Applications based on knowledge engineering require operations on data with respect of that data's semantic. Traditionally, in this area relational data is transformed to a form expected by a reasoning system (usually RDF). Recently, we presented a method (called the FJ SQL/RDF query) that transforms a query to RDF data structure (i.e., SPARQL) to a SQL query executed by RDBMS. In this work we demonstrate that queries responses times of our method are much smaller compared to the Racer Pro and Jena 2 query results for the LUBM benchmark. Although the comparison is not exact and the method needs more study, it is clear that it would lead to significant increase of reasoning efficiency in some domains.
PL
Aplikacje bazujące na inżynierii wiedzy wykonują operacje na danych z uwzględnieniem niesionej przez te dane semantyki. Tradycyjnie wykorzystanie w takich systemach danych relacyjnych wiąże się z nadaniem im formalnej semantyki i transformacją do postaci oczekiwanej przez system (najczęściej RDF). W poprzedniej pracy przedstawiliśmy metodę (nazwaną FJ SQL/RDF) transformacji zapytań grafowych (np. SPARQL), kierowanych do danych modelu RDF, na zapytania SQL wykonywane przez silnik bazodanowy. W tej pracy pokazujemy, że czasy odpowiedzi na zapytania wykonywane naszą metodą są znacznie krótsze w porównaniu z czasami narzędzi Racer Pro oraz Jena 2 dla testu LUBM. Metoda nie jest jeszcze w pełni automatyczna i wymaga dodatkowych badań, jednak uzyskane do tej pory wyniki pokazują, że można dzięki niej uzyskać znaczną poprawę wydajności w pewnych zastosowaniach.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.