大规模RDF图数据上高效率分布式查询处理

• 作者: 徐强 杨雅君 柴乐乐 柴云鹏 王鑫
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 星形分解 分布式 基本图模式匹配 大规模RDF图 MapReduce
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 智能数据管理与分析技术专刊
• 页码范围: 498-514
• 页数: 17页
• 分类号: TP311
• 字数: 13002字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005696

摘要

知识图谱是智能数据的主要表现形式,随着知识图谱领域的不断发展,大量的智能图数据以资源描述框架(resource description framework,简称RDF)形式发布出来.RDF图上的SPARQL查询语义对应于图同态,是一个NP-完全问题.因此,如何使用分布式方法在大规模PDF图上有效回答SPARQL查询是一个富有挑战性的问题.目前已有研究使用MapReduce计算模型处理大规模RDF数据,但其将SPARQL查询拆分成单个的查询子句,没有考虑RDF数据的丰富语义和自身的图特性,导致MapReduce迭代次数过多.首先,利用RDF数据内嵌的语义和结构信息作为启发式信息,将查询图分解为星形的集合,可以在更少次迭代内得到查询结果.同时,分解算法给出中间结果较少的星形匹配顺序,基于此顺序,每轮MapReduce操作通过连接操作匹配一个新的星形,直至产生最终的答案.最后,在标准合成数据集WatDiv和真实数据集DBpedia上进行大量的实验评估.实验结果表明:所提基于星形分解的分布式SPARQL BGP匹配算法能够高效回答查询,查询时间比SHARD和S2X算法的查询时间平均提高一个数量级,且优化算法的查询时间与基本算法相比缩短了49.63％～78.71％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐强	天津大学智能与计算学部	56	443	12.0	18.0
3	柴云鹏	中国人民大学信息学院	9	41	3.0	6.0
4	王鑫	天津大学智能与计算学部	56	364	10.0	16.0
10	杨雅君	天津大学智能与计算学部	3	8	2.0	2.0
16	柴乐乐	天津大学智能与计算学部	1	2	1.0	1.0