驯服子图同构用于RDF查询处理
数据库
2015-06-11 v2
摘要
RDF数据被用于建模生命科学、语义网、生物信息学和社交图等领域的知识。真实RDF数据规模达数十亿三元组。这需要一种高效处理RDF数据的框架。处理RDF数据的核心功能是子图模式匹配。支持高效子图模式匹配有两条完全不同的路线。一条是过去十年利用RDF数据特性开发专门的RDF查询处理引擎，另一条是30多年来为通用带标签图开发高效子图同构算法。尽管两者目标相似（即为给定查询图在数据图中寻找子图），却无明确理由地独立研究。我们认为，只需去除单射约束，子图同构算法便可轻易修改为处理图同态（即RDF模式匹配语义）。本文基于最先进的子图同构算法，提出一种内存解决方案TurboHOM++，其被驯服用于RDF处理，并在可加载数十亿三元组于内存的服务器上，针对若干RDF基准与代表性RDF处理引擎比较。为加速TurboHOM++，我们还提供了一种简单而有效的转换及一系列优化技术。使用多个RDF基准的大量实验表明，TurboHOM++持续且显著优于代表性RDF引擎。具体而言，TurboHOM++领先竞争对手高达五个数量级。
引用
@article{arxiv.1506.01973,
title = {Taming Subgraph Isomorphism for RDF Query Processing},
author = {Jinha Kim and Hyungyu Shin and Wook-Shin Han and Sungpack Hong and Hassan Chafi},
journal= {arXiv preprint arXiv:1506.01973},
year = {2015}
}