王 艺,王 英
(西南大学 计算机与信息科学学院,重庆 400715)
知识图谱是基于语义技术的大规模语义图知识库[1-2]。截至2019年3月关联开放数据云(Linked Open Data Cloud)已有1 239个数据集和16 147条链接,均以资源描述框架(Resource Description Framework,RDF)三元组形式对数据进行描述[3]。例如,Facebook的开放内容协议[4]、谷歌的知识图谱[5]、DBpedia[6]、Wikidata[7]等知识库,其包含的三元组已达数百万条,甚至上亿条。语义图广泛应用在不同领域[2],如教育领域已相继启动关联开放数据(Linked Open Data,LOD)项 目mEducator[8]、Open University[9]、LAK Dataset[10]等,旨在共享教育数据(如课程数据、统计数据、教育资源(视频和文档等))。
由于语义图的规模巨大、结构复杂且缺乏标准模式,用户及应用程序开发人员面临理解、使用等难题。语义图概要(Semantic Graph Summarization,SGS)是解决该难题的技术,也是当前语义图领域的研究热点[11]。SGS 将大规模语义图压缩为一个缩略图,保留原有信息的基础上压缩其规模。SGS 依赖于一系列技术,包括有向图特征提取、统计方法、模式挖掘、代数结构等。例如,基于形式概念分析(Formal Concept Analysis,FCA)[12]的语义图概要方法[13-15]是一种利用代数结构构建语义图概要的方法。通过定义语义图中的相应元素为形式概念,并建立概念之间的偏序关系形成一个偏序格。
虽然各种SGS 方法提供了针对大规模语义图的概要模型,能够大幅提升存储和查询效率。由于语义图规模巨大,使得计算语义图概要开销增大,尤其当语义图数据在固定周期更新后,需要重新计算语义图概要。
为提高针对大型语义图SGS 的计算效率问题,本文提出一种基于本体分割的SGS 方法。根据一定标准将语义图分割生成多个子图,以达到降低原语义图规模的目的。……