Predicting SPARQL Query Performance

Rakebul Hasan 1 Fabien Gandon 1
1 WIMMICS - Web-Instrumented Man-Machine Interactions, Communities and Semantics
CRISAM - Inria Sophia Antipolis - Méditerranée , SPARKS - Scalable and Pervasive softwARe and Knowledge Systems
Abstract : We address the problem of predicting SPARQL query performance. We use machine learning techniques to learn SPARQL query performance from previously executed queries. We show how to model SPARQL queries as feature vectors, and use k -nearest neighbors regression and Support Vector Machine with the nu-SVR kernel to accurately (R^2 value of 0.98526) predict SPARQL query execution time.
Type de document :
Poster
11th Extended Semantic Web Conference (ESWC2014), May 2014, Crete, Greece. pp.222 - 225, 2014, <10.1007/978-3-319-11955-7_23>
Domaine :
Liste complète des métadonnées


https://hal.inria.fr/hal-01075489
Contributeur : Rakebul Hasan <>
Soumis le : jeudi 23 octobre 2014 - 13:25:08
Dernière modification le : mercredi 29 juillet 2015 - 01:19:44
Document(s) archivé(s) le : samedi 24 janvier 2015 - 10:06:04

Fichier

eswc2014-poster.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

Citation

Rakebul Hasan, Fabien Gandon. Predicting SPARQL Query Performance. 11th Extended Semantic Web Conference (ESWC2014), May 2014, Crete, Greece. pp.222 - 225, 2014, <10.1007/978-3-319-11955-7_23>. <hal-01075489>

Partager

Métriques

Consultations de
la notice

182

Téléchargements du document

145