-
公开(公告)号：CN109783628A
公开(公告)日：2019-05-21
申请号：CN201910039057.5
申请日：2019-01-16
Applicant: 福州大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明涉及一种结合时间窗口和关联规则挖掘的关键词搜索KSAARM算法。考虑到知识图谱蕴含丰富的语义信息并且具有时效特性，所以该算法结合时间窗口挖掘出当前数据中蕴含的语义强关联，即实体间的强关联规则和属性间的强关联规则；在关键词检索阶段，首先根据这两类强关联规则对查询关键词进行扩展，接着将扩展后的查询关键词映射到模式层上，再次结合两类关联规则扩充查询类图，形成候选种子模型，通过评分函数对候选种子模型进行排序，然后将高评分的候选种子作为查询种子，并以此为指引在数据层上进行分布式搜索，得到查询结果。
-
公开(公告)号：CN109710774A
公开(公告)日：2019-05-03
申请号：CN201811568696.2
申请日：2018-12-21
Applicant: 福州大学
IPC: G06F16/36 , G06F16/901 , H04L29/08
Abstract: 本发明涉及一种结合平衡策略的图数据划分与分布式存储算法。以标签图作为初始划分图，将标签图转化为节点与边都带权值的无向图，进行边融合时使用HEM算法将大权的边优先进行融合，可以将关系密切的节点划分到同一分区；在初始划分阶段，使用趋近公式将图的顶点总权值尽可能的平均分割给k个集群；同时本发明充分考虑到知识碎片在分布式环境下的存储问题，提出平衡策略对知识碎片进行存储。
-
公开(公告)号：CN109684485A
公开(公告)日：2019-04-26
申请号：CN201811594867.9
申请日：2018-12-25
Applicant: 福州大学
CPC classification number: G06F17/2785
Abstract: 本发明涉及一种基于SWRL的任意规则推理引擎设计方法，基于优先一次原则和并行原则，在规则解析过程中，通过分析任意规则体前件的元素出现的次数，确定推理连接的优先级；在迭代连接中，通过迭代连接器解析出每次迭代需要的连接变量以及规则原子，并激活推理连接器；在推理连接中，进行推理连接直至产生规则后件所需的三元组。本发明通过在每次迭代过程中，尽可能多的连接规则原子的情况下，减少迭代次数。实现用户自定义规则的并行化、自动化推理。
-
公开(公告)号：CN108763451A
公开(公告)日：2018-11-06
申请号：CN201810521793.X
申请日：2018-05-28
Applicant: 福州大学
CPC classification number: G06N5/046
Abstract: 本发明涉及一种基于Spark Streaming的流式RDF数据并行推理算法。首先结合OWL Horst推理规则，构建相应的规则连接变量关系表；在迭代并行推理阶段定时获取Streaming数据流中的批量新数据以及前次推理产生的数据作为输入数据，对输入的模式数据和实例数据进行归类处理并存储到相应的Redis集群；然后，根据规则连接变量关系表，判断本次推理能够激活的规则，结合相应的实例数据产生推理数据；最后，删除本次推理产生的重复数据并存储，本次迭代推理结束。本发明减少了MapReduce的任务数，结合Spark进行流式数据的迭代推理；设计规则连接变量关系表来存储数据以及推理中产生的新数据，保证了算法的完备性；设计了实例三元组的存储方案，结合Redis的特性，以空间换时间，实现了实例数据的快速读取。
-
公开(公告)号：CN106980901A
公开(公告)日：2017-07-25
申请号：CN201710246309.2
申请日：2017-04-15
Applicant: 福州大学
IPC: G06N5/04
Abstract: 本发明提供流式RDF数据并行推理算法：构建规则的伪双向网络，若规则节点中存在类的连接变量则建立中间节点；定时获取Streaming数据流中的批量新数据以及前次推理产生的数据作为输入数据，对输入的数据进行归类或新建对应节点并存储到相应的Redis集群；对于输入的三元组数据结合伪双向网络判断对应的中间节点或者规则节点所监听的前件是否全部满足，进而对该规则进行推理，产生推理数据；通过实时地删除重复推理数据并本次推理产生的所有数据保存到Redis集群中作为下次推理的输入数据，从而完整高效地实现RDF数据OWL Horst规则的并行流式推理。
-
Patent Agency Ranking
公开(公告)号：CN106528648A
公开(公告)日：2017-03-22
