公开(公告)号：CN107291807A

公开(公告)日：2017-10-24

申请号：CN201710343003.9

申请日：2017-05-16

Applicant: 中国科学院计算机网络信息中心

Inventor： 李亮 ,  沈志宏 ,  周园春 ,  黎建辉 ,  朱小杰 ,  刘东江 ,  李跃鹏

IPC: G06F17/30

Abstract: 本发明公开了一种基于图遍历的SPARQL查询优化方法。本方法为：1)使用属性图表示RDF数据中三元组，然后利用Bigtable模型存储RDF数据，得到RDF数据对应的Bigtable数据；2)将SPARQL查询转化对RDF属性图的遍历；3)根据步骤2)获得的遍历序列，遍历Bigtable数据中满足条件的所有节点，完成SPARQL查询。本发明一方面消除了传统SPARQL查询对Hash等数据结构的依赖，减少了中间数据的产生，避免了大规模RDF数据的连接计算；另一方面，能有效利用基于Bigtable的大数据处理技术存储和管理RDF海量关联知识网络数据，加速RDF关联数据的查询和分析。

公开(公告)号：CN106570565A

公开(公告)日：2017-04-19

申请号：CN201611020935.1

申请日：2016-11-21

Applicant: 中国科学院计算机网络信息中心

Inventor： 李亮 ,  沈志宏 ,  周园春 ,  黎建辉 ,  张海明 ,  杜园园 ,  朱小杰 ,  崔文娟

IPC: G06N3/08

CPC classification number: G06N3/08

Abstract: 本发明提供一种面向大数据的深度学习方法及系统，该系统包括大数据引擎Spark、Protobuf工具、轻量级数据存储LMDB、Caffe深度学习Solver和MPI通信库；所述大数据引擎Spark将待处理数据进行数据处理；所述Protobuf工具将Spark处理后的数据序列化；所述轻量级数据存储LMDB将大数据引擎Spark和Caffe深度学习Solver以松散耦合的形式进行组织；所述Caffe深度学习Solver中每个节点的Caffe Solver通过LMDB访问该节点待训练的数据，并执行深度网络训练；所述MPI通信库聚合不同节点Caffe深度学习Solver的计算结果。

公开(公告)号：CN107291807B

公开(公告)日：2020-10-16

申请号：CN201710343003.9

申请日：2017-05-16

Applicant: 中国科学院计算机网络信息中心

Inventor： 李亮 ,  沈志宏 ,  周园春 ,  黎建辉 ,  朱小杰 ,  刘东江 ,  李跃鹏

IPC: G06F16/2453 ,  G06F16/245

Abstract: 本发明公开了一种基于图遍历的SPARQL查询优化方法。本方法为：1)使用属性图表示RDF数据中三元组，然后利用Bigtable模型存储RDF数据，得到RDF数据对应的Bigtable数据；2)将SPARQL查询转化对RDF属性图的遍历；3)根据步骤2)获得的遍历序列，遍历Bigtable数据中满足条件的所有节点，完成SPARQL查询。本发明一方面消除了传统SPARQL查询对Hash等数据结构的依赖，减少了中间数据的产生，避免了大规模RDF数据的连接计算；另一方面，能有效利用基于Bigtable的大数据处理技术存储和管理RDF海量关联知识网络数据，加速RDF关联数据的查询和分析。