知识图谱：面向知识图谱数据管理（RDF数据库系统）

RDF介绍

1. 任何的实体都可以被认为是一个节点
2. 命名空间可用于限定名称的范围
3. 资源的属性可以被定义
4. 资源之间的关系可以被定义
5. 资源可以由不同的人或组织提供，并且可以位于语义网上的任何位置

RDF示例

利用现有的关系数据库系统存储RDF数据

将SPARQL语句重写转换成SQL查询语句，并执行这些SQL语句从而得到答案

示例

缺点

SPO三列表规模比较大时，存在大量的self-join操作，复杂度比较高

属性表（Property Tables）

属性表简介

在知识图谱中，不同类型的实体的数据都在同一张大表当中。属性表为了更好地去存储知识图谱数据，将原始数据进行聚类，即将所有同一类别的实体放到同一张表当中

聚类的两种方法

1、属性类表（Property-class Table）：对每个实体定义一个类别标签（rdf:type），将具有相同属性类型的实体聚集到一个属性表中
2、聚类属性表（Clustered Property Table）：有些实体并没有严格定义属于哪个类别，根据实体所具有的属性，属性相似的聚类到一张表里

示例

优点

1、减少join的次数，简化了查询
2、当数据的结构性更强的时候，更适合用这种关系数据库的方法来存储

缺点

1、会产生大量的空值（NULL），即属性表中的每一个实体不一定在每个属性下面都有值
2、对多值属性而言，属性表非常难以解决

二列表（Binary Tables）

二列表简介

对SPO三列表中实体的每一种属性都建立一个二列表，有多少种属性就建立多少张表，每张表有两列，一列是主语（subject），一列是宾语（object），然后从属性中做join连接

示例

优点

1、支持多值属性的表的建立
2、不会存在空值（NULL）
3、对主体与主体（subject-subject）的join连接操作友好
4、没有聚类（clustering）
5、只读取所需要的属性，减少了输入输出操作

缺点

1、对客体与客体（object-object）、主体与客体（subject-object）的join连接是不友好的
2、没有做排序，插入代价比较大

全索引（Exhaustive Indexing）

全索引简介

对SPO三列表中的所有主语（subject）、谓词（property）、宾语（object）的排列组合进行一个排序。使用映射表将字符串映射成一个ID，对ID的所有可能的排列组合进行排序，节省存储空间；三元组按字典序在一个聚类B+树中建立索引。SPO三列表的所有排序为：SPO,SOP,PSO,POS,OPS,OSP

示例

优点

1、每一个triple pattern都被一个范围查询所替代
2、triple pattern之间做自然连接时可以做merge join操作

缺点

空间消耗比较大，数据更新比较麻烦

基于图的方法

核心思想

基于子图匹配的方法来回答SPARQL的查询

子图匹配的概念

给一个查询图q和一个比较大的图Q，找到q在Q中所匹配的位置，即存在一对一的方式，得到一个图匹配（Subgraph Isomorphism）
示例：

子图匹配的方法

最核心的方法：树搜索
示例：

树搜索的两种方法：深度搜索（DFS）、宽度搜索（BFS）

BFS搜索方法的两种策略

1、基于边的自然连接（Edge-Join）：最开始得到每条边的匹配，然后对某两条边做自然连接（Join）

2、基于节点的自然连接（Vertex-Join）：最开始得到一个节点的点表，假设在上一步已经得到子图的一部分，得到边表，如果点表有一个点能加到边表的匹配结果中来时，则说明该节点是子图的那一部分的节点的邻居
示例：