申请号：CN201610897778.6
申请日：2016-10-14
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种结合Redis内存数据库的分布式RDF关键词近似搜索方法：首先结合RDF本体信息构建关键词集合对应的本体子图，利用语义评分函数对生成的本体子图进行排序；接着利用MapReduce计算框架实现分布式搜索，进行连接操作后返回Top-k结果；如果返回的结果没有达到Top-k，则对本体子图进行扩展，得到近似本体子图，再用语义相似度函数对近似本体子图进行排序，然后进行分布式近似搜索，直到返回Top-k结果为止。本文算法解决了海量数据无法快速搜索和搜索效果不理想的问题，并且支持返回用户可能感兴趣的结果，具有深远的理论和实际意义。
-
公开(公告)号：CN106021457A
公开(公告)日：2016-10-12
申请号：CN201610326228.9
申请日：2016-05-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于关键词的RDF分布式语义搜索方法，基于RDF本体构建输入查询关键词的语义可达路径，在构建阶段根据查询内容的语义内容和语义结构进行评分排序，生成Top‑k语义可达路径，然后利用MapReduce计算框架并行搜索返回Top‑k查询结果。本发明所提出的基于关键词的RDF分布式语义搜索方法，基于本体构建搜索语义可达路径确定查询关键词间相互连接路径，避免了直接在大规模RDF数据图上费时的迭代计算，利用MapReduce计算模型实现并行计算，有效地减少了整体计算复杂度来提升查询性能。
-
公开(公告)号：CN104462609A
公开(公告)日：2015-03-25
申请号：CN201510003231.2
申请日：2015-01-06
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种结合星型图编码的RDF数据存储与查询方法,步骤S1：对RDF数据进行预处理，将所述RDF数据以RDF数据图方式呈现；步骤S2：将输入的SPARQL查询语句以SPARQL查询图方式呈现，进行查询分解；步骤S3：对所述SPARQL查询语句进行预处理，得到整个查询的任务数、查询星型子节点的连接顺序以及查询星型子节点的相关信息;步骤S4：执行所述SPARQL查询语句并进行查询连接计划，采用Hadoop的MapReduce并行运算框架，根据所述SPARQL查询语句的关联性决定查询任务Job的启动次数；步骤S5：进行子图查询，采用Map函数；步骤S6：进行结果连接算法，采用Reduce函数。本发明由于采用基于星型结构的哈希编码索引查询策略，减少存储数据冗余和查询任务数，加快查询效率。
-
公开(公告)号：CN103425803A
公开(公告)日：2013-12-04
申请号：CN201310346011.0
申请日：2013-08-10
Applicant: 福州大学
IPC: G06F17/40
Abstract: 本发明涉及信号采集技术领域，特别是一种利用低频采集卡采集脉冲信号的方法，将采集卡上的n路采集信道配置为k路全频率采集信道和n-k路分频率采集信道，当需要采集脉冲信号时，在一段时间间隔t中，将采集卡的最大采样频率全部分配给所述k路全频率采集信道中的s路，循环┌k/s┐次，完成k路全频率采集信道中所有脉冲信号的采集，其中，s≥1，┌k/s┐表示对k/s的值向上取整；如果采集的是普通低频信号，则将最大采样频率分配给n-k路分频率采集信道，采集所述n-k路分频率采集信道中的普通低频信号。该方法不仅可以采集较高频率信号尤其是脉冲信号，而且节省资源，投入成本小，使用效果好。
-
公开(公告)号：CN114003730B
公开(公告)日：2025-01-03
申请号：CN202111273809.8
申请日：2021-10-29
Applicant: 福州大学
IPC: G06F16/36 , G06F40/295
Abstract: 本发明涉及一种基于关系特定门过滤的开放世界知识补全方法，包括以下步骤：步骤S1:通过关系感知注意力聚合器获得实体的文本嵌入，利用封闭世界知识补全模型获得实体的结构嵌入，并将文本嵌入通过关系特定门过滤的对齐模块对齐到结构空间；步骤S2:训练关系感知注意力聚合器、对齐函数和关系特定门中的参数;步骤S3:通过封闭世界知识补全模型对三元组进行评分，实现开放世界背景下的知识补全。本发明考虑关系对文本描述和实体的影响，优化实体的文本嵌入和实体嵌入，实现开放世界背景下的知识补全。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.035 seconds)
