知识图上径向模式关键词的并行高效搜索
数据库
2020-01-22 v1
摘要
近来，知识图（KGs）上的关键词搜索变得流行。典型的关键词搜索方法旨在从 KG 中找到简洁子图，以反映所有输入关键词间的紧密关系。关键词间的连接路径以使得结果子图具有更优语义评分的方式被选取。然而，此类结果可能未满足用户信息需求，因其依赖评分函数决定哪些关键词更紧密连接。因此，此类结果可能遗漏用户意图聚焦的某些关键词间的紧密连接。本文中，我们提出一种称为 RAKS 的并行关键词搜索引擎。它允许用户将查询指定为两组关键词，即中心关键词与边缘关键词。具体而言，中心关键词是用户更聚焦的关键词，其结果中期望体现它们的关系；边缘关键词是较少聚焦的关键词，期望体现它们到中心关键词的连接，且它们提供额外信息以帮助发现更符合用户意图的更优结果。为提升效率，我们提出新颖的加权与评分方案，在检索语义相关结果的同时加速搜索的并行执行。我们进行了大量实验，证实 RAKS 能在大规模且多样的开源 KGs 上高效且有效地工作。
引用
@article{arxiv.2001.06770,
title = {Efficient Radial Pattern Keyword Search on Knowledge Graphs in Parallel},
author = {Yueji Yang and Anthony K. H. Tung},
journal= {arXiv preprint arXiv:2001.06770},
year = {2020}
}