本發(fā)明涉及語義網(wǎng)數(shù)據(jù)檢索技術(shù)，尤其涉及一種基于ksp算法的資源描述框架查詢方法和系統(tǒng)。
背景技術(shù)：
：資源描述框架(resourcedescriptionframework，rdf)是用于表達(dá)web資源的元數(shù)據(jù)的通用框架，它使用統(tǒng)一資源描述符(uri)來表示事物，用簡單的屬性和屬性值來描述事物，rdf把數(shù)據(jù)表示為<主體，謂詞，客體>，其中用于標(biāo)識事物為主體，用于區(qū)分主語對象各個不同屬性的那部分為謂詞，陳述中用于區(qū)分各個屬性的值的部分叫做客體。因此rdf知識庫也可以看做是一個有向圖，其中頂點(diǎn)是資源、性質(zhì)、文字、描述，邊是謂詞用來描述頂點(diǎn)之間的關(guān)系。rdf知識庫可以建模成一個有向圖，其中頂點(diǎn)表示實(shí)體，邊表示實(shí)體之間關(guān)系。在rdf圖中我們稱存在空間坐標(biāo)的頂點(diǎn)為位置頂點(diǎn)(places)。我們用v表示rdf圖中的任意頂點(diǎn)，用p表示位置頂點(diǎn)。每一個rdf三元組對應(yīng)一條從一個實(shí)體(主體)到另一個實(shí)體(客體)的有向邊。為了實(shí)現(xiàn)關(guān)鍵字的搜索，每一個實(shí)體都對應(yīng)一個文檔，用ψ表示，該文檔是從該實(shí)體對應(yīng)的資源、性質(zhì)、文字、描述中提取的關(guān)鍵字組成。語義位置(semanticplace)是rdf圖的一顆子樹，該子樹以位置頂點(diǎn)p為根，且包含所有的查詢關(guān)鍵字。從一個給定的位置頂點(diǎn)p出發(fā)可以構(gòu)造多個語義位置?，F(xiàn)有的rdf數(shù)據(jù)是使用結(jié)構(gòu)化查詢語言(structuredquerylanguage)進(jìn)行訪問，如sparql(simpleprotocolandrdfquerylanguage)。但是標(biāo)準(zhǔn)的sparql查詢需要用戶完全了解語言本身，并且了解數(shù)據(jù)域。因此sparql限制數(shù)據(jù)訪問主要是數(shù)據(jù)域?qū)＜?，因?yàn)樗鼘ζ胀ㄓ脩羰遣挥押玫模簿褪钦f對rdf數(shù)據(jù)進(jìn)行查詢時(shí)，需要用戶懂得查詢語言和rdf語義，否則無法進(jìn)行查詢。技術(shù)實(shí)現(xiàn)要素：本發(fā)明旨在解決現(xiàn)有技術(shù)中需要用戶懂得查詢語言和rdf語義否則無法進(jìn)行查詢的技術(shù)問題，提供一種基于ksp算法的資源描述框架查詢方法和系統(tǒng)。本發(fā)明的實(shí)施例提供一種基于ksp算法的資源描述框架查詢方法，用于利用ksp算法在rdf圖上搜索查詢關(guān)鍵字的語義位置，所述查詢方法包括以下步驟：初始化存放結(jié)果函數(shù)hk，其中存放結(jié)果函數(shù)hk用于保存符合條件的語義位置qsp，符合條件的語義位置qsp為包含所有查詢關(guān)鍵字的子樹，k為符合條件的語義位置qsp的數(shù)量；根據(jù)預(yù)設(shè)的文檔倒排索引表和預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表，對用戶輸入的查詢關(guān)鍵字中的每個關(guān)鍵字進(jìn)行循環(huán)遍歷，得到輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，以及得到每個關(guān)鍵字對應(yīng)的值，并加載在預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中；根據(jù)所述輸入的查詢關(guān)鍵字和輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，構(gòu)建字典結(jié)構(gòu)，其中所述字典結(jié)構(gòu)表示含有所述輸入的查詢關(guān)鍵字的節(jié)點(diǎn)；初始化單調(diào)排序函數(shù)的值θ，其中單調(diào)排序函數(shù)表示對根據(jù)輸入的查詢關(guān)鍵字查找的多個最緊湊的符合條件的語義位置進(jìn)行排序，最緊湊的符合條件的語義位置表示為以p為根節(jié)點(diǎn)的松散度最小的符合條件的語義位置；預(yù)設(shè)的空間索引中根節(jié)點(diǎn)進(jìn)入隊(duì)列，得到位置節(jié)點(diǎn)隊(duì)列q；根據(jù)輸入的查詢關(guān)鍵字和位置節(jié)點(diǎn)隊(duì)列q，遍歷預(yù)設(shè)的空間索引得到節(jié)點(diǎn)e，并對節(jié)點(diǎn)e進(jìn)行判斷；當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)，判斷e是否為不符合條件節(jié)點(diǎn)，若e為不符合條件節(jié)點(diǎn)則結(jié)束本次循環(huán)，進(jìn)入下次循環(huán)，當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)，且判斷節(jié)點(diǎn)e不是不符合條件節(jié)點(diǎn)時(shí)，則執(zhí)行函數(shù)getsemanticplace，得到符合條件的語義位置的子樹tp和子樹tp的松散度值l(tp)，并判斷是否為l(tp)＝＝+∞，如果是，則結(jié)束本次循環(huán)，如果否,計(jì)算松散度值l(tp)的排序分?jǐn)?shù)f，并將松散度值l(tp)和對應(yīng)排序分?jǐn)?shù)f插入存放結(jié)果函數(shù)hk且更新單調(diào)排序函數(shù)的值θ；當(dāng)節(jié)點(diǎn)e為節(jié)點(diǎn)n時(shí)，循環(huán)遍歷節(jié)點(diǎn)n下的每一個節(jié)點(diǎn)，計(jì)算n下每個節(jié)點(diǎn)e對應(yīng)的半徑字的松散度值和對應(yīng)半徑字的排序分?jǐn)?shù)當(dāng)時(shí)，則把對應(yīng)節(jié)點(diǎn)e插入位置節(jié)點(diǎn)隊(duì)列q并返回所述根據(jù)輸入的查詢關(guān)鍵字和位置節(jié)點(diǎn)隊(duì)列q，在預(yù)設(shè)的空間索引中查找節(jié)點(diǎn)e的步驟，直到根據(jù)存放結(jié)果函數(shù)hk向用戶返回查詢結(jié)果。