RDF 图模型支持下的知识图谱数据索引与压缩存储算法

鲁富宇，冷泳林

（渤海大学 信息科学与技术学院，辽宁 锦州 121013）

0 引言

随着领域知识图谱的不断完善、规模的不断扩大，其数据管理问题愈加重要［1］. RDF作为人工智能领域存储和管理知识图谱的通用框架，采用三元组形式描述知识，大量知识构成三元组库. 三元组库以实体、属性和值为基本构件，通过属性和值描述知识之间的关系. 同时一条三元组也可以看做是实体指向属性值的有向边，这些有向边连接到一起构成有向图，图顶点表示实体和值，有向边表示属性. 知识图谱中包含了丰富的语义知识，这些语义知识构成领域知识图谱［2］. 根据链接开放数据发布的信息显示，很多领域知识图谱的规模在10亿条以上，如维基百科和地理信息知识图谱的三元组达到30亿条，蛋白质知识图谱超过130亿条. 如此大规模的领域知识图谱数据给数据高效存储和检索都提出巨大挑战［3］.

基于关系的RDF数据存储是一种常见的存储方式，三元组表［4-5］、垂直分割［6］以及属性表［7］都是采用替代的关系存储方式存储RDF三元组，来加速数据检索，但这种基于元组的存储方式忽略了数据间知识的联系，并且在处理大规模数据时的空值、自连接等问题严重影响了数据的检索效率. 一些存储索引系统如RDF-3X［8］，Hexastore［9］和SPOVC［10］通过构建三元组不同组合方式的索引存储多个索引副本，并辅助相应的查询优化技术，提高了查询效率. 当面临大规模数据时，这些索引都是以空间来换取时间效率的……