Predicting query performance and explaining results to assist Linked Data consumption

Rakebul Hasan 1
1 WIMMICS - Web-Instrumented Man-Machine Interactions, Communities and Semantics
CRISAM - Inria Sophia Antipolis - Méditerranée , SPARKS - Scalable and Pervasive softwARe and Knowledge Systems
Résumé : Prédire les performances des requêtes et expliquer les résultats pour assister la consommation de données liées. Notre objectif est d'aider les utilisateurs à comprendre les performances d'interrogation SPARQL, les résultats de la requête, et dérivations sur les données liées. Pour aider les utilisateurs à comprendre les performances des requêtes, nous fournissons des prévisions de performances des requêtes sur la base de d’historique de requêtes et d'apprentissage symbolique. Nous n'utilisons pas de statistiques sur les données sous-jacentes à nos prévisions. Ce qui rend notre approche appropriée au Linked Data où les statistiques sont souvent absentes. Pour aider les utilisateurs des résultats de la requête dans leur compréhension, nous fournissons des explications de provenance. Nous présentons une approche sans annotation pour expliquer le “pourquoi” des résultats de la requête. Notre approche ne nécessite pas de reconception du processeur de requêtes, du modèle de données, ou du langage de requête. Nous utilisons SPARQL 1.1 pour générer la provenance en interrogeant les données, ce qui rend notre approche appropriée pour les données liées. Nous présentons également une étude sur les utilisateurs montrant l'impact des explications. Enfin, pour aider les utilisateurs à comprendre les dérivations sur les données liées, nous introduisons le concept d’explications liées. Nous publions les métadonnées d’explication comme des données liées. Cela permet d'expliquer les résultats en suivant les liens des données utilisées dans le calcul et les liens des explications. Nous présentons une extension de l'ontologie PROV W3C pour décrire les métadonnées d’explication. Nous présentons également une approche pour résumer ces explications et aider les utilisateurs à filtrer les explications.
Type de document :
Thèse
Web. Université Nice Sophia Antipolis, 2014. English. <NNT : 2014NICE4082>
Domaine :
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01127124
Contributeur : Abes Star <>
Soumis le : samedi 7 mars 2015 - 00:14:46
Dernière modification le : mercredi 14 décembre 2016 - 01:07:11
Document(s) archivé(s) le : lundi 8 juin 2015 - 10:31:17

Fichier

2014NICE4082.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01127124, version 1

Collections

Citation

Rakebul Hasan. Predicting query performance and explaining results to assist Linked Data consumption. Web. Université Nice Sophia Antipolis, 2014. English. <NNT : 2014NICE4082>. <tel-01127124>

Partager

Métriques

Consultations de
la notice

273

Téléchargements du document

378