本發(fā)明還提供一種實(shí)施例的基于ksp算法的資源描述框架查詢系統(tǒng)，用于利用ksp算法在rdf圖上搜索查詢關(guān)鍵字的語義位置，所述查詢系統(tǒng)包括：第一初始化模塊，用于初始化存放結(jié)果函數(shù)hk，其中存放結(jié)果函數(shù)hk用于保存符合條件的語義位置qsp，符合條件的語義位置qsp為包含所有查詢關(guān)鍵字的子樹，k為符合條件的語義位置qsp的數(shù)量；循環(huán)遍歷模塊，用于根據(jù)預(yù)設(shè)的文檔倒排索引表和預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表，對用戶輸入的查詢關(guān)鍵字中的每個關(guān)鍵字進(jìn)行循環(huán)遍歷，得到輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，以及得到每個關(guān)鍵字對應(yīng)的值，并加載在預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中；構(gòu)建模塊，用于根據(jù)所述輸入的查詢關(guān)鍵字和輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，構(gòu)建字典結(jié)構(gòu)，其中所述字典結(jié)構(gòu)表示含有所述輸入的查詢關(guān)鍵字的節(jié)點(diǎn)；第二初始化模塊，用于初始化單調(diào)排序函數(shù)的值θ，其中單調(diào)排序函數(shù)表示對根據(jù)輸入的查詢關(guān)鍵字查找的多個最緊湊的符合條件的語義位置進(jìn)行排序，最緊湊的符合條件的語義位置表示為以p為根節(jié)點(diǎn)的松散度最小的符合條件的語義位置；生成隊(duì)列模塊，用于預(yù)設(shè)的空間索引的根節(jié)點(diǎn)進(jìn)入隊(duì)列，得到位置節(jié)點(diǎn)隊(duì)列q；查找循環(huán)模塊，用于根據(jù)輸入的查詢關(guān)鍵字和位置節(jié)點(diǎn)隊(duì)列q，遍歷預(yù)設(shè)的空間索引得到節(jié)點(diǎn)e并對節(jié)點(diǎn)e進(jìn)行判斷；頂點(diǎn)處理模塊，用于當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)時(shí)，判斷節(jié)點(diǎn)e是否為不符合條件節(jié)點(diǎn)，若節(jié)點(diǎn)e為不符合條件節(jié)點(diǎn)則結(jié)束本次循環(huán)，進(jìn)入下次循環(huán)，當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)，且節(jié)點(diǎn)e不是不符合條件節(jié)點(diǎn)，則執(zhí)行函數(shù)getsemanticplace，得到符合條件的語義位置的子樹tp和子樹tp的松散度值l(tp)，并判斷是否為l(tp)＝＝+∞，如果是，則結(jié)束本次循環(huán)，如果否,計(jì)算松散度值l(tp)的排序分?jǐn)?shù)f，并將松散度值l(tp)和對應(yīng)排序分?jǐn)?shù)f插入存放結(jié)果函數(shù)hk且更新單調(diào)排序函數(shù)的值θ；節(jié)點(diǎn)處理模塊，用于節(jié)點(diǎn)e為節(jié)點(diǎn)n時(shí)，循環(huán)遍歷節(jié)點(diǎn)n下的每一個節(jié)點(diǎn)，計(jì)算n下每個節(jié)點(diǎn)e對應(yīng)的半徑字的松散度值和對應(yīng)半徑字的排序分?jǐn)?shù)當(dāng)時(shí)，則把對應(yīng)節(jié)點(diǎn)e插入位置節(jié)點(diǎn)隊(duì)列q并進(jìn)入查找循環(huán)模塊，直到輸出結(jié)果模塊，用于根據(jù)存放結(jié)果函數(shù)hk向用戶返回查詢結(jié)果。本發(fā)明還提供一種實(shí)施例的計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。本發(fā)明的技術(shù)方案與現(xiàn)有技術(shù)相比，有益效果在于：該ksp算法對用戶是友好的，用戶不需要掌握專門的查詢語言，只需要輸入查詢的關(guān)鍵字，算法將返回在查詢位置附近，包含所有關(guān)鍵字的子樹。附圖說明圖1是本發(fā)明基于ksp算法的資源描述框架查詢方法一種實(shí)施例的流程圖。圖2是本發(fā)明基于ksp算法的資源描述框架查詢方法另一種實(shí)施例的流程圖。圖3是本發(fā)明文檔倒排索引表一種實(shí)施例的示意圖。圖4是本發(fā)明所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表的創(chuàng)建方法一種實(shí)施例的流程圖。圖5是本發(fā)明基于ksp算法的資源描述框架查詢系統(tǒng)一種實(shí)施例的結(jié)構(gòu)示意圖。具體實(shí)施方式下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。具體的，ksp算法中的查詢序列q由三部分組成，包括查詢位置q.λ，查詢關(guān)鍵字q.ψ,和語義位置數(shù)量k。具體的，對于一個給定ksp查詢序列q，和一個rdf圖g＝<v,e>，其中v表示rdf圖的頂點(diǎn)，e表示rdf圖的邊，符合條件的語義位置qsp是一棵樹tp＝<v',e'>，其中tp的根節(jié)點(diǎn)為p，并且滿足為了方便介紹，用<p,(v1,v2...)>表示一個語義位置，其中p是根節(jié)點(diǎn)，(v1,v2...)表示其他所有的頂點(diǎn)。給定一個查詢序列q可能存在多個符合條件的語義位置qsp，符合條件的語義位置qsp有相同的根節(jié)點(diǎn)p，但(v1,v2...)不同。因此還需要計(jì)算tp的松散度l(tp)。具體的，對于一個給定qsptp＝<v',e'>，令表示從根節(jié)點(diǎn)p到包含關(guān)鍵字ti的節(jié)點(diǎn)v的最短距離，其中ti∈q.ψ，d(p,v)為p到v的最短距離，所以tp的松散度值l(tp)為：如果松散度越小，根節(jié)點(diǎn)和其他節(jié)點(diǎn)覆蓋了所有輸入的查詢關(guān)鍵字的相關(guān)性越高。