[發明專利]知識圖譜的查詢方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010126665.2
• 申請日: 2020-02-28
• 公開（公告）號: CN111400410B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 李肯立;肖國慶;陳玥丹;陽王東;劉楚波;唐卓
• 申請（專利權）人: 湖南大學
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/248;G06F17/16
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 劉羚

本申請涉及一種知識圖譜的查詢方法、裝置、計算機設備和存儲介質。所述方法包括：將知識圖譜編碼并轉換成稀疏矩陣，以及將獲取的查詢數據轉換成稀疏向量；對稀疏矩陣和稀疏向量進行冗余數據篩選和壓縮，得到壓縮稀疏矩陣和壓縮稀疏向量；根據計算核組的數量以及各計算核組對應的計算從核的數量，將壓縮稀疏矩陣劃分成多個子集并分別分配給各計算從核；各計算從核基于分配的子集和壓縮稀疏向量，并行進行知識圖譜的查詢，得到查詢結果。采用本方法能夠提高查詢的效率。

技術領域

本申請涉及圖查詢技術領域，特別是涉及一種知識圖譜的查詢方法、裝置、計算機設備和存儲介質。

背景技術

知識圖譜也被稱為科學知識圖譜，在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。知識圖譜數據管理的一個重要問題是如何對知識圖譜的數據進行存儲和查詢，大部分知識圖譜的數據使用資源描述框架(Resource Description Framework，RDF)數據集來表示。其中，RDF三元組是構成RDF圖的最基本單元。隨著知識圖譜相關技術的不斷發展，RDF三元組數據日益激增，并且被廣泛地應用在多個領域，包括科學、生物信息、商業智能和社交網絡等。在現實世界中，RDF數據集往往達到數億條三元組數據。因此，目前如何有效管理大規模RDF圖數據集受到越來越多的關注。

而隨著稀疏矩陣數據結構和算法的發展，以及事實上RDF數據的稀疏性無處不在，促使了許多研究人員采用稀疏矩陣運算來解決圖計算的問題。具體到RDF圖，通過將RDF圖存儲為一個稀疏矩陣，對RDF圖的查詢操作也隨之可以轉換為一系列簡明的稀疏矩陣運算。然而，由于稀疏矩陣中非零元素分布不規律以及稀疏矩陣運算過程中需要不斷進行不規則的數據訪存，使得容易產生高延遲，導致降低了查詢效率。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高效率的知識圖譜的查詢方法、裝置、計算機設備和存儲介質。

一種知識圖譜的查詢方法，所述方法包括：

將知識圖譜編碼并轉換成稀疏矩陣，以及將獲取的查詢數據轉換成稀疏向量；

對所述稀疏矩陣和所述稀疏向量進行冗余數據篩選和壓縮，得到壓縮稀疏矩陣和壓縮稀疏向量；

根據計算核組的數量以及各所述計算核組對應的計算從核的數量，將所述壓縮稀疏矩陣劃分成多個子集并分別分配給各所述計算從核；

各所述計算從核基于分配的所述子集和所述壓縮稀疏向量，并行進行知識圖譜的查詢，得到查詢結果。

在其中一個實施例中，所述方法還包括：

獲取預設的閾值；

根據所述閾值，按列將各所述計算從核中的所述子集進行劃分，得到數量與所述閾值相同的列向量集合，將所述列向量集合作為最終的子集。

在其中一個實施例中，當所述子集為列向量集合時，所述各所述計算從核基于分配的所述子集和所述壓縮稀疏向量并行進行知識圖譜的查詢，得到查詢結果，包括：

各所述計算從核將分配的各所述列向量集合，依次且分別與所述壓縮稀疏向量進行矩陣運算，運算結果向量；

將所述運算結果向量解碼得到查詢結果。

在其中一個實施例中，所述對所述稀疏矩陣和所述稀疏向量進行冗余數據篩選和壓縮，得到壓縮稀疏矩陣和壓縮稀疏向量，包括：

篩選并獲取所述稀疏向量中的非零元，得到壓縮稀疏向量；

確定各所述非零元在所述稀疏向量中的索引號，得到非零元索引號；

從所述稀疏矩陣中篩選獲取列索引號與各所述非零元索引號相同的列，得到篩選稀疏矩陣；