龐亞君

摘 ? 要：我們的生活中幾乎所有的事物都或多或少的具有時(shí)態(tài)特征，時(shí)態(tài)數(shù)據(jù)的處理已經(jīng)成為當(dāng)前重要的研究熱點(diǎn)之一。時(shí)態(tài)信息處理在電子商務(wù)、數(shù)據(jù)挖掘、信息提取、電力系統(tǒng)、醫(yī)療系統(tǒng)、時(shí)空和多媒體信息技術(shù)以及網(wǎng)絡(luò)應(yīng)用等方面發(fā)揮著越來(lái)越重要的作用。另一方面，為了提高互聯(lián)網(wǎng)的智能程度，語(yǔ)義網(wǎng)的不斷發(fā)展。資源描述框架（RDF）作為語(yǔ)義網(wǎng)實(shí)現(xiàn)的基礎(chǔ)，因此大量時(shí)態(tài)RDF格式的數(shù)據(jù)涌入網(wǎng)絡(luò)。截止到目前為止，并沒(méi)有針對(duì)時(shí)態(tài)RDF數(shù)據(jù)的有效存儲(chǔ)方案。在原有時(shí)態(tài)RDF模型的基礎(chǔ)之上， 分析了傳統(tǒng)RDF存儲(chǔ)方式在時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)上的可行性并提出了一種新的存儲(chǔ)方案。

關(guān)鍵詞：時(shí)態(tài)RDF;時(shí)態(tài)數(shù)據(jù)庫(kù);語(yǔ)義網(wǎng);時(shí)態(tài)數(shù)據(jù)存儲(chǔ)

中圖分類號(hào)：TP311 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

（College of Computer Science and Technology， Nanjing University of Aeronautics and Astronautics， Nanjing， Jiangsu 210000，China）

Abstract：Almost everything in our life has more or less temporal features. The temporal data processing， has become one of the important research hotspot at present. The processing of temporal information play an increasingly important role in electronic commerce，data mining， information extraction， power system， medical system， spatial information technology and multimedia and network applications. On the other hand， in order to improve the intelligence of the internet， the semantic network continues to develop，the resource description framework（RDF） is the basis for the implementation of the semantic network， so a large number of temporal RDF format data are poured into the network. Up to now， there is no effective storage scheme for temporal RDF data. Based on the original temporal RDF model，this paper analyzes the feasibility of traditional RDF storage mode in temporal RDF data storage，and proposes a new storage scheme.

Key words：temporal RDF;temporal database;semantic web;temporal data storage

隨著時(shí)態(tài)數(shù)據(jù)與語(yǔ)義網(wǎng)的不斷發(fā)展，越來(lái)越多時(shí)態(tài)RDF格式的數(shù)據(jù)涌入網(wǎng)絡(luò)。在對(duì)時(shí)態(tài)RDF的早期研究中Buraga等人提出了一個(gè)基于 RDF 模型網(wǎng)站關(guān)系的時(shí)空表示法，并定義了 TRSL（Timed Raise Specification Language，時(shí)態(tài)性增強(qiáng)規(guī)范語(yǔ)言），使用 XML（eXtensible Markup Language，可擴(kuò)展標(biāo)記語(yǔ)言）表示區(qū)間時(shí)態(tài)邏輯的一系列不同操作[1]。Gutierrez 首次提出了時(shí)態(tài) RDF 的語(yǔ)法語(yǔ)義以及查詢語(yǔ)言[2]，但只是針對(duì)限定三元組。Andrea 等人補(bǔ)充了非限定三元組的語(yǔ)法語(yǔ)義[3]。Geetha等人針對(duì)海量 RDF 存儲(chǔ)和語(yǔ)義網(wǎng)大量歷史數(shù)據(jù)存儲(chǔ)的問(wèn)題提出了一個(gè)基于語(yǔ)義的時(shí)態(tài)視圖機(jī)制[4]。時(shí)態(tài)

RDF 由于其獨(dú)特的語(yǔ)義支持和推理機(jī)制，通常應(yīng)用于人工智能領(lǐng)域，如 Mohamed Gaha等人將時(shí)態(tài) RDF 運(yùn)用到電力系統(tǒng)中[5]，并通過(guò)實(shí)驗(yàn)給出了存儲(chǔ)以及查詢性能。

