 후방향 추론 기법을 사용하는 변경 탐지 기법을 제안한다. 제안된 기법은 관계형 데이터베이스에서 변경 탐지에 사용 가능한 트리플들에 대해서만 추론을 수행한다. 생물 정보 도메인에서 사용되는 실제 RDF 데이터들에 대한 비교 실험을 통하여 제안된 기법이 더 효율적임을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recent studies on change detection for RDF data are focused on not only the structural difference but also the semantic-aware difference by computing the closure of RDF models. However, since these techniques which take into account the semantics of RDF model require both RDF models to be memory res...

주제어

#변경 탐지   #추론   #관계형 데이터베이스  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 대용량 데이터를 처리할 수 있는 변경 탐지의 확장성과 효율성을 고려핸다. 대용량 데이터의 지원을 우}해, 변경 탐지 연산에 적합한 관계형 데이터 베 이스 스키마 설계와 SQL에 기반한 변경 탐지를 제안한 디.
  • 하지만 기쫀의 기 법들은 메모리 기반이거나, 미리 추론을 사용하여 대용 량 데이터에 대하여 적합하지 않다. 본 논문에서는 이러 한 문제점을 해결하기 위해 후방향 주론을 지원하는 관 계형 데이터베이스 기반의 변경 탐지 기법을 제안하였 다. 제얀하는 변경 탐지 기법은 우선, 관계형 데이터베 이스에 저장을 하고 두 모델에 대해 스E를 먼저 계산한 후, 이때 얻어진 변경 탐지 결과에 후방향 추론을 적용 하는 방법을 사용하여 최소 크기의 변경 탐지 결과 를 얻는다.
  • 아래의 3가지 변경탐지 결과는 그림 1에서 살펴본 변 경 예제를 바탕으로 한 것이다. 본 논문에서는 최소 크 기의 변경 탐지 기법인 AD를 다룬다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. G. Klyne et al., "Resource Description Framework (RDF): Concepts and Abstract Syntax," W3C Recommendation, 2004. 

  2. G. Flouris et al., "Ontology Change: Classification and survey," The Knowledge Engineering Review, vol.23, no.2, 2008. 

  3. T. Berners-Lee and D. Connolly, "Delta: An Ontology for the Distribution of Differences Between RDF Graphs," http://www.w3c.org/DesignIssues/Diff, 2004. 

  4. M. Volkel et al., "SemVersion: An RDF-based Ontology Versioning System," Proc. of ICWI, 2006. 

  5. D. Zeginis et al., "On the Foundation of Computing Deltas between RDF Models," Proc. of ISWC, 2007. 

  6. D. H. Im and H. J. Kim, "Efficient Change Detection between RDF Models Using Backward Chaining Strategy," Journal of KIISE : Computing Practice and Letters, vol.15, no.2, 2009 (in Korean). 

  7. C. Bizer, T. Heath and T. Berners-Lee, "Linked Data ？ The Story So Far," International Journal on Semantic Web and Information Systems, vol.5, no.3, 2009. 

  8. E. Leonardi et al., "XANDY: Detecting Changes on Large Unordered XML Documents using Relational Databases," Proc. of DASFAA, 2005. 

  9. P. Hayes et al., "RDF Semantics," Technical Report, W3C Recommendataion, 2004. 

  10. J. J. Carroll et al., "Jena: implementation the semantic web recommendation," Proc. of WWW, 2003. 

  11. J. Broekstra et al., "Sesame: A Generic Architecture for Storing and Querying RDF and RDF Schema," Proc. of ISWC, 2002. 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로