Parallel mininglarge linked dataset

Parallel mining
large linked datasets

Linked Data has become a vast repository with billions of triples available in thousands of datasets.
One of
the challenges in integrating, querying and reusing the Linked Data is obtaining the ontology to which the
datasets conform. Although many ontologies are built manually, many RDF (Resource Description
Framework) datasets are still published without any prescribed schema. In this study, we propose a parallel
ontology mining approach. Ontology axioms are obtained through statistical measures by running
SPARQL queries. To improve efficiency, large Linked Data is divided into blocks based on the connectivity
of property graphs. Mining process is then executed on parallel computing units. The division method
conforms that mining results from the parallel computing units are complete and correct. Evaluations
are performed on two kinds of DBpedia datasets, namely, Mapping-based Dataset with ontology and
Raw Infobox Dataset without ontology and the results show the effectivity and efficiency of our approach.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองแร่แบบขนานชุดข้อมูลขนาดใหญ่ที่เชื่อมโยงเชื่อมโยงข้อมูลได้กลายเป็น คลังใหญ่ ด้วยในพัน datasets triples หนึ่งความท้าทายในการรวม ทำแบบสอบถาม และนำข้อมูลที่ถูกเชื่อมโยงไม่ได้รับภววิทยาซึ่งการชุดข้อมูลที่สอดคล้องกัน แม้ว่าหลาย ontologies ถูกสร้างด้วยตนเอง RDF จำนวนมาก (คำอธิบายทรัพยากรDatasets framework) มีการเผยแพร่ยังไม่ มีการกำหนดเค้าร่าง ในการศึกษานี้ เรานำเสนอคู่ขนานวิธีการทำเหมืองแร่ภววิทยา หลักภววิทยาได้ผ่านมาตรการทางสถิติ โดยใช้SPARQL แบบสอบถาม เพื่อปรับปรุงประสิทธิภาพ ข้อมูลเชื่อมโยงขนาดใหญ่แบ่งออกเป็นบล็อกที่ใช้ในการเชื่อมต่อของกราฟคุณสมบัติ กระบวนการทำเหมืองแร่แล้วดำเนินการกับหน่วยประมวลผลแบบขนาน วิธีการหารสอดคล้องผลการทำเหมืองแร่จากหน่วยประมวลผลแบบขนานถูกต้อง และสมบูรณ์ การประเมินผลดำเนินการในสองชนิดของชุดข้อมูล DBpedia ได้แก่ การแมปตามชุดข้อมูลที่ มีภววิทยา และกล่องชุดข้อมูลดิบไม่ มีภววิทยาและผลลัพธ์แสดงการวินิจฉัยและประสิทธิภาพของวิธีการของเรา

ผลลัพธ์ (ไทย) 2:

การทำเหมืองแร่ขนาน
ชุดข้อมูลขนาดใหญ่ที่เชื่อมโยง

ข้อมูลที่เชื่อมโยงได้กลายเป็นพื้นที่เก็บข้อมูลขนาดใหญ่ที่มีมูลค่าหลายพันล้านอเนกประสงค์ใช้ได้ในหลายพันชุดข้อมูล.
หนึ่งใน
ความท้าทายในการบูรณาการสอบถามและนำข้อมูลที่เชื่อมโยงจะได้รับอภิปรัชญาซึ่ง
ชุดข้อมูลที่สอดคล้อง แม้ว่าจีส์จำนวนมากที่ถูกสร้างขึ้นด้วยตนเองหลาย RDF (รายละเอียดทรัพยากร
กรอบ) ชุดข้อมูลที่มีการเผยแพร่ยังคงไม่มีสคีกำหนดใด ๆ ในการศึกษานี้เรานำเสนอขนาน
วิธีการทำเหมืองแร่อภิปรัชญา หลักการอภิปรัชญาจะได้รับผ่านมาตรการทางสถิติโดยการเรียกใช้
คำสั่ง SPARQL เพื่อปรับปรุงประสิทธิภาพในการเชื่อมโยงข้อมูลที่มีขนาดใหญ่จะแบ่งออกเป็นบล็อกที่อยู่บนพื้นฐานของการเชื่อมต่อ
ของกราฟคุณสมบัติ ขั้นตอนการทำเหมืองแร่จะถูกดำเนินการแล้วในหน่วยประมวลผลแบบขนาน ส่วนวิธีการ
สอดว่าผลการทำเหมืองแร่จากหน่วยประมวลผลแบบขนานมีความครบถ้วนและถูกต้อง การประเมินผล
จะมีขึ้นในสองชนิดของชุดข้อมูล DBpedia คือชุดข้อมูลการทำแผนที่ตามที่มีอภิปรัชญาและ
วัตถุดิบกล่องข้อมูลชุดข้อมูลโดยไม่ต้องอภิปรัชญาและผลที่แสดงผลการและประสิทธิภาพของวิธีการของเรา

ผลลัพธ์ (ไทย) 3:

เหมืองแร่ขนานเชื่อมโยงข้อมูลขนาดใหญ่เชื่อมโยงข้อมูลได้กลายเป็นพื้นที่เก็บข้อมูลมากมายกับพันล้านของอเนกประสงค์ใช้ได้ในพันของชุดข้อมูลหนึ่งของความท้าทายในการบูรณาการและเชื่อมโยงเพื่อสอบถามข้อมูลการภววิทยาที่ข้อมูลสอดคล้อง . แม้ว่าหลายนโทโลจีถูกสร้างขึ้นด้วยตนเอง หลายข้อมูล ( รายละเอียดทรัพยากรกรอบข้อมูลยังคงเผยแพร่โดยไม่กำหนดสคีมา ในการศึกษานี้ได้เสนอแบบขนานวิธีการทำเหมืองอภิปรัชญา . อภิปรัชญาสัจพจน์ได้ผ่านมาตรการทางสถิติโดยการทํางานsparql แบบสอบถาม เพื่อปรับปรุงประสิทธิภาพขนาดใหญ่เชื่อมโยงข้อมูลแบ่งออกเป็นบล็อกที่อยู่บนพื้นฐานของการเชื่อมต่อคุณสมบัติของกราฟ กระบวนการทำเหมืองถูกประหารชีวิตในหน่วยการคำนวณแบบขนาน ส่วนวิธีการสอดคล้องกับผลที่เหมืองแร่จากหน่วยการคำนวณแบบขนานที่สมบูรณ์และถูกต้อง การประเมินผลจะดำเนินการสองชนิดของ dbpedia ข้อมูล ได้แก่ แผนที่ข้อมูลพื้นฐานกับภววิทยาและดิบกล่องข้อมูลข้อมูลโดยไม่อภิปรัชญาและผลลัพธ์แสดง effectivity และประสิทธิภาพของวิธีการของเรา