時(shí)態(tài)RDF在語(yǔ)義搜索、電力系統(tǒng)等方面發(fā)揮的作用越來(lái)越大，且網(wǎng)絡(luò)中時(shí)態(tài)RDF格式數(shù)據(jù)也越來(lái)越多，但與此相矛盾的是，針對(duì)時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)的研究相對(duì)甚少。因此，對(duì)幾種時(shí)態(tài)RDF不同的存儲(chǔ)方式以及存儲(chǔ)算法進(jìn)行對(duì)比分析，提出了一種切實(shí)可行的時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)方案。

1 ? 時(shí)態(tài)RDF模型

目前對(duì)RDF的時(shí)態(tài)擴(kuò)展主要有兩個(gè)方式，一個(gè)是時(shí)間標(biāo)簽法，一個(gè)是版本更新發(fā)。時(shí)態(tài)標(biāo)簽法就是給產(chǎn)生變化的三元組添加時(shí)間標(biāo)簽;版本更新法即每當(dāng)三元組發(fā)生變化時(shí)，時(shí)態(tài)RDF圖會(huì)被更新，不必關(guān)心過(guò)去狀態(tài)的時(shí)態(tài)RDF圖存在何處，只需要記錄更新后的時(shí)間快照即可。兩者在處理時(shí)態(tài)信息時(shí)各有優(yōu)勢(shì)，版本更新法可以更有效的獲取事務(wù)時(shí)間，而在獲取有效時(shí)間時(shí)通常使用時(shí)態(tài)標(biāo)簽法。當(dāng)時(shí)態(tài)信息越多也就是RDF圖更新頻率越快時(shí)，那么產(chǎn)生的新版本也會(huì)越多，不斷記錄更新后的RDF圖無(wú)疑增加了查詢的復(fù)雜度，而時(shí)間標(biāo)簽法保留了RDF原有的可擴(kuò)展性。因此現(xiàn)有的時(shí)態(tài)RDF模型都是采用時(shí)態(tài)標(biāo)簽法進(jìn)行時(shí)態(tài)擴(kuò)展。

Gutiérrez在對(duì)RDF的時(shí)態(tài)擴(kuò)展中采用時(shí)間點(diǎn)的方式，但是因?yàn)闀r(shí)間區(qū)間的表示方式同樣可以表達(dá)時(shí)間點(diǎn)。例如一個(gè)區(qū)間[t1，t2]且t1≤t2，表示從t1到t2之間的一段時(shí)間，而當(dāng)t1 = t2時(shí)，此時(shí)時(shí)間區(qū)間就變?yōu)橐粋€(gè)時(shí)間點(diǎn)t1或t2。圖1為一個(gè)時(shí)態(tài)RDF實(shí)例圖，每條邊上都由一個(gè)時(shí)間區(qū)間表示三元組的有效時(shí)間，其中[0，NOW]表示三元組自文檔創(chuàng)建直到當(dāng)前時(shí)間一直有效。

2 ? 時(shí)態(tài)RDF存儲(chǔ)策略

2.1 ? 時(shí)態(tài)RDF數(shù)據(jù)映射方式

隨著各大廠商對(duì)關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)的不斷開(kāi)發(fā)與升級(jí)，利用關(guān)系型數(shù)據(jù)庫(kù)管理RDF數(shù)據(jù)成為研究RDF存儲(chǔ)的主要方向。將RDF格式的數(shù)據(jù)映射到關(guān)系型數(shù)據(jù)庫(kù)中大致可以分為三種方式：直接映射、垂直映射以及屬性表映射。下面分別就著幾種映射方式在時(shí)態(tài)RDF存儲(chǔ)中的應(yīng)用進(jìn)行分析和對(duì)比并提出了一種新的存儲(chǔ)方式。

（1）直接映射方式

直接映射的存儲(chǔ)方式就是在TimeDB[6]建立一張表格，將所有的三元組以及有效時(shí)間標(biāo)簽直接插入，因?yàn)闀r(shí)態(tài)RDF數(shù)據(jù)的有效時(shí)間標(biāo)簽表示的是一個(gè)RDF三元組在現(xiàn)實(shí)世界中真實(shí)存在的時(shí)間，因此，直接映射的存儲(chǔ)方式能夠很好的保持時(shí)態(tài)RDF數(shù)據(jù)的語(yǔ)義完整性，且在查詢過(guò)程中很大程度上減少了連接操作。但是將所有的三元組以（S，P，O）：T的方式存儲(chǔ)在一張龐大的表格中，每次進(jìn)行查詢操作的時(shí)候都要對(duì)整個(gè)表格進(jìn)行遍歷，效率十分低下。對(duì)于不斷增加直至海量的時(shí)態(tài)RDF數(shù)據(jù)，這種存儲(chǔ)模式顯然不能很好的勝任。