因此對于一個給定的位置頂點(diǎn)p,以位置頂點(diǎn)p為根節(jié)點(diǎn)，我們要找的是最緊湊的符合條件的語義位置tqsp，表示以p為根節(jié)點(diǎn)的松散度值最小的qsp。另外，在rdf圖上，對于一個給定的ksp的查詢序列q，查詢結(jié)果為k個tqsp，且這k個tqsp的分?jǐn)?shù)(rankingscore)是所有tqsp中最小的，松散度l(tp)的排序分?jǐn)?shù)f，用函數(shù)f(l(tp),s(q,p))表示，l(tp)為子樹tp松散度，s(q,p)為q.λ查詢位置和p之間的歐式距離。函數(shù)f(l(tp),s(q,p))可以為任意的單調(diào)排序函數(shù)，f(l(tp),s(q,p))＝l(tp)×s(q,p)。本發(fā)明一個實(shí)施例的基于ksp算法的資源描述框架查詢方法，用于利用ksp算法在rdf圖上搜索查詢關(guān)鍵字的語義位置，如圖1所示，所述構(gòu)造方法包括以下步驟：步驟s101，初始化存放結(jié)果函數(shù)hk，其中存放結(jié)果函數(shù)hk用于保存符合條件的語義位置qsp，符合條件的語義位置qsp為包含所有查詢關(guān)鍵字的子樹，k為符合條件的語義位置qsp的數(shù)量；步驟s102，根據(jù)預(yù)設(shè)的文檔倒排索引表和預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表，對用戶輸入的查詢關(guān)鍵字中的每個關(guān)鍵字進(jìn)行循環(huán)遍歷，得到輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，以及得到每個關(guān)鍵字對應(yīng)的值，并加載在預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中；步驟s103，根據(jù)所述輸入的查詢關(guān)鍵字和輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，構(gòu)建字典結(jié)構(gòu)，其中所述字典結(jié)構(gòu)表示含有所述輸入的查詢關(guān)鍵字的節(jié)點(diǎn)；步驟s104，初始化單調(diào)排序函數(shù)的值θ，其中單調(diào)排序函數(shù)表示對根據(jù)輸入的查詢關(guān)鍵字查找的多個最緊湊的符合條件進(jìn)行排序，最緊湊的符合條件的語義位置表示為以p為根節(jié)點(diǎn)的松散度最小的符合條件的語義位置；步驟s105，預(yù)設(shè)的空間索引的根節(jié)點(diǎn)進(jìn)入隊(duì)列，得到位置節(jié)點(diǎn)隊(duì)列q；步驟s106，根據(jù)輸入的查詢關(guān)鍵字和位置節(jié)點(diǎn)隊(duì)列q，遍歷預(yù)設(shè)的空間索引得到節(jié)點(diǎn)e，并對節(jié)點(diǎn)e進(jìn)行判斷，當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)，進(jìn)入步驟s107，當(dāng)節(jié)點(diǎn)e為節(jié)點(diǎn)n，進(jìn)入步驟s111；步驟s107，判斷節(jié)點(diǎn)e是否為不符合條件節(jié)點(diǎn)，如果是，則結(jié)束本次循環(huán)，進(jìn)入下次循環(huán)即返回步驟s106，如果否，進(jìn)入步驟s108；步驟s108，執(zhí)行函數(shù)getsemanticplace，得到符合條件的語義位置的子樹tp和子樹tp的松散度值l(tp)；步驟s109，判斷是否為l(tp)＝＝+∞，如果是，結(jié)束本次循環(huán)即返回步驟s106，如果否，進(jìn)入步驟s110；步驟s110；計(jì)算松散度值l(tp)的排序分?jǐn)?shù)f，并將松散度值l(tp)和對應(yīng)排序分?jǐn)?shù)f插入存放結(jié)果函數(shù)hk且更新單調(diào)排序函數(shù)的值θ，進(jìn)入步驟s115；步驟s111，循環(huán)遍歷每一個節(jié)點(diǎn)n，計(jì)算節(jié)點(diǎn)e對應(yīng)的半徑字的松散度值和節(jié)點(diǎn)e對應(yīng)半徑字的排序分?jǐn)?shù)步驟s112，判斷是否如果是，進(jìn)入步驟s113，如果否，進(jìn)入步驟s114；步驟s113，當(dāng)時(shí)，節(jié)點(diǎn)e符合條件，將對應(yīng)的節(jié)點(diǎn)e插入位置節(jié)點(diǎn)隊(duì)列q，并返回s106；步驟s114，進(jìn)入步驟s115；步驟s115，根據(jù)存放結(jié)果函數(shù)hk向用戶返回查詢結(jié)果，也就是說，向用戶返回包含所有輸入的查詢關(guān)鍵字的子樹，并且該子樹的根節(jié)點(diǎn)靠近查詢位置。步驟s101，具體為，初始化hk中的元素按照f(l(tp),s(q,p))排序；hk中存放的是qsp，即存放最終的結(jié)果，其中qsp為包含所有查詢關(guān)鍵字的子樹。步驟s102，具體為：循環(huán)遍歷查詢關(guān)鍵字q.ψ中的每個關(guān)鍵字ti，做一下處理：首先從預(yù)設(shè)的文檔倒排索引表i中，查找關(guān)鍵字ti對一個的值，并保存，接著從預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表即α-radiuswordneighborhood表iα中，加載關(guān)鍵字ti所對應(yīng)的值，并保存。步驟s103，具體為，建立一個字典結(jié)構(gòu)mq.ψ，結(jié)構(gòu)為{節(jié)點(diǎn)，(t1,t2,...)}表示含有查詢關(guān)鍵字的節(jié)點(diǎn)。步驟s104，具體為，初始化θ＝+∞；θ為rankingscoref的值。在步驟s105中，對于預(yù)設(shè)的空間索引是在查詢之前建立好的，所以用于輸入不同的查詢關(guān)鍵字對應(yīng)的空間索引是相同的。另外，位置節(jié)點(diǎn)隊(duì)列q中保存多個位置節(jié)點(diǎn)，所述多個位置節(jié)點(diǎn)是符合查詢要求的，其中位置節(jié)點(diǎn)包含位置信息，而普通節(jié)點(diǎn)不包含位置信息。