云计算环境下海量RDF数据管理系统核心技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61170010
  • 项目类别：
    面上项目
  • 资助金额：
    57.0万
  • 负责人：
    杜小勇
  • 依托单位：
    中国人民大学
  • 学科分类：
    F0202.系统软件、数据库与工业软件
  • 结题年份：
    2015
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2015-12-31

项目摘要

云计算平台由于其高度的可伸缩性和容错能力，引起了学术界和产业界的极大关注。云计算平台下的海量数据管理问题是其研究热点之一。本课题以互联网上普遍存在并正以指数速度增长的海量RDF数据为研究对象，探索如何在云计算平台下有效地管理RDF数据的基础理论和关键技术，包括RDF数据的聚合与演化规律，以及在云计算平台上如何高效地组织和管理海量RDF数据。围绕这两个科学问题，本课题将在以下五个方面开展研究：RDF数据的聚合与演化规律的研究；RDF数据模式的自动抽取算法；基于云平台的RDF数据组织与自适应存储方法；基于云计算平台的SPAQRL查询处理与优化；原型系统研制和应用示范。通过基础理论、核心技术和系统研制的研究，深化对互联网上海量RDF数据性质的理解，掌握云平台上海量RDF数据管理的关键技术，为研制支持语义网应用的海量数据管理系统奠定坚实的基础。

结项摘要

本课题以互联网上以指数速度增长的海量RDF数据为研究对象，探索如何在云计算平台下有效地管理和查询RDF数据的关键技术问题。基本的科学问题有两个：1) 探索海量RDF数据模式发现和演化的理论基础及其聚类和模式抽取的高效算法。（RDF数据聚类问题）2) 提出利用云平台提高海量RDF数据的自适应存储、并提高海量RDF数据SPARQL查询的效率的关键技术。（查询效率问题）.课题主要研究内容与成果如下：.在数据聚类和模式抽取方面，我们通过对RDF数据的分析，利用相同主语和谓词自动识别RDF数据的模式，并参考Dirichlet聚类算法实现对RDF数据模式的聚类，将模式相似的RDF实体聚集在一起，为之后的RDF数据组织和存储建立基础。.在数据分布和查询处理方面，我们实现了一个以Map/Reduce做计算、rdf查询引擎做存储的混合架构系统，提出了一种基于Query Pattern的数据划分方法，尽可能减少查询之间的跨节点连接。证明了将划分的小集合放置到各个节点是一个NP-hard问题，因此选择用LNS（Large Neighborhood Search）寻找最优解。在此基础上，我们研究了多种重要的技术，包括字符串的近似连接算法等，为实现高效的查询处理提供支撑。.在原型系统研制方面，我们开发了“方圆”系统，这是一个基于云计算平台的RDF数据管理系统。方圆系统作为异构系统的数据集成工具，被应用于国家863计划项目“开放环境下海量web数据提取集成分析和管理系统平台与应用”中，能支持超过100亿条RDF数据的管理任务。.经过4年的努力，课题组完成了该课题的技术指标：申请专利4项，发表论文14篇（包括2篇已经接受尚没有发表的论文），其中，SCI期刊论文3篇（其中CCF A类期刊2篇）CCF A类会议论文 2篇，CCF B类会议论文5篇，CCF C类会议论文 1篇，国内一级学报论文2篇。申请专利4项，其中一项已经获得授权。

项目成果

期刊论文数量（5）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（0）
云计算环境中面向OLTP应用的数据分布研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Computer Journal
  • 影响因子：
    1.4
  • 作者：
    Xiaoyan Wang;jinchuan Chen;杜小勇
  • 通讯作者：
    杜小勇
Efficiently Supporting Edit Distance Based String Similarity Search Using B+-Trees
使用 B 树有效支持基于编辑距离的字符串相似性搜索
  • DOI：
    10.1109/tkde.2014.2309131
  • 发表时间：
    2014-12-01
  • 期刊：
    IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING
  • 影响因子：
    8.9
  • 作者：
    Lu, Wei;Du, Xiaoyong;Ooi, Beng Chin
  • 通讯作者：
    Ooi, Beng Chin
RDF数据查询处理技术综述
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    Journal of Software
  • 影响因子：
    --
  • 作者：
    杜方;陈跃国;杜小勇
  • 通讯作者：
    杜小勇
Efficient and Scalable Processing of String Similarity Join
字符串相似连接的高效且可扩展的处理
  • DOI：
    10.1109/tkde.2012.195
  • 发表时间：
    2013-10
  • 期刊：
    IEEE Transactions on Knowledge and Data Engineering
  • 影响因子：
    8.9
  • 作者：
    Rong, Chuitian;Lu, Wei;Wang, Xiaoli;Du, Xiaoyong;Chen, Yueguo;Tung, Anthony K. H.
  • 通讯作者：
    Tung, Anthony K. H.

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

藏绵羊毛囊组织中microRNA-31的表达量变化
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    农业生物技术学报
  • 影响因子：
    --
  • 作者：
    唐晓惠;2 Agriculture;Animal Husb;ry College of Tibe;柳广斌;杜小勇;曹建华;李新云;罗章;余梅;赵书红;TANG Xiao-Hui1, 2 LIU Guang-Bin1 DU Xiao-Yong1 CAO
  • 通讯作者：
    TANG Xiao-Hui1, 2 LIU Guang-Bin1 DU Xiao-Yong1 CAO
基于参数化模型的空间目标一维距离像补偿技术
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    韦家勇;杜小勇;王壮;胡卫东
  • 通讯作者：
    胡卫东
应用商城中用户年龄的推断及在推荐中的应用
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    计算机科学与探索
  • 影响因子：
    --
  • 作者：
    李佳琪;刘红岩;何军;王蓓;杜小勇
  • 通讯作者：
    杜小勇
带有覆盖率机制的文本摘要模型研究
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    计算机科学与探索
  • 影响因子：
    --
  • 作者：
    巩轶凡;刘红岩;何军;岳永姣;杜小勇
  • 通讯作者：
    杜小勇
SPOC报告:我们的实践与浅见
  • DOI：
    10.16512/j.cnki.jsjjy.2017.11.003
  • 发表时间：
    2017
  • 期刊：
    计算机教育
  • 影响因子：
    --
  • 作者：
    杜小勇;卢卫
  • 通讯作者：
    卢卫

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

杜小勇的其他基金

OLML：在线机器学习系统研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    57 万元
  • 项目类别：
基于RDF自适应存储的SPARQL查询优化技术研究
  • 批准号：
    60873017
  • 批准年份：
    2008
  • 资助金额：
    31.0 万元
  • 项目类别：
    面上项目
本体库管理系统技术研究
  • 批准号：
    60573092
  • 批准年份：
    2005
  • 资助金额：
    25.0 万元
  • 项目类别：
    面上项目
数据仓库系统技术研究
  • 批准号：
    69973050
  • 批准年份：
    1999
  • 资助金额：
    12.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码