링크드 데이터 질의를 위한 출현 횟수에 기반한 확장된 다차원 히스토그램(EMH) (EMH(Extended Multidimensional Histogram) Based on Occurrence for Querying Linked Data)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 13권 / 3호 / 121 ~ 128페이지
· 저자명 : 이용주

초록

RDF 트리플 구조는 그래프로 모델링되기 때문에 기존의 릴레이션 데이터베이스나 XML 기법들을 직접 적용할 수가 없다. 따라서 링크드 데이터 영역은 현재 많은 오픈 문제를 포함하고 있다. 본 논문에서는 로컬 방식과 분산 방식 사이의 하나의 절충안을 탐구한다. 전체 RDF 트리플을 로컬 시스템에 저장하는 방식은 분명히 좋은 성능을 제공하지만 변화가 많은 링크드 데이터 환경에서 쿼리 결과는 최신의 데이터를 제공하지 못하므로 로컬 인덱스를 관리하는 것이 하나의 대안으로 될 수 있다. 이러한 인덱스를 사용하여 분산된 링크드 데이터에 대한 쿼리를 효율적으로 수행할 수 있고 시스템 저장 공간도 상당히 줄일 수 있다. 우리는 인위적인 RDF 데이터셋을 사용하여 제안된 인덱스 구조를 기존의 방법들과 비교하여 성능 평가를 한다. 실험 결과 제안된 방법은 분산 방식보다 30% 조인 반응 시간이 향상되었고 로컬 방식에 비해 69%의 저장 공간이 절약되었다.

영어초록

Since RDF triples are modeled as graphs, we cannot directly adopt existing solutions from relational databases and XML technologies. Thus, there are still a number of open problems in the area of Linked Data. In this paper, we investigate a compromise method between the local approach and distributed approach. The local approach obviously offers better performance, but the queried data might not be up-to-date because Linked Data change a lot. The maintenance of local index structures may solve this problem instead of storing data triples entirely locally. Using indexes we can retrieve distributed data resources participating on a query result, rapidly reducing the amount of data that are really needed to be accessed on-demand. We evaluate our index structure with existing methods on a synthetic RDF dataset. The experimental results show that our method performs better: its join response time is 30% faster than the distributed approach, and its storage amount saves 69% compared to the local approach.

참고자료

· 없음