步驟s106，具體為：查找循環(huán)條件為e＝getnext(q,r,q)，函數(shù)getnext表示在r-tree上使用增強(qiáng)nn算法(incrementalnnalgorithm)查找節(jié)點(diǎn)e，若節(jié)點(diǎn)e是位置頂點(diǎn)，即包含空間位置信息的頂點(diǎn)，則進(jìn)入步驟s107，若節(jié)點(diǎn)e不是位置頂點(diǎn)則進(jìn)入步驟s111。當(dāng)節(jié)點(diǎn)e是位置頂點(diǎn)，做以下處理：首先若節(jié)點(diǎn)e不符合刪除規(guī)則1，則跳出本次循環(huán)，進(jìn)入下次循環(huán)；再次回到步驟s106，開始新的循環(huán)；接著，執(zhí)行函數(shù)getsemanticplace，得到tp的值；若l(tp)＝＝+∞，說明沒有找到，則跳出本次循環(huán)，進(jìn)入下次循環(huán)；接著，計(jì)算l(tp)的rankingscore，并將l(tp)和對應(yīng)的rankingscoref插入到hk中，即hk.add(tp,f)；最后，更新θ的值，進(jìn)入步驟s115。當(dāng)節(jié)點(diǎn)e是節(jié)點(diǎn)n時(shí)，循環(huán)遍歷n下的每一個節(jié)點(diǎn)e，做以下操作；針對每個節(jié)點(diǎn)：首先，計(jì)算節(jié)點(diǎn)e的α-boundonthelooseness刪除規(guī)則2，接著計(jì)算節(jié)點(diǎn)e的α-boundontherankingscore刪除規(guī)則3，最后根據(jù)刪除規(guī)則2,3可以判定，當(dāng)是，對應(yīng)的節(jié)點(diǎn)e符合條件，可以插入隊(duì)列q，即toq，直到進(jìn)入步驟s115。具體的，所述存放結(jié)果函數(shù)hk中保存符合條件的語義位置qsp按照最緊湊的符合條件的語義位置的排序分?jǐn)?shù)大小進(jìn)行排序。在具體實(shí)施中，步驟s108，所述執(zhí)行函數(shù)getsemanticplace，如圖2所示，具體包括：步驟s201，初始化子樹tp，其中，tp表示以p為頂點(diǎn)，包含所有查詢關(guān)鍵字的一顆子樹；步驟s202，初始化子樹tp的松散度值l(tp)以使l(tp)＝1；步驟s203，查詢的關(guān)鍵字q.ψ保存到數(shù)字集b中；步驟s204，從頂點(diǎn)p開始使用bfs(breadth-first-search)方式遍歷rdf圖且數(shù)字集b不為空；步驟s205，把bfs方式得到的節(jié)點(diǎn)v添加到子樹tp中；步驟s206，在所述字典結(jié)構(gòu)中查找節(jié)點(diǎn)v包含的查詢關(guān)鍵字；步驟s207，判斷節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集是否為空，如果否，進(jìn)入步驟s208，如果是，進(jìn)入步驟s209；步驟s208，如果否，輸出l(tp)＝+∞和tp＝null；步驟s209，如果是，根據(jù)節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集中元素的個數(shù)以及節(jié)點(diǎn)v和頂點(diǎn)p之間的距離的得到子樹tp的松散度值l(tp)；步驟s210，從數(shù)字集b中刪除節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集得到當(dāng)前的數(shù)字集b；步驟s211，當(dāng)前的數(shù)字集b是否為空，如果否，返回步驟s204，如果是，進(jìn)入步驟s208，也就是說，直到數(shù)字集b為空，輸出l(tp)＝+∞和tp＝null。具體的，步驟s209的計(jì)算公式如下：l(tp)+＝|b∩v.ψq|×d(p,v)；其中，|b∩v.ψq|表示b和v.ψq的交集中元素的個數(shù)，d(p,v)為位置頂點(diǎn)p到節(jié)點(diǎn)v的最短距離。也就是說，ksp算法通過執(zhí)行sp和getsemanticplace兩個函數(shù)以輸出輸入的查詢關(guān)鍵字的返回結(jié)果，sp函數(shù)內(nèi)部調(diào)用getsemanticplace函數(shù)，函數(shù)sp(q,r,g,i,ia)的內(nèi)容具體為，步驟s101至步驟s115的過程。函數(shù)getsemanticplace(q.ψ,p,g,mq.ψ)的內(nèi)容具體為，步驟s201至步驟s211的過程，該函數(shù)的作用是輸出tp和l(tp)，其中q表示查詢序列，r表示預(yù)設(shè)的空間索引，g表示rdf圖，i表示預(yù)設(shè)的文檔倒排索引表，iα表示預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表。在具體實(shí)施中，所述查詢方法還包括以下步驟：創(chuàng)建預(yù)設(shè)的空間索引。具體的，在步驟s101之前，創(chuàng)建預(yù)設(shè)的空間索引。所述創(chuàng)建預(yù)設(shè)的空間索引的步驟，具體為：從rdf數(shù)據(jù)中提取含有坐標(biāo)信息的數(shù)據(jù)，得到預(yù)設(shè)的空間索引。因?yàn)閞df圖數(shù)據(jù)比較大，為了提高查詢的速度，首先從rdf數(shù)據(jù)中提取含有坐標(biāo)信息的數(shù)據(jù)，創(chuàng)建預(yù)設(shè)的空間索引r-tree使得查詢的速度可以得到有效的提高。在具體實(shí)施中，所述查詢方法還包括以下步驟：對每個節(jié)點(diǎn)的文檔中的關(guān)鍵字建立倒排索引以得到預(yù)設(shè)的文檔倒排索引表，倒排索引表的格式為(關(guān)鍵字，節(jié)點(diǎn))，具體的，在步驟s101之前，對每個節(jié)點(diǎn)的文檔中的關(guān)鍵字建立倒排索引以得到預(yù)設(shè)的文檔倒排索引表i，文檔倒排索引表的格式為(關(guān)鍵字，節(jié)點(diǎn))，如圖3所示。