JPT
/
bachelorthesis
0
0
Fork 0
Code Issues Pull Requests Activity

[TASK] Generic Commit.

This commit is contained in:
Jan Philipp Timme 2016-08-04 17:40:29 +02:00
parent 6c98a5b60b
commit c599148972
1 changed files with 12 additions and 5 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

17
Bachelorarbeit.tex
View File

@ -174,8 +174,15 @@ An einem Beispielszenario soll dann der Praxiseinsatz von C-SPARQL erklärt werd
\todo{Ausformulieren}
\subsection{Beispielszenario für diesen Kontext}
\chapter{RDF und das semantische Web}
Autoverleih?
\chapter{Grundlagen}
\section{RDF und das semantische Web}
\begin{itemize}
\item Was ist RDF?
@ -190,7 +197,7 @@ An einem Beispielszenario soll dann der Praxiseinsatz von C-SPARQL erklärt werd
\end{itemize}
\section{RDF im semantischen Web}
\subsection{RDF im semantischen Web}
Das Ressource Description Framework (RDF) wird bereits im semantischen Web zur Erfassung und Verknüpfung von Wissen verwendet. RDF-Daten bestehen aus einer Menge von Tripeln, welche sich aus den drei Komponenten Subjekt, Prädikat und Objekt zusammensetzen. Ein Subjekt wird durch eine eindeutige URI identifiziert; über Prädikate können diesem Subjekt mit Spezifikation im Objekt-Teil des Tripels bestimmte Attribute mit Werten zugesprochen werden oder Verknüpfungen mit anderen Subjekten hergestellt werden. Aufgrund der Flexibilität dieser Struktur ist es möglich, nahezu jede Art von Informationen auf Tripel abzubilden, wie Listing~\ref{lst:sample_rdf_data} an einem Beispiel zeigt.
@ -213,7 +220,7 @@ Zusätzlich werden im semantischen Web in OWL (Web Ontology Language) formuliert
Weiterhin ist es möglich, beliebig viele verschiedene Ontologien gleichzeitig zu verwenden. Diese Flexibilität ermöglicht beispielsweise, dass eine bereits in RDF abgebildete Person durch beliebige Informationen mit weiteren Ontologien ergänzt werden kann, oder dass die Informationen einer abgebildeten Person in verschiedenen, für andere Parteien geläufigen Strukturen verfügbar gemacht werden können. Auch kann innerhalb einer Ontologie auf Objektklassen und Attribute zurückgegriffen werden, die in anderen Ontologien definiert werden. Dies ermöglicht neben Erweiterungen für spezifische Zwecke auch das Übersetzen von Wissen zwischen verschiedenen Ontologien.
\section{Abfrage von RDF-Daten via SPARQL}
\subsection{Abfrage von RDF-Daten via SPARQL}
\begin{itemize}
\item SPARQL als Abfragesprache
@ -253,7 +260,7 @@ CONSTRUCT {
\end{lstlisting}
\section{Schlussfolgerungen auf RDF-Daten}
\subsection{Schlussfolgerungen auf RDF-Daten}
\begin{itemize}
\item Was ist Reasoning?
@ -275,7 +282,7 @@ Da Ontologien auch genutzt werden können, um Wissen aus den Strukturen einer On
Diesen Vorteil erkauft man sich durch einen nicht unerheblichen Einsatz von Rechenleistung, da im Prozess des Reasoning eine Menge von zusätzlichen Daten entsteht, für die zusätzlich zu den bereits vorhandenen Daten die Regeln aller genutzten Ontologien berücksichtigt werden müssen. Behandelt man lediglich statische Daten, die sich kaum bis garnicht ändern, so ist der nötige Aufwand für Reasoning übersichtlich und liegt auch für große Mengen von Daten und Ontologien in einem akzeptablem Rahmen. Ändern sich jedoch häufig Daten, so muss für das Subset der sich geänderten Daten der Reasoning-Prozess erneut durchgeführt werden um eine vollständig aktuelle Datenbasis zu erhalten.
\chapter{Einführung in Complex Event Processing}
\section{Einführung in Complex Event Processing}
\begin{itemize}
\item Definition von CEP