（2）垂直映射方式

垂直映射方式就是以屬性為中心，將同種屬性的三元組存儲(chǔ)在一張以屬性名稱命名的表格中，對(duì)于一個(gè)用戶的幾種不同屬性，在每一個(gè)屬性表中，其有效時(shí)間區(qū)間都進(jìn)行了存儲(chǔ)，當(dāng)屬性不斷增加的時(shí)候，那么同一個(gè)有效時(shí)間區(qū)間要進(jìn)行大量重復(fù)的存儲(chǔ)。雖然垂直映射的存儲(chǔ)方式在存儲(chǔ)傳統(tǒng)RDF數(shù)據(jù)時(shí)，可以有效的減少由于屬性名重復(fù)出現(xiàn)的空間浪費(fèi)現(xiàn)象，但是對(duì)于時(shí)態(tài)RDF數(shù)據(jù)來(lái)說(shuō)，有效時(shí)間標(biāo)簽的重復(fù)存儲(chǔ)會(huì)造成更大程度的存儲(chǔ)空間

浪費(fèi)。

（3）屬性表映射方式

雖然屬性表映射方式在處理傳統(tǒng)RDF數(shù)據(jù)時(shí)，很好地解決了頻繁自連接操作的問(wèn)題，卻不適用于時(shí)態(tài)RDF數(shù)據(jù)的存儲(chǔ)。主要原因是沒(méi)有很好的辦法存放有效時(shí)間標(biāo)簽。比如當(dāng)插入三元組的有效時(shí)間區(qū)間與其對(duì)應(yīng)屬性表中的有效時(shí)間區(qū)間不同時(shí)，只能通過(guò)再添加新的屬性類表來(lái)實(shí)現(xiàn)，這對(duì)于海量時(shí)態(tài)RDF數(shù)據(jù)的處理顯然是不現(xiàn)實(shí)的。

（4）本體實(shí)例分別存儲(chǔ)方式

綜合考慮到以上三種存儲(chǔ)方式的優(yōu)缺點(diǎn)，提出了一種本體實(shí)例分別存儲(chǔ)的存儲(chǔ)模型。時(shí)態(tài)數(shù)據(jù)處理除了要對(duì)時(shí)態(tài)數(shù)據(jù)合理存儲(chǔ)之外，還要注重時(shí)態(tài)知識(shí)推理部分。對(duì)于時(shí)態(tài)RDF來(lái)說(shuō)，即以時(shí)態(tài)RDF語(yǔ)義蘊(yùn)含為理論基礎(chǔ)的推理機(jī)制，在將一個(gè)時(shí)態(tài)RDF三元組插入到數(shù)據(jù)庫(kù)中的時(shí)候，同時(shí)要將其蘊(yùn)含的非直接聲明的時(shí)態(tài)三元組一并插入?？紤]到時(shí)態(tài)RDF推理中所涉及到的三元組主要以本體類型方式存在（例如謂語(yǔ)包含rdfs：SubclassOf以及rdfs：SubpropertyOf等屬性的三元組），因此將本體與實(shí)例分別存儲(chǔ)的方式會(huì)使得時(shí)態(tài)RDF數(shù)據(jù)的存儲(chǔ)更加具有層次性。這種存儲(chǔ)方式相較于直接映射方式更加具有層次性，且本體和實(shí)例信息分別存儲(chǔ)在一定程度上解決了直接映射方式數(shù)據(jù)表過(guò)于龐大、效率低下的問(wèn)題;而對(duì)于屬性表映射和垂直映射方式來(lái)說(shuō)，這種存儲(chǔ)方式解決了數(shù)據(jù)表過(guò)多，連接操作頻繁的問(wèn)題，且更好的保證了時(shí)態(tài)RDF語(yǔ)義的完整性。詳細(xì)的模型設(shè)計(jì)在3.2中給出。

2.2 ? 存儲(chǔ)模型設(shè)計(jì)

2.2.1 ? 存儲(chǔ)結(jié)構(gòu)

