高效绘制 RDF 图表
数据库
2019-01-29 v2
摘要
我们提出了一种用于交互式探索大规模知识图谱的可视化查询语言。从概览出发，用户通过三种交互操作探索条形图：类扩展、属性扩展以及主体/客体扩展。面临的一个主要挑战是性能：最先进的 SPARQL 引擎可能需要数十分钟来计算渲染条形图所需的多路连接、分组与计数。一个有前景的替代方案是通过在线聚合（online aggregation）应用近似，以精度换取性能。然而，最先进的在线聚合算法（如 Wander Join）在我们的探索场景中存在两个局限：(1) 大量被拒绝的路径减缓了计数估计的收敛速度；(2) 在 distinct 算子下不存在无偏估计量。因此我们设计了一种专用的在线聚合算法，通过精确部分计算增强 Wander Join 以减少遇到的被拒绝路径数量，并提出了一种新颖的估计量，我们证明其在 distinct 算子情形下是无偏的。在针对两个大规模知识图谱进行随机交互的实验研究中，我们的算法相对于 Wander Join 在计算时间方面的误差有明显降低。
引用
@article{arxiv.1811.10955,
title = {Efficiently Charting RDF},
author = {Oren Kalinsky and Oren Mishali and Aidan Hogan and Yoav Etsion and Benny Kimelfeld},
journal= {arXiv preprint arXiv:1811.10955},
year = {2019}
}