RDF(Resource Description Framework)是目前语义Web研究的一个重要内容,它能够使网络数据的表达更加规范。大型RDF知识库中有描述空间位置的语义。空间位置可以描述成位置语义,而且在语义Web中检索位置语义可以提高空间位置检索的准确性。因此,RDF非常适合用来检索空间位置。RDF知识库上的关键字检索不需要用户掌握查询语言、理解数据之间的关系,只需要用户输入关键字就可以找到包含关键字的子图。KSP(Top-k Relevant Semantic Place)检索是一种RDF上的位置语义检索方法,它将RDF知识库上的关键字技术和空间位置检索技术结合起来,在RDF知识库上利用关键字检索技术来检索空间位置语义。KSP检索的目标为:把RDF知识库构造成RDF有向图,在RDF有向图上找到满足所有关键字并且以位置节点为根的最小子图(合格位置语义)。BSP(Basic Semantic Place retrieval algorithm)算法能够实现KSP检索,但是只能检索顶点上标签,顶点之间的边属性不能检索。针对BSP算法不能检索边属性这个问题,本文对BSP算法进行了改进。再利用Spark框架对改进后的算法进行并行化设计,对此展开以下工作:(1)提出基于顶点和边标签的位置语义检索算法VEL-BSP(BSP based on Vertex and Edge Label),可以实现RDF图上顶点和边标签的检索。首先找到顶点数最少的合格位置语义(最优合格位置语义),将最优合格位置语义的有效顶点比作为其相关程度的度量。再结合有效顶点比、位置顶点与查询位置之间的距离定义评分函数,根据最优合格位置语义的评分函数值排序并返回Top-k位置顶点。最后,根据有效顶点比的动态范围设计剪枝算法VELP-BSP(VEL-BSP with Pruning),将一些不能进入Top-k的位置顶点进行修剪。(2)在大规模的RDF数据下,利用Spark框架实现VEL-BSP算法并行化计算。提出位置子图的切分策略,并用点切分的方式将RDF图切分成多个位置子图。再利用HDFS实现RDF图的分布式存储,在此基础上利用GraphX图计算框架对RDF图进行并行化计算。最后将VEL-BSP算法的并行化设计运行在Spark集群中,提高大量RDF知识库中位置语义检索的效率。(3)对VEL-BSP算法设计一个情景应用,利用医院相关数据,设计一个医院智能检索系统。将基于Spark并行化的VEL-BSP算法应用到该系统中。首先介绍医院空间位置的存储方式,然后介绍医院RDF知识库的构建过程。再对医院智能检索系统进行设计,并给出系统展示。