在大规模 RDF 数据上借助本体探索寻找最小连通子图
数据库
2020-10-15 v2
摘要
在本文中，我们研究如下问题：给定一个知识图谱（KG）以及一组输入顶点（表示概念或实体）和边标签，我们旨在找到包含所有输入的最小连通子图。该问题在基于 KG 的搜索引擎和自然语言问答系统中起关键作用，并且它是已知为 NP 难的 Steiner 树问题的自然扩展。我们提出 RECON，一个用于寻找近似答案的系统。RECON 旨在对数亿条边的 KG 实现高准确度与瞬时响应（即亚秒/毫秒级延迟），而无需借助昂贵的计算资源。此外，当由于概念与实体间不连通而不存在答案时，RECON 基于本体将输入精炼为语义相似者，并尝试针对精炼后的输入寻找答案。我们对 RECON 进行了全面的实验评估。特别地，我们将其与五种现有的寻找近似 Steiner 树的方法进行比较。我们在四个大型真实与合成 KG 上的实验表明，RECON 显著优于其竞争者，并且占用小得多的内存足迹。
引用
@article{arxiv.2010.06336,
title = {Finding Minimum Connected Subgraphs with Ontology Exploration on Large RDF Data},
author = {Xiangnan Ren and Neha Sengupta and Xuguang Ren and Junhu Wang and Olivier Curé},
journal= {arXiv preprint arXiv:2010.06336},
year = {2020}
}
备注
13 pages, 11 figures