基于查询语义和NI-LPA的知识图谱划分研究OACSTPCD
Research on Partitioning of Knowledge Graph Based on Query Semantic and NI-LPA
当前未考虑语义知识的图谱划分方法会导致知识图谱划分后查询通信量增大、查询执行效率降低.鉴于常用查询语句中的语义知识可用于聚合关联度高的子图结构,且NI-LPA(Node Importance-Label Propagation Algorithm)具有支持多标签、时间复杂度低和划分质量高的特点,提出了基于查询语义和NI-LPA的知识图谱划分方法.该方法对常用SPARQL查询集进行语义分析,利用分析结果计算知识图谱中节点间的语义关联度,并将关联度与…查看全部>>
The current knowledge graph partition method without considering semantic knowledge will increase query commu-nication volume and decrease query execution efficiency after knowledge graph partition.In view of the fact that the knowledge in common query statements can be used to aggregate the substructures with high semantic correlation,and the NI-LPA(Node Impor-tance-Label Propagation Algorithm)has the characteristics of low time complexity and good partitio…查看全部>>
徐航;刘宇
武汉科技大学计算机科学与技术学院 武汉 430065武汉科技大学智能信息处理与实时工业系统湖北省重点实验室 武汉 430065
计算机与自动化
知识图谱划分多标签传播算法语义通信量查询同区率
knowledge graph partitionmulti-label propagation algorithmsemanticcommunication volumequery same-part rate
《计算机与数字工程》 2024 (6)
1727-1732,1738,7
国家自然科学基金项目(编号:U1836118)资助.
评论