YARM:基于MapReduce的高效可扩展的语义推理引擎

随着语义网的快速发展,RDF语义数据大量涌现.大规模RDF语义数据推理的一个主要问题是计算量大、完成计算需要消耗很长的时间.显然,传统的单机语义推理引擎难以处理大规模的语义数据.另一方面,现有的基于MapReduce的大规模语义推理引擎,缺乏对算法在分布和并行计算环境下执行效率的优化,使得推理时间仍然较长.此外,现有的推理引擎大多存在可扩展性方面的不足,难以适应大规模语义数据的增长需求.针对现有的语义推理系统在执行效率和可扩展性方面的不足,文中提出了一种基于MapReduce的并行化语义推理算法和引擎YARM.为了实现分布和并行计算环境下的高效推理,YARM做出了以下4点优化:(1)采用合理的数据划分模型和并行化算法,降低计算节点间的通信开销;(2)优化推理规则的执行次序,提升了推理计算速度;(3)设计了简洁的去重策略,避免新增作业处理重复数据;(4)设计实现了一种新的基于MapReduce的并行化推理算法.实验结果表明,在真实数据集和大规模合成数据集上,YARM的执行速度比当前最新的基于MapReduce的推理引擎快10倍左右,同时YARM还表现出更好的数据和系统可扩展性.     

面向问题求解的计算机专业基础课程的重构与实践

现行计算机学科专业基础教学中,课程体系以层次结构组织知识,教学模式以知识传授为主要目的,而能力培养却没有得到充分重视。文章介绍南京大学计算机科学与技术系近年来在此方面的教学改革,改革的基本内容包括在课程体系上以算法和平台为两条主线进行面向问题求解的基础课程重构,在教学过程中探索以"学生自学习+教师深入引导"为主的教学模式。     

3维地质体模型中闭合结构的提取

在地质体建模中,曲面问的拓扑结构分析是一个非常重要的步骤.为了得到块体结构的模型,需要对层面模型内所有的曲面进行全局性的拓扑分析.当层面模型的数据规模极其庞大的时候,这种全局性的分析势必要受到内存容量的限制.为了提高运算速度,提出了一种基于简化面片的闭合块体构造算法,该算法可将模型内所有的曲面数据尽可能地简化,仅仅保留交线附近的关键数据.这种简化后的层面模型既包含了全局的拓扑信息,又可以完全载入内存.实验结果表明,该算法不仅具有较快的拓扑分析速度,并能适用于大规模的地质体模型的构建.     

美国一流大学计算机组成与系统结构实验课程研究

文章针对美国一流大学的计算机组成与系统结构实验课程进行研究,重点介绍UC Berkeley,MIT,Stanford University,CMU相关实验课程的内容和特色,为我国大学计算机组成与系统结构实验课程今后的改革与发展提供参考。     

轮廓字网格编织带修饰效果的实现

利用计算机进行设计各种字形修饰效果一直是计算机图形学的重要内容之一.本文给出了在轮廓字表面上构造网格点,基于这些网格点进行Delaunay三角剖分,并转换为3-4网格,最后在网格上实现编织带修饰效果的具体实现方法.其中3-4网格由良构的四边形单元和少量辅助三角形单元构成,在其上实现了较好的编织带修饰的效果.     

基于语义的词义消歧算法初探*

词义消歧是自然语言处理中的难题之一。结合《知网》,从语义的角度出发,结合词性信息、搭配实例和语义相关度等信息,提出了一种多策略的词义消歧方法。     

数字图像水印综述

将主要对数字图像水印进行综述,分析其模型、主要属性、应用领域、经典算法和常见攻击手段,最后展望数字图像水印的发展方向。     

多媒体PC中AVI视频文件格式剖析

本文对ＭＰＣ中的ＡＶＩ视频文件格式进行了详细剖析，并阐述了这种文件格式对音视频同步控制，数据压缩和解压缩等处理的支持。