在具體實(shí)施中，如圖4所示，所述查詢方法還包括以下步驟：步驟s401，從頂點(diǎn)p開始使用bfs方式遍歷rdf圖；步驟s402，當(dāng)遍歷到節(jié)點(diǎn)v時(shí)，遍歷節(jié)點(diǎn)v的文檔中的關(guān)鍵字t，若(t,d(p,v))在wn(p)中沒有出現(xiàn)過，則將(t,d(p,v))添加到預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中，其中wn(p)表示從p到每一個查詢關(guān)鍵字ti的最短距離的集合{(ti,dg(p,ti))}，dg(p,ti)≤α表示從根節(jié)點(diǎn)p到包含查詢關(guān)鍵字ti的頂點(diǎn)的最短的距離,(t,d(p,v))表示頂點(diǎn)v對應(yīng)的文檔信息，包含查詢關(guān)鍵字t；步驟s403，當(dāng)?shù)玫剿械娜~子節(jié)點(diǎn)的半徑字領(lǐng)域后，按照從葉子節(jié)點(diǎn)到非葉子節(jié)點(diǎn)的順序，計(jì)算wn(n)的值，wn(n)表示非葉子節(jié)點(diǎn)n下所有的位置頂點(diǎn){pj}對應(yīng)的wn(pj)的聯(lián)合，非葉子節(jié)點(diǎn)n下面包含一系列的位置頂點(diǎn){pj}；步驟s404，對于非葉子節(jié)點(diǎn)n，{ei}表示n下的節(jié)點(diǎn)，wn(n)初始化為空，若(t,dg(ei,t))在wn(n)沒有相應(yīng)的值則將(t,dg(ei,t))添加到預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中，若有值則將所述半徑字鄰域表中非葉子節(jié)點(diǎn)n對應(yīng)的值更新為min(dg(n,t),dg(ei,t))，其中，(t,dg(ei,t))為關(guān)鍵字t在所述半徑字鄰域表中對應(yīng)的值。具體的，頂點(diǎn)p可以是根節(jié)點(diǎn)，如果是根節(jié)點(diǎn)，則包含位置信息。頂點(diǎn)p可以是包含位置信息的節(jié)點(diǎn)，所以它是包含位置信息的所有可能節(jié)點(diǎn)，包括根節(jié)點(diǎn)。另外，所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表：是根據(jù)樹建立起來的，其中樹中的有葉子節(jié)點(diǎn)p，和非葉子節(jié)點(diǎn)n,首先算葉子節(jié)點(diǎn)的值，然后算非葉子節(jié)點(diǎn)的值，所以是葉子節(jié)點(diǎn)到非葉子節(jié)點(diǎn)，是一種自下到上的順序。比如，以下所示表格為所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表。q.ψabbey...ancientcatholicromanhistory...dg(p1，ti)0...111-...dg(p2,ti)-...-001...dg(n，ti)0...1001...具體的，開始時(shí)初始化，使得所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表為空，步驟s401-步驟s404就是填充這張表。其中:abbey,ancient,catholic,roman,history為所述半徑字領(lǐng)域表中關(guān)鍵字。(t,d(p,v))：表示頂點(diǎn)v的文檔信息中，有查詢關(guān)鍵字t，則對應(yīng)的值就會插入到半徑字鄰域表中。(t,dg(ei,t))：表示關(guān)鍵字t，在半徑字鄰域表中對應(yīng)的值。此處的ei就是上表中的p1，p2，即dg(ei,t)就是表中dg(p1,ti)對應(yīng)的值。min(dg(n,t),dg(ei,t))：就是表中dg(n,ti)的值去掉所在列的最小值。比如，catholic所在的列，有值1,0所以min(dg(n,t),dg(ei,t))的值為0,也就是dg(n,ti)的值。由于在根據(jù)ksp算法構(gòu)建tqsp的時(shí)候可能會遇到以下兩種情況：(i)遍歷完這個圖后仍未找到包含輸入查詢關(guān)鍵字的tp，(ii)找到了tp，但是tp的排序分?jǐn)?shù)f大于θ(當(dāng)前已經(jīng)找到的第k個tp的排序分?jǐn)?shù))。其中，tqsp為松散度最小的qsp針對情況。對于(i)的情況，在rdf圖中，讓表示以p為根節(jié)點(diǎn)子樹不能包含所有的查詢關(guān)鍵字。對于給定的查詢關(guān)鍵字序列q.ψ，若此時(shí)的p節(jié)點(diǎn)為不符合條件節(jié)點(diǎn)。針對(ii)情況，為了提高算法的效率，定義wn(p)，對位置頂點(diǎn)p，它的wn(p)表示從p到每一個查詢關(guān)鍵字ti的最短距離的集合{(ti,dg(p,ti))}，其中dg(p,ti)≤α，表示從根節(jié)點(diǎn)p到包含查詢關(guān)鍵字ti的頂點(diǎn)的最短的距離。根據(jù)上述中對一個點(diǎn)的字鄰域描述，我們可以得出對節(jié)點(diǎn)n的字鄰域的定義，如對r-tree中的頂點(diǎn)n。定義wn(n)，對于r-tree的節(jié)點(diǎn)n下面包含一系列的位置頂點(diǎn){pj}，wn(n)為一系列的{(ti,dg(n,ti))}，其中wn(n)是節(jié)點(diǎn)n下所有的位置頂點(diǎn){pj}對應(yīng)的wn(pj)的聯(lián)合，其中對于每個關(guān)鍵字ti，顯然dg(n,ti)≤α。根據(jù)定義wn(p)和定義wn(n)，可以創(chuàng)建節(jié)點(diǎn)對應(yīng)的半徑字領(lǐng)域表iα即預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表(α-radiuswordneighborhood表)，用于提高算法效率。進(jìn)一步，為了提高算法的效率，引理1：由于wn(p)表示位置定點(diǎn)p的半徑字領(lǐng)域(α-radiuswordneighborhood)。對于給定的查詢關(guān)鍵字q.ψ＝{t1,...,tj,...tm}，為了不失一般性，假設(shè)第j個關(guān)鍵字在wn(p)已經(jīng)有值，則以p為根節(jié)點(diǎn)的tp的tqsp的半徑字松散度(α-boundonthelooseness)可表示為并且引理2：由于表示以p為根節(jié)點(diǎn)的tp的tqsp的半徑字松散度，則對于給定的查詢序列q對應(yīng)的tp的半徑字排序分?jǐn)?shù)(α-boundontherankingscore)可表示為且引理3：由于wn(n)表示頂點(diǎn)n的半徑字領(lǐng)域(α-radiuswordneighborhood)，查詢關(guān)鍵字q.