由于時(shí)態(tài)RDF的時(shí)態(tài)特性是針對(duì)三元組的，比如某一三元組（s，p，o），其時(shí)態(tài)性并不是說(shuō)主語(yǔ)、謂語(yǔ)或者賓語(yǔ)在某一段時(shí)間有效，這顯然不符合實(shí)際。時(shí)態(tài)RDF是說(shuō)這個(gè)三元組整體的有效時(shí)間區(qū)間，因此在存儲(chǔ)時(shí)態(tài)RDF數(shù)據(jù)時(shí)，只有與三元組有關(guān)的存儲(chǔ)才涉及時(shí)間特性，而對(duì)于RDF資源表、文字類型屬性表等不涉及時(shí)間特性。若是將所有的類型都以時(shí)態(tài)表的形式存儲(chǔ)，會(huì)造成很大程度的空間浪費(fèi)。而且現(xiàn)有的時(shí)態(tài)數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)都是以在傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)的基礎(chǔ)之上增加時(shí)態(tài)中間件實(shí)現(xiàn)的，因此時(shí)態(tài)數(shù)據(jù)庫(kù)具有向上兼容特性，在支持時(shí)態(tài)查詢語(yǔ)言的同時(shí)，傳統(tǒng)SQL語(yǔ)言也被支持，所以同時(shí)創(chuàng)建時(shí)態(tài)表和非時(shí)態(tài)表是可行的。

另外，系統(tǒng)將本體信息與實(shí)例存儲(chǔ)在不同的表格中，因?yàn)楸倔w信息需要被經(jīng)常訪問(wèn)，將之與實(shí)例數(shù)據(jù)存儲(chǔ)在一起，效率低下，且這種存儲(chǔ)模式使得結(jié)構(gòu)更為清晰，其中rdf：type類型也同本體信息一起存儲(chǔ)，否則單獨(dú)建立一個(gè)表格會(huì)增加連接操作，影響存儲(chǔ)性能。具體的存儲(chǔ)模型設(shè)計(jì)如圖2所示：

2.2.2 ? 存儲(chǔ)規(guī)則

規(guī)則1（時(shí)態(tài)RDF類資源映射）：將形式化名稱集合定義為N，命名空間為Ns，URI集合定義為U，那么對(duì)于集合RDF類資源C來(lái)說(shuō)，存在映射Re：U→N∪Ns。

每一個(gè)時(shí)態(tài)RDF資源都以形式化名稱和命名空間URI的格式存儲(chǔ)在Class_Table表中。

規(guī)則2（時(shí)態(tài)RDF屬性類資源）：對(duì)于屬性資源集合P來(lái)說(shuō)，都包含文字型屬性值PL和PU非文字型 ，對(duì)于非文字型映射規(guī)則同定義1相同，而對(duì)于每個(gè)文字型屬性值p∈PL來(lái)說(shuō)，存在映射Rp：p→L，其中L為文字標(biāo)簽集合。文字類型屬性資源存儲(chǔ)在表格Literals中。而非文字類型的屬性資源則存儲(chǔ)相應(yīng)的資源名，同Class_Table相連接。

規(guī)則3（有效時(shí)間區(qū)間映射）：給定時(shí)間區(qū)間集合Tl和時(shí)間點(diǎn)集合Tp，那么對(duì)于每一個(gè)時(shí)態(tài)RDF三元組的有效時(shí)間區(qū)間t∈Tl來(lái)說(shuō)，存在映射Rt：t →{（t1，t2）|t1，t2∈Tp}。也就是說(shuō)，對(duì)于時(shí)態(tài)RDF三元組的時(shí)間標(biāo)簽，要以起止時(shí)間和終止時(shí)間分別存儲(chǔ)為兩列的方式存儲(chǔ)在關(guān)系表中。

另外對(duì)于時(shí)態(tài)RDF數(shù)據(jù)到數(shù)據(jù)庫(kù)中的映射還有如下規(guī)則：

規(guī)則4（推理規(guī)則存儲(chǔ)）：不同于一般的時(shí)態(tài)數(shù)據(jù)，時(shí)態(tài)RDF具有語(yǔ)義特性，所以要建立一個(gè)Rule_Table存放用于推理規(guī)則以及個(gè)三元組之間的關(guān)系。

