基于OAN的知识图谱查询研究
2018-02-05张玲玉尹鸿峰
软件 2018年1期
张玲玉,尹鸿峰
(1. 北京交通大学 计算机与信息技术学院,北京 100044;2. 北京交通大学海滨学院 计算机科学系,河北 黄骅 061199)
0 引言
大数据时代的到来,推动了以知识图谱为代表的知识工程等领域的飞速发展。知识图谱本质上是一种语义网络,其中节点代表各类实体和概念,边代表实体、概念之间的语义关系,现有的大量开放知识图谱,如 DBpedia[1]、YAGO[2]、Freebase[3]和Probase[4]等包含了数百万的实体和亿万的事实。知识图谱有丰富的语义关系,较高的质量和覆盖率,这些优势使得知识图谱在语义查询、知识问答、推荐系统等方面有了广泛的应用,这些应用也为知识图谱查询技术的研究带来了巨大的动力。
当前对于知识图谱查询算法的研究有很多,主要分为基于 RDF数据的查询[5,6]和基于图数据结构的查询[7,8,9]。然而前者多数是基于结构化查询语言XQuery[10]和SPARQL[11]等展开研究的,对于知识图谱的要求很高,难以适用于在半结构化、非结构化或者有大量噪声数据的知识图谱中查询;后者主要研究子图同构方法,分为精确匹配和近似匹配两类,其中算法如SAGA[12]、SIGMA[13]等存在结果集的用户相关度低、空间消耗比较大等问题。
为了提高查询结果中的用户相关度和查询效率,提高用户体验,本文提出一种同时考虑节点的语义相似和结构相似的算法OAN。知识图谱中每个节点存在一个所属类型的本体信息,这个信息能很好的反映节点间的语义关系,因此本文使用节点的本体信息来描述节点间的相似度。除了节点本身相似性之外,本文还考虑了节点的邻居信息,通过知识图谱的结构特点进一步提高候选节点的语义相关性。……
登录APP查看全文
