• Một tập con của tập dữ liệu ban đầu xuất hiện trong tất cả
các kết quả tìm kiếm từ các bổ trợ tìm kiếm khác nhau thì nó được coi như tập con quan trọng nhất và được phân phối thông qua các quy trình làm việc ReaSearch cho nhiệm vụ suy diễn.
• Nếu một tập hợp con xuất hiện trong một số ít kết quả tìm
kiếm thì nó được coi như là một tập con ít quan trọng hơn. 29 Mục đích không phải là để tăng tốc độ quá trình tìm kiếm mà để giúp chọn ra tập con quan trọng nhất cho suy diễn.
30
• Đối với phần suy diễn hai kiến trúc được
sử dụng. (hình (d), (e))
30
5.2. Một thiết kế sơ bộ cho kiến trúc song song hóa Reasearch (tt) hóa Reasearch (tt)
31
• Mỗi phần trong số chúng có một nút giám sát, do đó
cả hai trong số chúng có kiến trúc tập trung.
• Reasoners giống hệt nhau và áp dụng các quy tắc
tương tự như trên Các tập dữ liệu được chia thành nhiều phần để được xử lý trên Reasoners
khác nhau (dữ liệu phân vùng) Mục đích là để cải thiện tốc độ suy diễn.
32
• Kiến trúc này đề cập đến suy diễn dàn
(Ensemble) dựa trên ý tưởng của lĩnh vực học máy.
32
5.2. Một thiết kế sơ bộ cho kiến trúc song song hóa Reasearch (tt) Reasearch (tt)
33
• Kỹ thuật này không nhằm mục đích đẩy nhanh
quá trình suy diễn.
• Các động cơ đằng sau cách tiếp cận này:
– (1) Suy diễn dựa trên dữ liệu bề rộng Web có thể sản
xuất quá nhiều kết quả chỉ có một số bộ phận có thể có ích nhất định với người sử dụng Nếu một số kết quả xuất hiện trong kết quả bộ từ tất cả các
reasoners, chúng có thể được coi là quan trọng hơn những cái khác. Các nút tích hợp có thể cung cấp kết quả suy diễn quan trọng nhất bằng cách chọn ra
những nút xuất hiện trong tất cả hoặc hầu hết các bộ kết quả phụ.
34
Các động cơ đằng sau cách tiếp cận này:
– (2) Với sự bổ sung suy diễn khác nhau có thể
có được kết quả có ý nghĩa hơn nút tích hợp chịu trách nhiệm sáp nhập tất cả các kết quả suy diễn lại với nhau Theo định hướng người
dùng, mỗi loại Reasoner sẽ có một trọng lượng trên toàn bộ kiến trúc. Khi các trọng lượng thay đổi, kết quả suy diễn cũng có thể khác nhau để đáp ứng nhu cầu khác nhau của người sử dụng.
34
5.2. Một thiết kế sơ bộ cho kiến trúc song song hóa Reasearch (tt) hóa Reasearch (tt)
35
6. Kết luận
• Web ngữ nghĩa mang lại nhiều vấn đề mới và cái nhìn sâu
sắc về lĩnh vực xử lý song song Các kiến trúc mới và
thuật toán cần phải được phát triển để phù hợp với bối cảnh của suy diễn bề rộng Web.
• Ba phương pháp: LarKC, Marvin, và Suy diễn-Hadoop
đã hướng vào lĩnh vực này và có hiệu quả cao.
• Tuy nhiên làm thế nào để phát triển các chiến lược cụ thể
cho việc thống nhất suy diễn và tìm kiếm trong môi trường song song vẫn chưa khám phá hết....
• Một kiến trúc song song có thể cải thiện
tốc độ xử lý sản xuất các kết quả suy diễn hiệu quả hơn để đáp ứng đa dạng nhu cầu của người sử dụng. Chủ đề này cần nghiên cứu thêm!
36
• Trong bài báo này, tác giả đã cung cấp một
số cuộc thảo luận sơ bộ để truyền cảm hứng cho nhiều kết quả nghiên cứu lĩnh vực này
Đặc biệt, tập hợp các phương pháp song song USeR-G. Công việc trong tương lai,
chúng ta sẽ đi vào thảo luận sâu hơn và triển khai cụ thể.
36
37