第1章  導論    1.1 語義技術(shù)概述    1.2 海量語義數(shù)據(jù)處理    1.3 LarKC概述    1.3.1.LarKC項目    1.3.2 LarKC技術(shù)概述    1.3.3 LarKC海量語義數(shù)據(jù)處理平 第1章 導論 1.1 語義技術(shù)概述 1.2 海量語義數(shù)據(jù)處理 1.3 LarKC概述 1.3.1.LarKC項目 1.3.2 LarKC技術(shù)概述 1.3.3 LarKC海量語義數(shù)據(jù)處理平臺概述 1.3.4 LarKC應(yīng)用技術(shù)開發(fā)概述 1.4 本章小結(jié) 參考文獻第一部分 技術(shù)篇 第2章 LarKC海量語義數(shù)據(jù)處理平臺 2.1 LarKC體系結(jié)構(gòu) 2.2 LarKC平臺的安裝與使用 2.2.1 獲取LarKC 2.2.2 運行LarKC 2.2.3 一個簡單工作流實例 2.3 工作流設(shè)計器 2.3.1 工作流設(shè)計器概覽 2.3.2 安裝及主要操作 2.4 LarKC插件概述 2.5 用戶支持和版權(quán)信息 2.6 本章小結(jié) 參考文獻 第3章 識別與選擇 3.1 識別方法與識別插件 3.2 基于興趣的選擇方法與插件實現(xiàn) 3.2.1 基本原理與基本算法 3.2.2 方法的可擴展性與效率比較 3.2.3 基于興趣的選擇插件設(shè)計與實現(xiàn) 3.3 隨機索引選擇方法與插件實現(xiàn) 3.3.1 語義索引 3.3.2 基于隨機索引與Lcene索引的檢索比較 3.4 選擇方法與選擇插件的應(yīng)用 3.4.1 基于興趣的選擇插件應(yīng)用示例 3.4.2 隨機索引選擇插件應(yīng)用示例 3.5 本章小結(jié) 附錄 第3.3.2 節(jié)相關(guān)詢問 參考文獻 第4章 抽象與轉(zhuǎn)換 4.1 機器學習 4.1.1 SUNS 4.1.2 機器學習插件 4.2 數(shù)據(jù)流 4.2.1 C-SPARQL 4.2.2 數(shù)據(jù)流插件 4.3 歸納與演繹結(jié)合的數(shù)據(jù)流推理 4.3.1 動機 4.3.2 數(shù)據(jù)流推理的結(jié)構(gòu)框架 4.4 本章小結(jié) 參考文獻 第5章 推理與決策 5.1 LarKC推理與決策插件 5.2 常規(guī)語義推理 5.2.1 OWLAPI推理機 5.2.2 SPARQLDL推理機 5.3 并行與分布式推理 5.3.1 采用MapReduce技術(shù)的海量分布性推理 5.3.2 采用WebPIE進行OWL分布性推理 5.4 基于規(guī)則的推理 5.5 本章小結(jié) 參考文獻 第6章 非常規(guī)語義推理 6.1 不一致本體的推理 6.1.1 語義網(wǎng)與不一致性 6.1.2 基本方法 6.1.3 LarKC平臺下的PION系統(tǒng) 6.2 轉(zhuǎn)折推理 6.2.1 基本定義 6.2.2 計算方法和實現(xiàn) 6.2.3 轉(zhuǎn)折推理插件 6.3 嘈雜語義數(shù)據(jù)的推理 6.3.1 基本定義 6.3.2 韓國首爾RSM系統(tǒng)示例 6.4 本章小結(jié) 參考文獻 第7章 LarKC系統(tǒng)與應(yīng)用開發(fā) 7.1 LarKC工作流開發(fā) 7.1.1 工作流圖 7.1.2 工作流描述 7.1.3 更復雜的一個示例 7.2 LarKC插件開發(fā) 7.2.1 LarKCMaven原型的使用 7.2.2 插件代碼編寫 7.2.3 整合插件到LarKC平臺 7.3 相關(guān)的開發(fā)工具 7.3.1 集成開發(fā)環(huán)境Eclipse 7.3.2 項目管理Maven 7.3.3 單元測試JUnit 7.3.4 版本控制SVN 7.4 本章小結(jié) 附錄 復雜的工作流描述示例 參考文獻第二部分 應(yīng)用篇 第8章 關(guān)聯(lián)生命數(shù)據(jù)集 8.1 概況 8.2 關(guān)聯(lián)生命數(shù)據(jù)組成 8.3 語義關(guān)聯(lián)構(gòu)造 8.4 關(guān)聯(lián)生命數(shù)據(jù)集的使用 8.4.1 關(guān)聯(lián)生命數(shù)據(jù)集關(guān)鍵詞查詢 8.4.2 關(guān)聯(lián)生命數(shù)據(jù)集SPARQL語義查詢 8.5 本章小結(jié) 參考文獻 第9章 生物醫(yī)學文獻語義檢索 9.1 需求分析 9.2 通過LLD進行醫(yī)學文獻檢索 9.3 醫(yī)學文獻語義標注 9.4 LarKC醫(yī)學文獻語義檢索插件 9.5 本章小結(jié) 參考文獻 第10章 海量語義數(shù)據(jù)處理與基因研究 10.1 概述 10.2 基因研究與語義數(shù)據(jù) 10.3 LarKC海量語義數(shù)據(jù)處理平臺用于GWAS研究 10.3.1 LarKC的GWAS插件 10.3.2 關(guān)鍵詞擴展推理器 10.3.3 GWAS識別器 10.3.4 GWAS工作流 10.4 本章小結(jié) 參考文獻 第11章 城市計算Ⅰ：交通與社交媒體 11.1 交通路線規(guī)劃 11.1.1 框架結(jié)構(gòu) 11.1.2 交通預測 11.1.3 語義交通路線規(guī)劃 11.1.4 評價 11.1.5 小結(jié) 11.2 社交媒體分析 11.2.1 概況 11.2.2 框架結(jié)構(gòu) 11.2.3 BOTTARI的LarKC工作流 11.3 本章小結(jié) 參考文獻 第12章 城市計算Ⅱ：路標管理 12.1 基本思想 12.2 RSM數(shù)據(jù)集與數(shù)據(jù)整合 12.2.1 RSM數(shù)據(jù)集 12.2.2 數(shù)據(jù)整合 12.2.3 路標的有效性審核 12.3 RSM語義數(shù)據(jù)處理 12.3.1 系統(tǒng)結(jié)構(gòu) 12.3.2.RSM工作流 12.3.3 ：RSM查詢與推理 12.4 RSM系統(tǒng)用戶界面 12.5 本章小結(jié) 參考文獻 第13章 海量語義數(shù)據(jù)處理技術(shù)展望 13.1 市場分析 13.1.1 語義技術(shù)的市場觀察和潛力 13.1.2 市場分析的結(jié)論 13.2 LarKC海量語義數(shù)據(jù)平臺應(yīng)用展望 13.2.1 藥物研發(fā)海量語義數(shù)據(jù)處理 13.2.2 語義技術(shù)用于政治文化分析 13.2.3 智能交通系統(tǒng) 13.2.4 基于語義技術(shù)的電子病歷 13.3 海量語義數(shù)據(jù)處理研究展望 13.4 結(jié)束語 參考文獻