ψ＝{t1...,tj...,tm}，為了不失一般性，假設(shè)第j個關(guān)鍵字在wn(n)中已經(jīng)有相應(yīng)的值，則在n節(jié)點(diǎn)下以p為根節(jié)點(diǎn)的tp對應(yīng)的所有的tqsp可表示為并且引理4：由于表示以在節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的tp的tqsp對應(yīng)的半徑字松散度，對于給定的查詢序列q，則在節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的所有的tp的半徑字松散度可表示為其中s(q,n)表示q和n之間最小的空間距離，且根據(jù)引理2我們得出刪除規(guī)則2，根據(jù)引理4得出刪除規(guī)則3，來提高算法的效率，具體刪除規(guī)則如下：刪除規(guī)則2：對于給定的查詢序列q，θ表示第k個候選tqsp的rankingscore。表示以p為根節(jié)點(diǎn)的tp的tqsp的α-boundontherankingscore。當(dāng)時(shí)tp不是我們要查的結(jié)果，p可以被刪除。刪除規(guī)則3：對于給定的查詢序列q，θ表示第k個候選tqsp的rankingscore，表示節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的tp的tqsp的α-boundontherankingscore，若則在n節(jié)點(diǎn)下任何節(jié)點(diǎn)都不滿足條件，n可以被刪除?；趉sp算法的資源描述框架查詢方法，主要是實(shí)現(xiàn)圖上關(guān)鍵字的搜索和rdf數(shù)據(jù)上關(guān)鍵字的搜索：由于關(guān)鍵字檢索對用戶的友好性，不僅用戶檢索網(wǎng)絡(luò)數(shù)據(jù)，而且用于檢索xml文檔，關(guān)系型數(shù)據(jù)庫，和圖。傳統(tǒng)上圖的搜索算法將查詢轉(zhuǎn)化為在特征空間上的搜索，例如路徑，頻繁模式，和序列。這種搜索算法更多的關(guān)注圖的結(jié)構(gòu)而不是圖的語義內(nèi)容。圖上關(guān)鍵字的查詢通過利用內(nèi)容和鏈接結(jié)構(gòu)兩者來確定圖中一組密集鏈接的節(jié)點(diǎn)。由于這兩種信息的重新實(shí)施，可提高結(jié)果的整體質(zhì)量。而rdf數(shù)據(jù)上關(guān)鍵字的搜索，由于rdf數(shù)據(jù)是一種特殊類型的圖數(shù)據(jù)也可以提供查詢的效率。本發(fā)明還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。本發(fā)明的一實(shí)施例中提供一種基于資源描述框架的ksp算法查詢系統(tǒng)，用于利用ksp算法在rdf圖上搜索查詢關(guān)鍵字的語義位置，如圖5所示，所述查詢系統(tǒng)包括：第一初始化模塊51，用于初始化存放結(jié)果函數(shù)hk，其中存放結(jié)果函數(shù)hk用于保存符合條件的語義位置qsp，符合條件的語義位置qsp為包含所有查詢關(guān)鍵字的子樹，k為符合條件的語義位置qsp的數(shù)量；循環(huán)遍歷模塊52，用于根據(jù)預(yù)設(shè)的文檔倒排索引表和預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表，對用戶輸入的查詢關(guān)鍵字中的每個關(guān)鍵字進(jìn)行循環(huán)遍歷，得到輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，以及得到每個關(guān)鍵字對應(yīng)的值，并加載在預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中；構(gòu)建模塊53，用于根據(jù)所述輸入的查詢關(guān)鍵字和輸入的查詢關(guān)鍵字對應(yīng)的倒排索引表，構(gòu)建字典結(jié)構(gòu)，其中所述字典結(jié)構(gòu)表示含有所述輸入的查詢關(guān)鍵字的節(jié)點(diǎn)；第二初始化模塊54，用于初始化單調(diào)排序函數(shù)的值θ，其中單調(diào)排序函數(shù)表示對根據(jù)輸入的查詢關(guān)鍵字查找的多個最緊湊的符合條件的語義位置進(jìn)行排序，最緊湊的符合條件的語義位置表示為以p為根節(jié)點(diǎn)的松散度最小的符合條件的語義位置；生成隊(duì)列模塊55，用于預(yù)設(shè)的空間索引的根節(jié)點(diǎn)進(jìn)入隊(duì)列，得到位置節(jié)點(diǎn)隊(duì)列q；查找循環(huán)模塊56，用于根據(jù)輸入的查詢關(guān)鍵字和位置節(jié)點(diǎn)隊(duì)列q，遍歷預(yù)設(shè)的空間索引得到節(jié)點(diǎn)e，并對節(jié)點(diǎn)e進(jìn)行判斷；頂點(diǎn)處理模塊57，于當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)時(shí)，判斷節(jié)點(diǎn)e是否為不符合條件節(jié)點(diǎn)，若節(jié)點(diǎn)e為不符合條件節(jié)點(diǎn)則結(jié)束本次循環(huán)，進(jìn)入下次循環(huán)，當(dāng)節(jié)點(diǎn)e為包含空間位置信息的頂點(diǎn)，且節(jié)點(diǎn)e不是不符合條件節(jié)點(diǎn)，則執(zhí)行函數(shù)getsemanticplace，得到符合條件的語義位置的子樹tp和子樹tp的松散度值l(tp)，并判斷是否為l(tp)＝＝+∞，如果是，則結(jié)束本次循環(huán)，如果否,計(jì)算松散度值l(tp)的排序分?jǐn)?shù)f，并將松散度值l(tp)和對應(yīng)排序分?jǐn)?shù)f插入存放結(jié)果函數(shù)hk且更新單調(diào)排序函數(shù)的值θ；節(jié)點(diǎn)處理模塊58，用于節(jié)點(diǎn)e為節(jié)點(diǎn)n時(shí)，循環(huán)遍歷節(jié)點(diǎn)n下的每一個節(jié)點(diǎn)，計(jì)算n下每個節(jié)點(diǎn)e對應(yīng)的半徑字的松散度值和對應(yīng)半徑字的排序分?jǐn)?shù)當(dāng)時(shí)，則把對應(yīng)節(jié)點(diǎn)e插入位置節(jié)點(diǎn)隊(duì)列q并進(jìn)入查找循環(huán)模塊，直到輸出結(jié)果模塊59，用于根據(jù)存放結(jié)果函數(shù)hk向用戶返回查詢結(jié)果。