15、基于增量评估的SPARQL查询运行时优化及网络知识推理框架

基于增量评估的SPARQL查询运行时优化及网络知识推理框架

1. 实验环境与数据集

在评估ROSIE的查询性能实验中，使用了特定的实验环境和多种数据集。
- 实验环境 ：所有实验都在一台运行Debian 7.4的64位Linux内核机器上进行，配备两个Intel Xeon 2.0 GHz处理器和64 GB RAM。ROSIE用C++开发，使用GCC - 4.7.1以 - O3优化标志编译，采用PostgreSQL 9.4作为RDB后端，采用一元三元表模式，将系统参数shared buffers调整为2.5GB，让PostgreSQL实例使用更多共享内存缓冲区。
- 数据集 ：
- LUBM ：有4.845B个三元组，18个不同谓词。生成了包含20,480所大学的大型数据集，并对其进行子类和子属性推理。
- SNIB ：有1.774B个三元组，48个不同谓词，生成了包含15,000个用户的数据集。
- DBpedia ：有489M个三元组，60,223个不同谓词，使用英文子集。

2. 竞争对手系统

选择了四个公开可用且有竞争力的支持SPARQL的系统作为竞争对手：
|系统类型|系统名称|特点|
| ---- | ---- | ---- |
|专用系统|RDF - 3X|维护S、P和O的所有可能排列作为索引，使用B + - 树进行单TP的索引查找，有特定索引查询优化技术和运行时技术|
|专用系统|Trip