Taming subgraph isomorphism for RDF query processing

本文由学者JinhaKim、HyungyuShin、Wook-Shin Han、SungpackHong和HassanChafi于2015年6月在Proceedings of the VLDB Endowment联合发表
原文链接文末自取

RDF数据可用于对各个领域进行建模，所以就存在有效处理RDF数据的框架。处理RDF数据的核心功能是子图模式匹配。本文基于最新子图同构算法，提出了一种内存解决方案TurboHOM++处理RDF数据。

RDF可表示网络上的知识，用于建立语义网。RDF将事实建模为三元组，三元组=主语（S）+谓词（P）+宾语（O）。 RDF结构简单，常用于实现数据。SPARQL是以声明方式查询RDF数据的标准语言， 核心是子图模式匹配，对应在数据图中找到查询图的所有图同态。通过将RDF图转换为标记图，可将子图同态方法用于RDF查询处理。对于TurboHOM ++技术，首先，为了加快探索候选区域的速度，提出了类型感知转换，通过嵌入实体（即主题或对象）放入顶点标签集中，可从查询图中消除相应的查询顶点/边。查询图的规模减小，其拓扑变得比原始查询更简单，这种转换通过减少图的探索量相应地提高了性能。特点：1、通过实验，将RDF引擎用于RDF处理的子图同构方法Turbo++；2、为了简化查询图，提出类型感知转换，有助于提高査询性能；3、为了进一步提高查询性能，提出性能优化和支持numa的并行性，用于快速RDF査询处理。

带标签的图定义为g（V，E，L），其中V是一组顶点，E（⊆V×V