面向大規(guī)模RDF數(shù)據(jù)的語義搜索.pdf

1、語義萬維網(wǎng)通過賦予信息明確的結構和語義,使得機器不僅可以顯示這些信息,更能夠理解、處理和整合它們。近年來,隨著鏈接開放數(shù)據(jù)和DBpedia等項目的全面展開,語義Web數(shù)據(jù)源的數(shù)量激增,大量以R D F為數(shù)據(jù)模型的圖結構語義數(shù)據(jù)被發(fā)布?；ヂ?lián)網(wǎng)正從僅包含網(wǎng)頁和網(wǎng)頁之間超鏈接的文檔萬維網(wǎng)轉變成包含大量描述各種實體和實體之間豐富關系的數(shù)據(jù)萬維網(wǎng)。在這種背景下,以谷歌為代表的各大搜索引擎公司紛紛以此為基礎構建知識圖譜來改善搜索質(zhì)量,從而拉開了語義

2、搜索的序幕。
　　與傳統(tǒng)的文檔檢索不同,語義搜索需要處理粒度更細的結構化語義數(shù)據(jù),因此也面臨著更大的前所未有的挑戰(zhàn)。原有成熟的針對非結構化的Web文檔的存儲與索引技術對RDF數(shù)據(jù)不再適用。現(xiàn)有的排序算法也不能直接應用到面向實體和關聯(lián)的語義搜索中。SPARQL查詢支持和面向異構語義數(shù)據(jù)源的數(shù)據(jù)整合是全新的問題。此外,支持用戶熟悉的核心詞查詢對于語義搜索推廣的至關重要。
　　本文旨在全面系統(tǒng)地解決了面向大規(guī)模RDF數(shù)據(jù)的語義搜索

3、所面臨的挑戰(zhàn):支持大規(guī)模圖數(shù)據(jù)存儲與索引,支持包含核心詞的圖結構查詢,支持以實體為中心的結構化排序,支持面向多數(shù)據(jù)源的異構數(shù)據(jù)融合,和支持友好的用戶交互等。論文各章的主要內(nèi)容和貢獻如下列出:
　　第一章為緒論,介紹了研宄背景,總結了語義搜索的國內(nèi)外研宄現(xiàn)狀并詳細描述了面向大規(guī)模RDF的語義搜索所面臨的主要挑戰(zhàn)。
　　第二章首次使用信息檢索的方法來搜索數(shù)據(jù)萬維網(wǎng)。通過利用和擴展倒排索引來支持高效的單變量樹型混合式查詢處理。在此

4、基礎上,我提出了一種基于關系的排序算法來返回相關的實體,使用分面瀏覽來允許用戶交互性地構造混合式查詢,以及基于塊的索引來支持增量式索引更新。
　　第三章擴展了第二章的結構化查詢能力,提出了一個高效的RDF查詢引擎來執(zhí)行更一般的SPARQL查詢。此外,我通過收集特定的RDF統(tǒng)計信息來估計查詢計劃的執(zhí)行代價,并設計了一個全新的查詢優(yōu)化算法來確定最優(yōu)的聯(lián)結順序,將SPARQL查詢圖轉換為最優(yōu)的查詢計劃。
　　第四章討論了基于RDF

5、圖模式的高效查詢處理。本章介紹了兩種模式選擇策略,一種通過啟發(fā)式規(guī)則來選擇RDF頻繁子圖,另一種使用查詢歷史來選擇用戶偏好的子圖結構。在前兩章的基礎上,我進一步提出基于圖模式的高效索引,通過模式樹來表示查詢計劃,并將SPARQL查詢轉換為子模式覆蓋問題來解決。
　　第五章提出了一個二階段整合的解決方案來解決面向大規(guī)模RDF圖數(shù)據(jù)的語義搜索中的實體匹配問題。通過分塊來快速篩選候選實體對以解決可擴展性方面的問題。接著,利用實體的局部結

6、構特性在每個分塊內(nèi)部進行聚類,取得最終的匹配結果。本項工作也是首次嘗試通過利用開放鏈接數(shù)據(jù)中現(xiàn)有的三元組在大規(guī)模場景下進行廣泛的實體匹配效果評估。
　　第六章研宄了一種新穎且友好的核心詞搜索交互方式,即在大規(guī)模圖數(shù)據(jù)(特別是RDF數(shù)據(jù))上如何進行高效的核心詞查詢翻譯。我提出了一個新穎的前k子圖搜索算法,將核心詞查詢轉化為結構化查詢,而不是直接計算查詢結果。
　　第七章介紹了一個支持按需支付數(shù)據(jù)整合的數(shù)據(jù)萬維網(wǎng)搜索基礎架構。本

7、章將查詢翻譯擴展到在異構的萬維網(wǎng)數(shù)據(jù)源上,即將用戶核心詞翻譯為一個跨越多個數(shù)據(jù)源的語義結構化查詢。此外,我詳細介紹了數(shù)據(jù)萬維網(wǎng)上進行分布式查詢處理的技術,特別是映射聯(lián)結。它利用第五章提到的大規(guī)模實體匹配方法來預先計算數(shù)據(jù)層映射,并對從異構數(shù)據(jù)源中獲得的結果進行高效合并。
　　第八章將語義搜索應用場景擴展到同時包含圖結構數(shù)據(jù)、網(wǎng)頁以及相應語義標注的混合網(wǎng)絡環(huán)境中。通過整合信息檢索和數(shù)據(jù)庫技術來構建一個可以擴展到大量文檔、圖結構數(shù)據(jù)和