基于压缩RDF知识库的Datalog推理
数据库
2019-08-30 v2 人工智能
摘要
物化在RDF系统中常作为预处理步骤使用，以推导给定RDF三元组与规则所蕴含的所有事实。尽管被广泛使用，物化会考虑所有可能的规则应用，并可能占用大量内存来存储推导出的事实，从而妨碍性能。我们提出一种新颖的物化技术，其对RDF三元组进行压缩，使规则有时可一次性应用于多个事实，且推导出的事实可通过结构共享来表示。因此，我们的技术可需要更少空间，并可跳过某些规则应用。实验表明该技术非常有效：当规则相对简单时，我们的系统在速度上快于且内存占用少于杰出的前沿RDF系统。
引用
@article{arxiv.1908.10177,
title = {Datalog Reasoning over Compressed RDF Knowledge Bases},
author = {Pan Hu and Jacopo Urbani and Boris Motik and Ian Horrocks},
journal= {arXiv preprint arXiv:1908.10177},
year = {2019}
}
备注
CIKM 2019