規(guī)則5（非時(shí)態(tài)RDF三元組的存儲(chǔ)）：雖然時(shí)態(tài)數(shù)據(jù)庫(kù)TimeDB的向上兼容特性允許同時(shí)創(chuàng)建時(shí)態(tài)表和非時(shí)態(tài)表，但是為了減少連接操作，對(duì)于RDF三元組一直認(rèn)為是時(shí)態(tài)類型，對(duì)于非時(shí)態(tài)類型的三元組時(shí)間區(qū)間默認(rèn)用[0，Now]表示一直有效，對(duì)于只給定年份的有效時(shí)間區(qū)間，默認(rèn)從一月一日開(kāi)始到十二月三十一日結(jié)束（即XXXX-01-01到XXXX-12-31）。

2.3 ? 存儲(chǔ)算法

存儲(chǔ)算法根據(jù)遍歷對(duì)象的不同分為兩種：一種直接按照RDF/XML文檔的組織順序，逐條將解析出的時(shí)態(tài)RDF三元組插入數(shù)據(jù);第二種是對(duì)時(shí)態(tài)RDF圖中的節(jié)點(diǎn)進(jìn)行遍歷，分為廣度優(yōu)先遍歷和深度優(yōu)先遍歷。

定義1：給定時(shí)態(tài)RDF圖G（V，E），其中V表示圖中所有節(jié)點(diǎn)的集合，E表示所有邊的集合，且E=P∪T，P表示時(shí)態(tài)RDF圖邊上所有謂詞節(jié)點(diǎn)的集合，T表示所有有效時(shí)間標(biāo)簽集合。

由于在時(shí)態(tài)RDF圖中不存在孤立的節(jié)點(diǎn)，也就是說(shuō)圖G中節(jié)點(diǎn)的個(gè)數(shù)|V|要小于G中邊的個(gè)數(shù)|E|，因此使用深度優(yōu)先遍歷訪問(wèn)節(jié)點(diǎn)時(shí)，時(shí)間復(fù)雜度O（E 2/|V|），而廣度優(yōu)先遍歷算法的時(shí)間復(fù)雜復(fù)雜度為O（|E|/|V|）比較兩種算法的時(shí)間復(fù)雜度可知，BFS的方法要優(yōu)于DFS的方法，因此本文也選用BFS算法對(duì)時(shí)態(tài)RDF圖進(jìn)行遍歷，部分代碼實(shí)現(xiàn)如下，其中l(wèi)表示單向隊(duì)列：

while（V）

//從任意節(jié)點(diǎn)開(kāi)始

while（v）

v.visited（）;

for all v′s children

store all the triples have subject v and timestamp t;

if（v.child.isVisited（）==false）

l.push（v.child）;

if（v.parent==null）

V.remove（v）;

v←l.pop（ ?）;

3 ? 實(shí) ? 驗(yàn)

3.1 ? 實(shí)驗(yàn)內(nèi)容

實(shí)驗(yàn)內(nèi)容分為兩個(gè)部分，一是對(duì)存儲(chǔ)模型的驗(yàn)證，二是對(duì)存儲(chǔ)算法的驗(yàn)證。第一個(gè)實(shí)驗(yàn)通過(guò)三個(gè)復(fù)雜度不同的查詢語(yǔ)句在統(tǒng)一數(shù)據(jù)集上進(jìn)行驗(yàn)證，對(duì)其查詢時(shí)間進(jìn)行分析，其中Q1與Q2查詢語(yǔ)句針對(duì)實(shí)例信息，Q3針對(duì)本體信息，且Q2要比Q1更為復(fù)雜。第二個(gè)實(shí)驗(yàn)通過(guò)在三個(gè)不同規(guī)模的數(shù)據(jù)集上使用不同遍歷算法得到的數(shù)據(jù)載入時(shí)間進(jìn)行對(duì)比分析。

3.2 ? 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)環(huán)境

由于目前時(shí)態(tài)RDF模型尚未形成標(biāo)準(zhǔn)等原因，沒(méi)有可供使用的現(xiàn)成的時(shí)態(tài)RDF數(shù)據(jù)集，因此我們選用兩種不同規(guī)模的現(xiàn)實(shí)世界數(shù)據(jù)以及一組模擬數(shù)據(jù)真實(shí)數(shù)據(jù)分別采用Semantic web-related bibliography[7]數(shù)據(jù)集和Polling data[8]數(shù)據(jù)集以及采用LUBM[9]隨機(jī)生成的高校數(shù)據(jù)。RDF三元組的有效時(shí)間標(biāo)簽生成遵循兩個(gè)要求：第一是每個(gè)有效時(shí)間區(qū)間的中點(diǎn)在1-1000之間隨機(jī)生成，然后在高斯分布中獲取有效時(shí)間區(qū)間的大小。

