2024-03-29T07:42:52Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/464402021-07-02T07:47:48Zcom_10324_30605com_10324_894col_10324_41
Effective reorganization and self-indexing of big semantic data
Hernández Illera, Antonio
Martínez Prieto, Miguel Angel
Fernández García, Javier David
En esta tesis hemos analizado la redundancia estructural que los grafos RDF poseen y propuesto una técnica de preprocesamiento: RDF-Tr, que agrupa, reorganiza y recodifica los triples, tratando dos fuentes de redundancia estructural subyacentes a la naturaleza del esquema RDF. Hemos integrado RDF-Tr en HDT y k2-triples, reduciendo el tamaño que obtienen los compresores originales, superando a las técnicas más prominentes del estado del arte. Hemos denominado HDT++ y k2-triples++ al resultado de aplicar RDF-Tr en cada compresor.
En el ámbito de la compresión RDF se utilizan estructuras compactas para construir autoíndices RDF, que proporcionan acceso eficiente a los datos sin descomprimirlos. HDT-FoQ es utilizado para publicar y consumir grandes colecciones de datos RDF. Hemos extendido HDT++, llamándolo iHDT++, para resolver patrones SPARQL, consumiendo menos memoria que HDT-FoQ, a la vez que acelera la resolución de la mayoría de las consultas, mejorando la relación espacio-tiempo del resto de autoíndices.
2021
info:eu-repo/semantics/doctoralThesis
eng
Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
http://uvadoc.uva.es/handle/10324/46440
https://uvadoc.uva.es/bitstream/10324/46440/3/license.txt
017313583e37a1e4d1253e1ef6c66c6c
https://uvadoc.uva.es/bitstream/10324/46440/1/TESIS-1807-210427.pdf
f20165c7eae0e016fa177ca1c92d149c
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Compresión RDF
SPARQL
10.35376/10324/46440