《表3 LUBM-100实验结果汇总》
对于LUBM-50本体,我们随机选择了3个元素:类GraduateCourse、类EmeritusScholar和关联属性takesCourse.图7给出了检测上述元素可满足性的执行时间对比,实心圆点/空心圆点分别表示在原始本体/抽取后的本体上的执行时间.可以看出,无论对于StardogICV还是RDD CHECKER,抽取后的检测时间均小于原始时间;且随着实例个数的增加,这种距离逐渐拉大.本方法在LUBM-100和DBLP上取得了与图7类似的执行时间结果,限于篇幅,此处略.表2是在LUBM-50上的实验结果汇总,包括原始的约束依赖图中DED的数目及约简后图中DED的数目、被删除的各种RDFS模式元素的数目、抽取过程所耗费的平均时间以及抽取前后执行检测所耗费的平均时间.需要特别指出的是,由于消除非依赖边和DED的过程与实例个数无关,因此无论对于被选择的哪个元素,尽管实例个数从1逐渐增加到12,但被消除的DED个数保持不变.通过第2节不难看出,被建立的约束依赖图中的节点/边的数目随着原始RDFS模式规模的增加,至多呈多项式级别增加,这也从平均耗时仅为0.50s的抽取时间中得到反映.实验结果也显示了在抽取后的本体上执行检测所需时间均显著小于原始时间,推理检测的效率提升从3.46倍到22.97倍不等.与之相比,抽取时间几乎可以忽略.表3和表4分别是针对LUBM-100和DBLP的实验结果,可以看出,我们的方法给二者带来的效率提升为2.30~20.17倍和2.00~18.36倍,相比之下,抽取过程的平均耗时仅为0.95s和0.39s.
图表编号 | XD00136460100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 赵晓非、史忠植、田东平、刘建伟 |
绘制单位 | 天津工业大学计算机科学与技术学院、中国科学院计算技术研究所智能信息处理重点实验室、中国科学院计算技术研究所智能信息处理重点实验室、中国科学院计算技术研究所智能信息处理重点实验室、中国科学院计算技术研究所智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |