| Περίληψη |
Οι γνωσιακές βάσεις RDF που είναι πλέον διαθέσιμες στο δίκτυο κλιμακώνονται σε εκατομμύρια ή ακόμα και δισεκατομμύρια τριπλέτες που απαιτούν αποτελεσματική και αποδότικη επεξεργασία και διαχείριση. Αυτό τα συνεχώς αυξανόμενο μέγεθος και πλήθος των συλλογών δεδομένων RDF υπαγορεύουν τη χρήση κατανεμημένων συστημάτων διαχείρισης δεδομένων για την αποτελεσματική επερώτηση τους. Το Apache Spark είναι μια από τις πιο ευρέως χρησιμοποιημένες κατανεμημένες μηχανές για την επεξεργασία μεγάλου όγκου δεδομένων, με όλο και περισσότερα συστήματα να το υιοθετούν για αποδοτική απάντηση επερωτήσεων. Οι υπάρχουσες προσεγγίσεις που εκμεταλλεύονται το Σπαρκ για την επερώτηση δεδομένων RDF, υιοθετούν τεχνικές κατακερματισμού για τη μείωση του όγκου των δεδομένων τα οποία πρέπει να προσπελαστούν. Ωστόσο, ο απλοϊκός κατακερματισμός δεδομένων αποτυγχάνει, από τη μια πλευρά, να ελαχιστοποιήσει τον όγκο των δεδομένων που προσπελαύνοντναι, από την άλλη, να ομαδοποιήσει δεδομένα που συνήθως ερωτώνται μαζί. Αυτό μεταφράζεται σε περιορισμένες βελτιώσεις στο χρόνο αποτίμησης των επερωτήσεων. Επιπλέον, είναι σύνηθες να μην τερματίζουν τα ερωτήματα λόγω της πολυπλοκότητας των συνόλων δεδομένων RDF. Σε αυτή τη διατριβή, παρουσιάζουμε νέες τεχνικές κατακερματισμού, με βάση σχήματα, που δέχονται ως είσοδο ένα σύνολο δεδομένων RDF και το διαμερίζουν αποτελεσματικά, αξιοποιώντας πληροφορίες σχήματος προκειμένου να παρέχουν αποδοτική απάντηση επερωτήσεων. Αρχικά εστιάζουμε στην ακριβή απάντηση επερωτήσεων. Καθώς τα σύνολα δεδομένων RDF είναι ασθενώς δομημένα, οι πληροφορίες σχήματος μπορεί να είναι ελλιπείς ή να απουσιάζουν. Παρουσιάζουμε συνεπώς, το πρώτο αυξητικό και υβριδικό σύστημα ανακάλυψης τύπων RDF για σύνολα δεδομένων RDF, που επιτρέπει την ανακάλυψη τύπων σε σύνολα δεδομένων όπου οι δηλώσεις τύπων είτε είναι μερικώς διαθέσιμες είτε λείπουν εντελώς. Χρησιμοποιώντας αυτό το ανακαλυφθέν σχήμα, εξερευνούμε τεχνικές σύνοψης για τον αποτελεσματικό κατακερματισμό δεδομένων, καταλήγοντας σε μια διάταξη δεδομένων που μειώνει σημαντικά τον όγκο των δεδομένων που προσπελαύνονται για την απάντηση επερωτήσεων. Στη συνέχεια, εστιάζουμε στην προοδευτική απάντηση επερωτήσεων, προσφέροντας μια εναλλακτική λύση σε χρονοβόρα επερωτήματα και παρουσιάζοντας το πρώτο σύστημα προοδευτικής απάντησης επερωτήσεων σε Γνωσιακές Βάσεις. Και πάλι βασιζόμαστε σε μια εξορυσσόμενη ιεραρχική δομή σχήματος την οποία εκμεταλλευόμαστε για τον αποτελεσματικό κατακερματισμό δεδομένων. Το αντίστοιχο σχήμα κατακερματισμού επιτρέπει την προοδευτική αξιολόγηση των επερωτήσεων με ελάχιστη καθυστέρηση και επιτρέπει την ανταλλαγή της ακρίβειας των απαντήσεων με την ταχύτητα απάντησης. Η εκτεταμένη πειραματική μελέτη τόσο σε πραγματικά όσο και σε συνθετικά σύνολα δεδομένων, σε ποικίλες κατηγορίες επερωτήσεων, δείχνει την αποτελεσματικότητα και την αποδοτικότητα των λύσεων μας, τόσο στην ακριβή όσο και στην προοδευτική απάντηση επερωτήσεων, αναδεικνύοντας επίσης τα τμήματα που αποτελούν μέρος της συνολικής λύσης (δηλ. την ανακάλυψη σχηματικής πληροφορίας και τις τεχνολογίες συνόψεων), καθώς και την υπεροχή τους σε σχέση με τις προυπάρχουσες προσεγγίσεις.
|
Efficient query answering for RDF knowledge graphs
