RT info:eu-repo/semantics/article
T1 Compressed and queryable self-indexes for RDF archives
A1 Cerdeira-Pena, Ana
A1 de Bernardo, Guillermo
A1 Fariña, Antonio
A1 Fernández García, Javier David
A1 Martínez Prieto, Miguel Angel
K1 RDF
K1 Archivos RDF
K1 Compresión RDF
K1 Autoíndice
K1 1203.18 Sistemas de Información, Diseño Componentes
K1 1203.12 Bancos de Datos
K1 1203.04 Inteligencia Artificial
AB La compresión y la consulta de RDF son temas consolidados en la Web de los Datos, donde existe una amplia variedad de soluciones que permiten almacenar y consultar de forma eficiente colecciones de datos estáticos. Sin embargo, los datos RDF evolucionan a lo largo del tiempo y esto hace necesario conservar diferentes versiones de los mismos, lo que se conoce como un archivo RDF. En el caso de archivos de gran tamaño, las técnicas básicas utilizadas para su almacenamiento presentan importantes problemas de escalabilidad.En este artículo se presenta v-RDF-SI, una de las primeras soluciones de archivado RDF cuyo objetivo es combinar tanto la compresión como la consulta eficiente. En v-RDF-SI se extienden representaciones RDF existentes basadas en estructuras de datos compactas, con el fin de proporcionar un soporte eficiente para consultas basadas en versiones en un espacio comprimido. Se presentan dos implementaciones de v-RDF-SI, denominadas v-RDFCSA y v-HDT, basadas, respectivamente, en RDFCSA (un autoíndice RDF) y en HDT (una representación RDF comprimida respaldada por el W3C).El artículo presenta una evaluación experimental exhaustiva de v-RDF-SI utilizando el benchmark BEAR, cuyos resultados muestran que v-RDF-SI reduce drásticamente los requisitos de almacenamiento, llegando a utilizar hasta 40 veces menos espacio que los baselines proporcionados por BEAR, consolidando representaciones que utilizan un cuarto del espacio requerido por las alternativas basadas en estructuras de datos compactas. Asimismo, v-RDF-SI ofrece tiempos de consulta significativamente más rápidos en la mayoría de los casos. En promedio, las variantes más rápidas de v-RDF-SI superan al resto de las alternativas estudiadas en casi un orden de magnitud.
PB Springer
SN 0219-1377
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/81933
UL https://uvadoc.uva.es/handle/10324/81933
LA eng
NO Knowledge and Information Systems, 2024, vol. 66, n. 1. p. 381-417
NO Producción Científica
DS UVaDOC
RD 21-ene-2026