Dissertation/ Thesis
Προβολή σε EDS

Scalable Saturation of Streaming RDF Triples ; La saturation extensible du streaming RDF triple

Λεπτομέρειες βιβλιογραφικής εγγραφής
Τίτλος: Scalable Saturation of Streaming RDF Triples ; La saturation extensible du streaming RDF triple
Συγγραφείς: Farvardin, Mohammad Amin
Συνεισφορές: Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE), Université Paris Dauphine-PSL, Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Université Paris sciences et lettres, Dario Colazzo
Πηγή: https://theses.hal.science/tel-03580501 ; Document and Text Processing. Université Paris sciences et lettres, 2021. English. ⟨NNT : 2021UPSLD019⟩.
Στοιχεία εκδότη: CCSD
Έτος έκδοσης: 2021
Συλλογή: Université Paris-Dauphine: HAL
Θεματικοί όροι: Apache Spark, Big Data, RDF Streams, RDF Saturation, Flux RDF, Saturation RDF, [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing
Περιγραφή: In the Big Data era, RDF data are producing in high volumes. While there exist proposals for reasoning over large RDF graphs using big data platforms, there is a deficiency of solutions that do so in environments where RDF data are dynamic, and where new instance and schema triples can arrive at any time.In this thesis, we present the first solution for reasoning over large streams of RDF data using big data platforms. In doing so, we focus on the saturation operation, which seeks to infer implicit RDF triples given RDF schema constraints.Indeed, unlike existing solutions which saturate RDF data in bulk, our solution carefully identifies the fragment of the existing (and already saturated) RDF dataset that needs to be considered given the fresh RDF statements delivered by the stream. Thereby, it performs the saturation in an incremental manner. Experimental analysis shows that our solution outperforms existing bulk-based saturation solutions. ; À l'ère des Big Data, les données RDF sont produites en grand nombre. Bien qu'il existe des propositions de raisonnement sur de grands graphiques RDF utilisant de grandes plateformes de données, il y a un manque de solutions qui le font dans des environnements où les données RDF sont dynamiques, et où de nouvelles instances et de nouveaux triplets de schéma peuvent arriver à tout moment. Dans cette thèse, nous présentons la première solution pour raisonner sur de grands flux de données RDF en utilisant de grandes plateformes de données. Ce faisant, nous nous concentrons sur l'opération de saturation, qui cherche à déduire des triples RDF implicites étant donné les contraintes du schéma RDF. En effet, contrairement aux solutions existantes qui saturent les données RDF en masse, notre solution identifie soigneusement le fragment de l'ensemble de données RDF existant (et déjà saturé) qui doit être pris en compte étant donné les nouvelles déclarations RDF délivrées par le flux. Ainsi, elle effectue la saturation de manière incrémentielle. L'analyse expérimentale montre que ...
Τύπος εγγράφου: doctoral or postdoctoral thesis
Γλώσσα: English
Relation: NNT: 2021UPSLD019
DOI: 10.70675/89f5c6d8zff41z4938z9d66zfec4c712b41c
Διαθεσιμότητα: https://theses.hal.science/tel-03580501
https://theses.hal.science/tel-03580501v1/document
https://theses.hal.science/tel-03580501v1/file/2021UPSLD019.pdf
https://doi.org/10.70675/89f5c6d8zff41z4938z9d66zfec4c712b41c
Rights: https://about.hal.science/hal-authorisation-v1/ ; info:eu-repo/semantics/OpenAccess
Αριθμός Καταχώρησης: edsbas.F02481AD
Βάση Δεδομένων: BASE
FullText Text:
  Availability: 0
CustomLinks:
  – Url: https://theses.hal.science/tel-03580501#
    Name: EDS - BASE (ns324271)
    Category: fullText
    Text: View record from BASE
Header DbId: edsbas
DbLabel: BASE
An: edsbas.F02481AD
RelevancyScore: 828
AccessLevel: 3
PubType: Dissertation/ Thesis
PubTypeId: dissertation
PreciseRelevancyScore: 828.347900390625
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Scalable Saturation of Streaming RDF Triples ; La saturation extensible du streaming RDF triple
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Farvardin%2C+Mohammad+Amin%22">Farvardin, Mohammad Amin</searchLink>
– Name: Author
  Label: Contributors
  Group: Au
  Data: Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE)<br />Université Paris Dauphine-PSL<br />Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)<br />Université Paris sciences et lettres<br />Dario Colazzo
– Name: TitleSource
  Label: Source
  Group: Src
  Data: <i>https://theses.hal.science/tel-03580501 ; Document and Text Processing. Université Paris sciences et lettres, 2021. English. ⟨NNT : 2021UPSLD019⟩</i>.