具體的，所述存放結(jié)果函數(shù)hk中保存符合條件的語義位置qsp按照最緊湊的符合條件的語義位置的排序分?jǐn)?shù)大小進(jìn)行排序。在具體實(shí)施中，頂點(diǎn)處理模塊57還用于：初始化子樹tp，其中，tp表示以p為頂點(diǎn)，包含所有查詢關(guān)鍵字的一顆子樹；初始化子樹tp的松散度l(tp)以使l(tp)＝1；查詢的關(guān)鍵字q.ψ保存到數(shù)字集b中；從頂點(diǎn)p開始使用bfs(breadth-first-search)方式遍歷rdf圖且數(shù)字集b不為空；把bfs方式得到的節(jié)點(diǎn)v添加到子樹tp中；在所述字典結(jié)構(gòu)中查找節(jié)點(diǎn)v包含的查詢關(guān)鍵字；判斷節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集是否為空；如果否，輸出l(tp)＝+∞和tp＝null；如果是，根據(jù)節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集中元素的個數(shù)以及節(jié)點(diǎn)v和頂點(diǎn)p之間的距離的，得到子樹tp的松散度值l(tp)；從數(shù)字集b中刪除節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集得到當(dāng)前的數(shù)字集b；當(dāng)前的數(shù)字集b是否為空，如果否，執(zhí)行從頂點(diǎn)p開始使用bfs(breadth-first-search)方式遍歷rdf圖且數(shù)字集b不為空的內(nèi)容；如果是，輸出l(tp)＝+∞和tp＝null，也就是說，直到數(shù)字集b為空，輸出l(tp)＝+∞和tp＝null。具體的，根據(jù)節(jié)點(diǎn)v包含的查詢關(guān)鍵字和數(shù)字集b的交集中元素的個數(shù)以及節(jié)點(diǎn)v和頂點(diǎn)p之間的距離的得到子樹tp的松散度l(tp)的值計(jì)算公式如下：l(tp)+＝|b∩v.ψq|×d(p,v)；其中，|b∩v.ψq|表示b和v.ψq的交集中元素的個數(shù)，d(p,v)為頂點(diǎn)p到節(jié)點(diǎn)v的最短距離。在具體實(shí)施中，所述查詢系統(tǒng)還包括創(chuàng)建模塊，用于創(chuàng)建預(yù)設(shè)的空間索引。具體的，創(chuàng)建模塊還用于：從rdf數(shù)據(jù)中提取含有坐標(biāo)信息的數(shù)據(jù)，得到預(yù)設(shè)的空間索引。因?yàn)閞df圖數(shù)據(jù)比較大，為了提高查詢的速度，首先從rdf數(shù)據(jù)中提取含有坐標(biāo)信息的數(shù)據(jù)，創(chuàng)建預(yù)設(shè)的空間索引r-tree使得查詢的速度可以得到有效的提高。在具體實(shí)施中，創(chuàng)建模塊還用于：對每個節(jié)點(diǎn)的文檔中的關(guān)鍵字建立倒排索引以得到預(yù)設(shè)的文檔倒排索引表，倒排索引表的格式為(關(guān)鍵字，節(jié)點(diǎn))，如圖3所示。在具體實(shí)施中，如圖4所示，創(chuàng)建模塊還用于：從位置頂點(diǎn)p開始使用bfs方式遍歷rdf圖；當(dāng)遍歷到節(jié)點(diǎn)v時(shí)，遍歷節(jié)點(diǎn)v的文檔中的關(guān)鍵字t，若(t,d(p,v))在wn(p)中沒有出現(xiàn)過，則將(t,d(p,v))添加到預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中，其中wn(p)表示從p到每一個查詢關(guān)鍵字ti的最短距離的集合{(ti,dg(p,ti))}，dg(p,ti)≤α表示從根節(jié)點(diǎn)p到包含查詢關(guān)鍵字ti的頂點(diǎn)的最短的距離,(t,d(p,v))表示頂點(diǎn)v對應(yīng)的文檔信息，包含查詢關(guān)鍵字t；得到所有的葉子節(jié)點(diǎn)的半徑字領(lǐng)域后，按照從葉子節(jié)點(diǎn)到非葉子節(jié)點(diǎn)的順序，計(jì)算wn(n)的值，wn(n)表示非葉子節(jié)點(diǎn)n下所有的位置頂點(diǎn){pj}對應(yīng)的wn(pj)的聯(lián)合，非葉子節(jié)點(diǎn)n下面包含一系列的位置頂點(diǎn){pj}；對于非葉子節(jié)點(diǎn)n，{ei}表示n下的節(jié)點(diǎn)，wn(n)初始化為空，若(t,dg(ei,t))在wn(n)沒有相應(yīng)的值則將(t,dg(ei,t))添加到預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表中，若有值則將所述半徑字鄰域表中非葉子節(jié)點(diǎn)n對應(yīng)的值更新為min(dg(n,t),dg(ei,t))，其中，(t,dg(ei,t))為關(guān)鍵字t在所述半徑字鄰域表中對應(yīng)的值。具體的，頂點(diǎn)p可以是根節(jié)點(diǎn)，如果是根節(jié)點(diǎn)，則包含位置信息。頂點(diǎn)p可以是包含位置信息的節(jié)點(diǎn)，所以它是包含位置信息的所有可能節(jié)點(diǎn)，包括根節(jié)點(diǎn)。另外，所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表：是根據(jù)樹建立起來的，其中樹中的有葉子節(jié)點(diǎn)p，和非葉子節(jié)點(diǎn)n,首先算葉子節(jié)點(diǎn)的值，然后算非葉子節(jié)點(diǎn)的值，所以是葉子節(jié)點(diǎn)到非葉子節(jié)點(diǎn)，是一種自下到上的順序。比如，以下所示表格為所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表。q.ψabbey...ancientcatholicromanhistory...dg(p1，ti)0...111-...dg(p2,ti)-...-001...dg(n，ti)0...1001...具體的，開始時(shí)初始化，使得所述預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表為空，創(chuàng)建模塊的工作過程就是填充這張表。其中:abbey,ancient,catholic,roman,history為所述半徑字領(lǐng)域表中關(guān)鍵字。