你好,游客 登录 注册 发布搜索
背景:
阅读新闻

[期刊]YARM:基于 MapReduce 的高效可扩展的语义推理引擎

[日期:2014-09-08] 来源:计算机学报  作者:顾荣 王芳芳 袁春风 黄宜华 [字体: ]

YARM:基于 MapReduce 的高效可扩展的语义推理引擎

顾荣 王芳芳 袁春风 黄宜华

随着语义网的快速发展,RDF语义数据大量涌现。大规模RDF语义数据推理的一个主要问题是计算量大、完成计算需要消耗很长的时间。显然,传统的单机语义推理引擎难以处理大规模的语义数据。另一方面,现有的基于MapReduce的大规模语义推理引擎,缺乏对算法在分布和并行计算环境下执行效率的优化,使得推理时间仍然较长。此外,现有的推理引擎大多存在可扩展性方面的不足,难以适应大规模语义数据的增长需求。针对现有的语义推理系统在执行效率和扩展性方面的不足,本文提出了一种基于MapReduce的并行化语义推理算法和引擎YARM。为了实现分布和并行计算环境下的高效推理,YARM做出了以下4点优化:1)采用合理的数据划分模型和并行化算法,降低处理器间的通信开销;2)优化推理规则的执行次序,提升了推理计算速度;3)设计了简洁的去重策略,避免新增作业处理重复数据;4)设计实现了一种新的基于MapReduce的并行化推理算法。实验结果表明,在真实数据集和大规模合成数据集上,YARM的执行速度比当前最新的基于MapReduce的推理引擎快10倍左右,同时YARM还表现出更好的数据和系统可扩展性。


YARM:基于 MapReduce 的高效可扩展的语义推理引擎

收藏 推荐 打印 | 录入:574107552 | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款