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: CCSD
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2021
– Name: Subset
  Label: Collection
  Group: HoldingsInfo
  Data: Université Paris-Dauphine: HAL
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Apache+Spark%22">Apache Spark</searchLink><br /><searchLink fieldCode="DE" term="%22Big+Data%22">Big Data</searchLink><br /><searchLink fieldCode="DE" term="%22RDF+Streams%22">RDF Streams</searchLink><br /><searchLink fieldCode="DE" term="%22RDF+Saturation%22">RDF Saturation</searchLink><br /><searchLink fieldCode="DE" term="%22Flux+RDF%22">Flux RDF</searchLink><br /><searchLink fieldCode="DE" term="%22Saturation+RDF%22">Saturation RDF</searchLink><br /><searchLink fieldCode="DE" term="%22[INFO%2EINFO-TT]Computer+Science+[cs]%2FDocument+and+Text+Processing%22">[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: In the Big Data era, RDF data are producing in high volumes. While there exist proposals for reasoning over large RDF graphs using big data platforms, there is a deficiency of solutions that do so in environments where RDF data are dynamic, and where new instance and schema triples can arrive at any time.In this thesis, we present the first solution for reasoning over large streams of RDF data using big data platforms. In doing so, we focus on the saturation operation, which seeks to infer implicit RDF triples given RDF schema constraints.Indeed, unlike existing solutions which saturate RDF data in bulk, our solution carefully identifies the fragment of the existing (and already saturated) RDF dataset that needs to be considered given the fresh RDF statements delivered by the stream. Thereby, it performs the saturation in an incremental manner. Experimental analysis shows that our solution outperforms existing bulk-based saturation solutions. ; À l'ère des Big Data, les données RDF sont produites en grand nombre. Bien qu'il existe des propositions de raisonnement sur de grands graphiques RDF utilisant de grandes plateformes de données, il y a un manque de solutions qui le font dans des environnements où les données RDF sont dynamiques, et où de nouvelles instances et de nouveaux triplets de schéma peuvent arriver à tout moment. Dans cette thèse, nous présentons la première solution pour raisonner sur de grands flux de données RDF en utilisant de grandes plateformes de données. Ce faisant, nous nous concentrons sur l'opération de saturation, qui cherche à déduire des triples RDF implicites étant donné les contraintes du schéma RDF. En effet, contrairement aux solutions existantes qui saturent les données RDF en masse, notre solution identifie soigneusement le fragment de l'ensemble de données RDF existant (et déjà saturé) qui doit être pris en compte étant donné les nouvelles déclarations RDF délivrées par le flux. Ainsi, elle effectue la saturation de manière incrémentielle. L'analyse expérimentale montre que ...
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: doctoral or postdoctoral thesis
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: NoteTitleSource
  Label: Relation
  Group: SrcInfo
  Data: NNT: 2021UPSLD019
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.70675/89f5c6d8zff41z4938z9d66zfec4c712b41c
– Name: URL
  Label: Availability
  Group: URL
  Data: https://theses.hal.science/tel-03580501<br />https://theses.hal.science/tel-03580501v1/document<br />https://theses.hal.science/tel-03580501v1/file/2021UPSLD019.pdf<br />https://doi.org/10.70675/89f5c6d8zff41z4938z9d66zfec4c712b41c
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: https://about.hal.science/hal-authorisation-v1/ ; info:eu-repo/semantics/OpenAccess
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsbas.F02481AD
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.F02481AD
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.70675/89f5c6d8zff41z4938z9d66zfec4c712b41c
    Languages:
      – Text: English
    Subjects:
      – SubjectFull: Apache Spark
        Type: general
      – SubjectFull: Big Data
        Type: general
      – SubjectFull: RDF Streams
        Type: general
      – SubjectFull: RDF Saturation
        Type: general
      – SubjectFull: Flux RDF
        Type: general
      – SubjectFull: Saturation RDF
        Type: general
      – SubjectFull: [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing
        Type: general
    Titles:
      – TitleFull: Scalable Saturation of Streaming RDF Triples ; La saturation extensible du streaming RDF triple
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Farvardin, Mohammad Amin
      – PersonEntity:
          Name:
            NameFull: Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE)
      – PersonEntity:
          Name:
            NameFull: Université Paris Dauphine-PSL
      – PersonEntity:
          Name:
            NameFull: Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
      – PersonEntity:
          Name:
            NameFull: Université Paris sciences et lettres
      – PersonEntity:
          Name:
            NameFull: Dario Colazzo
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2021
          Identifiers:
            – Type: issn-locals
              Value: edsbas
            – Type: issn-locals
              Value: edsbas.oa
          Titles:
            – TitleFull: https://theses.hal.science/tel-03580501 ; Document and Text Processing. Université Paris sciences et lettres, 2021. English. ⟨NNT : 2021UPSLD019⟩
              Type: main
ResultId 1