Новости из мира науки, технологий и авто
Источник фото: pixabay.com Благодаря новому инструменту FunMap ученее добились эффективного выполнения функциональных сопоставлений для создания графов знаний.
За последние годы объем данных экспоненциально вырос, и графы знаний представляют собой мощный формализм для интеграции множества существующих источников данных.
Функции преобразования, указанные с помощью языков сопоставления на основе модулей, таких как FunUL и RML + FnO, могут применяться для преодоления проблем взаимодействия между разнородными источниками данных.
Однако отсутствие механизмов для эффективного выполнения этих языков отображения препятствует их глобальному распространению. Специалисты предложили FunMap, представляющий собой интерпретатор языков отображения на основе функций.
Он полагается на набор правил перезаписи без потерь, чтобы запустить выполнение функций на начальных этапах создания графа знаний. Хотя это применимо к любому языку сопоставления на основе функций, который поддерживает соединения между правилами сопоставления, выполнимость FunMap больше оптимизирована для RML + FnO.
FunMap снижает избыточность данных, например, дублирует неиспользуемые атрибуты и преобразует сопоставления RML + FnO в набор эквивалентных правил, выполняемых на RML-совместимых механизмах.
Ученые оценили производительность FunMap на реальных испытательных стендах из биомедицинской области. Результаты показывают, что FunMap сокращает время выполнения запросов на RML-совместимых движках в 18 раз, предоставляя, таким образом, масштабируемое решение для создания графов знаний.
