不确定知识图谱中查询结果概率的来源计算与维护
数据库
2021-08-18 v1
摘要
将实体间关系建模为图中带标签边（或事实）的知识图谱（KG）大多使用一套自动化抽取器构建，因此所抽取事实天然存在不确定性。将不确定性建模为概率置信度得分会得到概率知识图谱。对此类概率 KG 的图查询需要计算答案以及那些结果概率，即概率推断。我们提出一个系统 HAPPI（How Provenance of Probabilistic Inference，概率推断来源系统）来处理此类查询处理。遵循标准来源半环模型，我们提出一种新颖的交换半环来符号化计算查询结果的概率。这些类来源多项式的符号表达式编码了关于概率计算过程细粒度信息。我们利用该编码来高效计算并维护结果概率，同时底层 KG 发生变化。聚焦于 KG 上一类流行的合取基本图模式查询，我们在两个大型数据集上将 HAPPI 的性能与可能世界计算模型及一个知识编译工具进行比较。我们还提出一个自适应系统，利用 HAPPI 与基于编译的技术各自优势。由于现有概率数据库系统大多聚焦于查询计算，当 KG 中事实更新时它们默认重新计算。相反，HAPPI 不仅执行概率推断并维护其来源，还提供了一种随 KG 变化而增量维护它们的机制。我们作为所提自适应系统的一部分扩展了此可维护性。
引用
@article{arxiv.2108.07758,
title = {Computing and Maintaining Provenance of Query Result Probabilities in Uncertain Knowledge Graphs},
author = {Garima Gaur and Abhishek Dang and Arnab Bhattacharya and Srikanta Bedathur},
journal= {arXiv preprint arXiv:2108.07758},
year = {2021}
}