Java me Java ME三重存储

我目前正在编写一个javame程序，该程序具有一个内部OWL推理引擎（Hermit&Pellet），并从后端服务器接收本体数据（传感器数据）。有时，这些数据也由原始传感器数据和后端服务器上推理器的已推理结果组成。推理将仅在网络故障的情况下在移动设备上执行

目前，我缺少一种存储后端数据以供进一步处理的好方法。 我已经查找了三重存储，但我想知道是否有适合JavaME应用程序的好存储

格尔茨

---

Neo

你走错了路。在服务器上进行推理，并将结果发送到应用程序

推理在计算上是困难的。尝试在移动设备上做这件事要么因为速度太慢而给用户带来糟糕的体验，要么就是除了玩具数据之外什么都做不到

---

有一些RDF数据库可以执行非常好的推理，如果您真的需要DL推理，那么有一些专用的OWL推理器，在它们前面放置SPARQL端点并不困难，这样您就可以远程查询它们。选择一个最适合你的需要的，然后去做；在后端进行推理，通过SPARQL协议（HTTP）获得结果。

您的做法是错误的。在服务器上进行推理，并将结果发送到应用程序

推理在计算上是困难的。尝试在移动设备上做这件事要么因为速度太慢而给用户带来糟糕的体验，要么就是除了玩具数据之外什么都做不到

---

有一些RDF数据库可以执行非常好的推理，如果您真的需要DL推理，那么有一些专用的OWL推理器，在它们前面放置SPARQL端点并不困难，这样您就可以远程查询它们。选择一个最适合你的需要的，然后去做；在后端进行推理，通过SPARQL协议（HTTP）获得结果。

感谢您的评论，但这是一个关于移动推理的研究项目，用于在紧急情况下提供帮助（在网络故障的情况下，在移动设备上进行局部推理）。我无法更改为该项目制定的规范。此时，推理在移动设备上的实际执行速度相当快（从1秒到3秒）。我实际遇到的唯一问题是在内存中以非有效的方式存储大量数据。这就是为什么我问是否有人知道像三重存储这样更有效的方法？如果您发现内存利用率是一个问题，您可以尝试使用使用查询时推理的方法，而不是预先计算分类和实现的方法。但这将意味着查询速度将变慢，并使用更多内存进行计算。这里没有什么灵丹妙药。再次感谢您的评论和丰富的信息，但研究的重点实际上是发现移动设备在同时使用推理引擎和规则引擎方面有多快/多好。我从一位用户那里发现了另一个问题，您回答了：也许我应该在问题中包含这些信息，但我目前正在使用Hermit进行推理，并将其与Pellet进行比较。我遇到的唯一问题是需要在移动设备上持久存储传感器数据。我想让您知道该项目的结果是“由于当前硬件的限制，在移动设备上不可能”。因此，您的答案是最佳的“当前”解决方案。感谢您的评论，但这是一个关于移动推理的研究项目，用于在紧急情况下提供帮助（在网络故障的情况下，在移动设备上进行本地推理）。我无法更改为该项目制定的规范。此时，推理在移动设备上的实际执行速度相当快（从1秒到3秒）。我实际遇到的唯一问题是在内存中以非有效的方式存储大量数据。这就是为什么我问是否有人知道像三重存储这样更有效的方法？如果您发现内存利用率是一个问题，您可以尝试使用使用查询时推理的方法，而不是预先计算分类和实现的方法。但这将意味着查询速度将变慢，并使用更多内存进行计算。这里没有什么灵丹妙药。再次感谢您的评论和丰富的信息，但研究的重点实际上是发现移动设备在同时使用推理引擎和规则引擎方面有多快/多好。我从一位用户那里发现了另一个问题，您回答了：也许我应该在问题中包含这些信息，但我目前正在使用Hermit进行推理，并将其与Pellet进行比较。我遇到的唯一问题是需要在移动设备上持久存储传感器数据。我想让您知道该项目的结果是“由于当前硬件的限制，在移动设备上不可能”。因此，您的答案是最佳的“当前”解决方案。供未来读者参考：（2015年4月5日）我想让您知道项目结果是“由于当前硬件的限制，在移动设备上不可能”。供未来读者参考：（2015年4月5日）我想让您知道项目结果是：“由于当前硬件的限制，在移动设备上不可能”。