Jena TDB经过推理，然后更新

Question

我正在使用Jena，我想将新的本体更新到我的tdb中。例如。我的本体中有100行，在我添加一些规则并运行推理器之后，现在有105行了。我需要在我的tdb中更新这5行。我怎么才能完成这件事？

我试着搜索它，我找到了两种方法。一种是使用sparql更新，另一种是截断tdb并将新模型添加到其中。

还有其他更好的解决办法吗？

谢谢你

--

代码

void after_reasoner(Model m) {

    String yago = "http://yago-knowledge.org/resource/";

    Reasoner reasoner = new GenericRuleReasoner(
            Rule.rulesFromURL("file:./rules/act.rule"));

    InfModel inf1 = ModelFactory.createInfModel(reasoner, m);

    PrintUtil.registerPrefix("yago", "http://yago-knowledge.org/resource/");

    }

因此，我的问题是如何处理对我的tdb的新"infmodel“。我只想更新新的事实。

这是我从tdb获取模型的方法。

Model tdb_write_return() {
    String directory = "./tdb";
    Dataset dataset = TDBFactory.createDataset(directory);

    dataset.begin(ReadWrite.WRITE);
    String ns = "http://www.darrell.com.tw/ontologies/";

    Model model = dataset.getNamedModel(ns);
    dataset.commit();
    dataset.end();
    dataset.close();

    return model;
}

Answer 1

注意到，从TDBFactory获得的Datset的生存期应该比从TDBFactory获得的Model对象长。如果在该数据集中调用Dataset.close()，则与返回模型的交互可能会突然发生错误。

物化扣减

关于您的问题，如果您想保留推断出的三元组，则需要将它们添加回基础模型中。这可以利用现有的图表，而不是替换任何东西。

final String directory = "./tdb";
final String ns = "http://www.darrell.com.tw/ontologies/";

final Dataset dataset = TDBFactory.createDataset(directory);

dataset.begin(ReadWrite.WRITE);
try {
   Model model = dataset.getNamedModel(ns);

   final Reasoner reasoner = new GenericRuleReasoner(Rule.rulesFromURL("file:./rules/act.rule"));
   final InfModel infModel = ModelFactory.createInfModel(reasoner, m);
   infModel.prepare()
   model.add(infModel.getDeductionsModel()); // #1

   dataset.commit();
}
catch(final Exception e) {
   dataset.abort();
}
finally {
   dataset.end();
}

在上面的示例中，带有注释#1的行接受(前向)演绎的结果，并将它们插入到底层模型中。要获得所有的引渡信息，您可以这样做：

model.add(infModel);

推理者可以/应该考虑新的三元组并尝试进行新的扣减，但是这种尝试推理的结果应该是不可行的。

解释

如果将infModel添加到底层模型，则尝试将原始模型、反向推理和前向推断的结合添加到原始模型中。你在评论中提到了这一点。为了澄清，由于RDF的集合语义，尝试添加已经存在的三元组并不会导致对数据的任何更改。在RDF中，每个四/三(或行，考虑到关系类比)都是唯一的。

如果将infModel.getDeductionsModel()添加到原始模型中，则将将所有前向链接推理插入到图中。一般来说，这至少比添加infModel更有效，但如果依赖于反向链接推理，则不适用。