(t,d(p,v))：表示頂點(diǎn)v的文檔信息中，有查詢關(guān)鍵字t，則對應(yīng)的值就會插入到半徑字鄰域表中。(t,dg(ei,t))：表示關(guān)鍵字t，在半徑字鄰域表中對應(yīng)的值。此處的ei就是上表中的p1，p2，即dg(ei,t)就是表中dg(p1,ti)對應(yīng)的值。min(dg(n,t),dg(ei,t))：就是表中dg(n,ti)的值去掉所在列的最小值。比如，catholic所在的列，有值1,0所以min(dg(n,t),dg(ei,t))的值為0,也就是dg(n,ti)的值。由于在根據(jù)ksp算法構(gòu)建tqsp的時(shí)候可能會遇到以下兩種情況：(i)遍歷完這個圖后仍未找到包含輸入查詢關(guān)鍵字的tp，(ii)找到了tp，但是tp的排序分?jǐn)?shù)f大于θ(當(dāng)前已經(jīng)找到的第k個tp的排序分?jǐn)?shù))。其中，tqsp為松散度最小的qsp針對情況。對于(i)的情況，在rdf圖中，讓表示以p為根節(jié)點(diǎn)子樹不能包含所有的查詢關(guān)鍵字。對于給定的查詢關(guān)鍵字序列q.ψ，若此時(shí)的p節(jié)點(diǎn)為不符合條件節(jié)點(diǎn)。針對(ii)情況，為了提高算法的效率，定義wn(p)，對位置頂點(diǎn)p，它的wn(p)表示從p到每一個查詢關(guān)鍵字ti的最短距離的集合{(ti,dg(p,ti))}，其中dg(p,ti)≤α，表示從根節(jié)點(diǎn)p到包含查詢關(guān)鍵字ti的頂點(diǎn)的最短的距離。根據(jù)上述中對一個點(diǎn)的字鄰域描述，我們可以得出對節(jié)點(diǎn)n的字鄰域的定義，如對r-tree中的頂點(diǎn)n。定義wn(n)，對于r-tree的節(jié)點(diǎn)n下面包含一系列的位置頂點(diǎn){pj}，wn(n)為一系列的{(ti,dg(n,ti))}，其中wn(n)是節(jié)點(diǎn)n下所有的位置頂點(diǎn){pj}對應(yīng)的wn(pj)的聯(lián)合，其中對于每個關(guān)鍵字ti，顯然dg(n,ti)≤α。根據(jù)定義wn(p)和定義wn(n)，可以創(chuàng)建節(jié)點(diǎn)對應(yīng)的半徑字領(lǐng)域表iα即預(yù)設(shè)的所有查詢關(guān)鍵字對應(yīng)的半徑字領(lǐng)域表(α-radiuswordneighborhood表)，用于提高算法效率。進(jìn)一步，為了提高算法的效率，引理1：由于wn(p)表示頂點(diǎn)p的半徑字領(lǐng)域(α-radiuswordneighborhood)。對于給定的查詢關(guān)鍵字q.ψ＝{t1,...,tj,...tm}，為了不失一般性，假設(shè)第j個關(guān)鍵字在wn(p)已經(jīng)有值，則以p為根節(jié)點(diǎn)的tp的tqsp的半徑字松散度(α-boundonthelooseness)可表示為并且引理2：由于表示以p為根節(jié)點(diǎn)的tp的tqsp的半徑字松散度，則對于給定的查詢序列q對應(yīng)的tp的半徑字排序分?jǐn)?shù)(α-boundontherankingscore)可表示為且引理3：由于wn(n)表示頂點(diǎn)n的半徑字領(lǐng)域(α-radiuswordneighborhood)，查詢關(guān)鍵字q.ψ＝{t1...,tj...,tm}，為了不失一般性，假設(shè)第j個關(guān)鍵字在wn(n)中已經(jīng)有相應(yīng)的值，則在n節(jié)點(diǎn)下以p為根節(jié)點(diǎn)的tp對應(yīng)的所有的tqsp可表示為并且引理4：由于表示以在節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的tp的tqsp對應(yīng)的半徑字松散度，對于給定的查詢序列q，則在節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的所有的tp的半徑字松散度可表示為其中s(q,n)表示q和n之間最小的空間距離，且根據(jù)引理2我們得出刪除規(guī)則2，根據(jù)引理4得出刪除規(guī)則3，來提高算法的效率，具體刪除規(guī)則如下：刪除規(guī)則2：對于給定的查詢序列q，θ表示第k個候選tqsp的rankingscore。表示以p為根節(jié)點(diǎn)的tp的tqsp的α-boundontherankingscore。當(dāng)時(shí)tp不是我們要查的結(jié)果，p可以被刪除。刪除規(guī)則3：對于給定的查詢序列q，θ表示第k個候選tqsp的rankingscore，表示節(jié)點(diǎn)n下以p為根節(jié)點(diǎn)的tp的tqsp的α-boundontherankingscore，若則在n節(jié)點(diǎn)下任何節(jié)點(diǎn)都不滿足條件，n可以被刪除?；趉sp算法的資源描述框架查詢系統(tǒng)，主要是實(shí)現(xiàn)圖上關(guān)鍵字的搜索和rdf數(shù)據(jù)上關(guān)鍵字的搜索：由于關(guān)鍵字檢索對用戶的友好性，不僅用戶檢索網(wǎng)絡(luò)數(shù)據(jù)，而且用于檢索xml文檔，關(guān)系型數(shù)據(jù)庫，和圖。傳統(tǒng)上圖的搜索算法將查詢轉(zhuǎn)化為在特征空間上的搜索，例如路徑，頻繁模式，和序列。這種搜索算法更多的關(guān)注圖的結(jié)構(gòu)而不是圖的語義內(nèi)容。圖上關(guān)鍵字的查詢通過利用內(nèi)容和鏈接結(jié)構(gòu)兩者來確定圖中一組密集鏈接的節(jié)點(diǎn)。由于這兩種信息的重新實(shí)施，可提高結(jié)果的整體質(zhì)量。而rdf數(shù)據(jù)上關(guān)鍵字的搜索，由于rdf數(shù)據(jù)是一種特殊類型的圖數(shù)據(jù)也可以提供查詢的效率。在本說明書的描述中，參考術(shù)語“一個實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個實(shí)施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個或多個實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實(shí)施例進(jìn)行變化、修改、替換和變型。當(dāng)前第1頁12