3.3 ? 實(shí)驗(yàn)結(jié)果及分析

通過(guò)三種遍歷方式分別在三個(gè)規(guī)模不同的數(shù)據(jù)集上數(shù)據(jù)載入時(shí)間的對(duì)比可以看出，采用存儲(chǔ)算法要比直接讀取時(shí)態(tài)RDF文檔逐條存取的方式更加高效，且BFS遍歷方式要比DFS遍歷方式表現(xiàn)更優(yōu)，更加驗(yàn)證了本文采用BFS遍歷算法的高效性。

通過(guò)圖表可以看出，由于Q1查詢語(yǔ)句相對(duì)簡(jiǎn)單，沒(méi)有涉及到過(guò)多的表連接操作，因此兩種存儲(chǔ)模型差距不大;對(duì)于Q2語(yǔ)句來(lái)說(shuō)，由于直接存儲(chǔ)的方式存儲(chǔ)三元組的表格只有一張，而本文的存儲(chǔ)模型通過(guò)本體表和實(shí)例表分別存儲(chǔ)時(shí)態(tài)RDF三元組數(shù)據(jù)，表連接操作耗時(shí)較多，因此對(duì)于查詢語(yǔ)句較為復(fù)雜的時(shí)候并沒(méi)有太大的優(yōu)勢(shì);Q3是針對(duì)本體信息的查詢，在使用本文的存儲(chǔ)模型時(shí)，直接訪問(wèn)本體信息表，而傳統(tǒng)存儲(chǔ)方式需要遍歷整個(gè)三元組表，因此在對(duì)于本體信息查詢的時(shí)候，本文提出的存儲(chǔ)模型更加高效。

4 ? 結(jié) ? 論

目前，時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)技術(shù)的研究還處于起步階段，在傳統(tǒng)RDF存儲(chǔ)技術(shù)的研究基礎(chǔ)之上，將不同的映射方式在時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)上的應(yīng)用進(jìn)行分析與對(duì)比，并提出了一種本體實(shí)例分別存儲(chǔ)的映射方式，就兩種存儲(chǔ)算法進(jìn)行分析討論，選定了較為高效的DFS遍歷算法，最終通過(guò)關(guān)系表的設(shè)計(jì)，提出了一種時(shí)態(tài)RDF數(shù)據(jù)存儲(chǔ)方案，并通過(guò)實(shí)驗(yàn)證明了存儲(chǔ)模型的高效性。

參考文獻(xiàn)

[1] ? ?BURAGA S，CIOBANU G. A RDF-based model for expressing spatio-temporal relations between web sites[C]// International Conference on Web Information Systems Engineering. IEEE Computer Society，2002：355—361.

[2] ? ?GUTIERREZ C ， HURTADO C ， VAISMAN R . Temporal RDF[J].Lecture Notes in Computer Science， 2005， 3532：93—107.

[3] ? ?PUGLIESE A，UDREA O，SUBRAHMANIAN V S. Scaling RDF with time[C]// International Conference on World Wide Web. ACM，2008：605—614.

[4] ? MANJUNATH G，BADRINATH R，SAYERS C，et al. Temporal views over RDF data[C]// International Conference on World Wide Web. ACM，2008：1131—1132.

[5] ? ?GAHA M，ZINFLOU A，BOUFFARD A，et al. Temporal RDF system for power utilities[C]// SEMAPRO 2015：The Ninth International Conference on Advances in Semantic Processing，2015.

[6] ? SLIVINSKAS G，JENSEN C S，SNODGRASS R T. Adaptable query optimization and evaluation temporal middleware[P]. ACM，2002.

[7] ? ?University of Georgia semantic web-related bibliography[EB/OL].

http：//www.arches.uga.edu/～vstaub/GlobalInfoSys/project/ontology/Could_have_been.rdf

[8] ? ?U.S. presidential polling data[EB/OL]. http：//www.mindswap.org/～kendall/ev/allpolls.rdf

[9] ? ?GUO Y，PAN Z，HEFLIN J. LUBM：a benchmark for OWL knowledge base systems[M]//Elsevier Science Publishers，2005.