Querying RDF Data Using A Multigraph-based Approach

本文由学者Vijay Ingalalli、Dino Ienco和Pascal Poncelet于2016年3月在EDBT共同发表的会议论文，原文下载链接文末自取

主要概括：RDF是知识概念描述的标准, SPARQL是查询RDF数据的语言，可在Web级整合RDF管理引擎处理复杂的查询大小和结构。本文提出AMBER（用于基于属性多重图的RDF查询），优化复杂查询的计算，AMBER利用子图匹配技术解决SPARQL查询问题。

RDF数据可提高各种用途的广泛应用程序的健壮性和性能，目前RDF查询有两个新挑战：首先，自动生成的查询无法限制结构复杂度和大小；其次，由检索系统（或任何其他应用程序）生成的查询必须高效在合理的时间内应答。本文的AMBER是一个基于图的RDF引擎，涉及两步：离线阶段，将RDF数据转换进入多图并建立索引，然后在线阶段（提出了解决SPARQL查询）。具体方法：首先，将RDF数据表示为多图，其中主语/宾语构成顶点，并且多边（谓语）可出现在相同顶点对之间。然后，从多图访问信息建立新索引。最后，将 SPARQL查询表示为多图，将SPARQL查询问题简化为子图同态问题。针对子图同态问题，AMBER利用查询多图的结构特性，提出特定索引。

RDF=主语S+谓语P+宾语O。RDF三元组可采用任何两种形式； IRI（国际资源标识符）或文字。IRI与前缀一起，文字以反逗号书写。虽然主语S和谓语P是IRI，但宾语O是IRI或文字。RDF数据也可表示为有向图，其中三元组<S，P，O>，则主语S和宾语O为顶点，谓语P形成从S到O有向边。为突出IRI和文字的区别，对前者使用标准矩形和圆弧，而对后者使用斜角和边(没有箭头)。

为了将RDF三元组转换为数据多图G，设置四个协议：将主语S作为一个顶点；谓语P当作边；当宾语是IRI时，才将其视为顶点。当宾语是文字时，组合宾语和相应的谓语P，形成<P，O>并将其赋值为主语的属性。每个顶点在属性集合中赋空值，还需要维护三个不同字典，它们的元素是一对“键”和“值”，以及一个映射函数。在所有三个字典中，以“键”表示的RDF实体被映射到对应的“值”，可以是顶点/边/属性标识符。因此，通过使用映射功能Mv、Me和Ma分别用于顶点，边和属性映射，得到一个有向的、顶点属性数据多图G，其定义如下：

总结：RDF三元组转换成数据多图G，通过使用映射函数获得其中元素。

使用“ SELECT / WHERE”选项处理SPARQL查询，谓语实例化为IRI。SELECT子句标识显示的变量在查询结果中，而WHERE子句提供三重模式匹配RDF数据。

通过查找未知变量?X的解决方案来解决SPARQL查询的问题，这些未知变量可与RDF数据实体绑定，以便重新指定SPARQL查询中提供的关系（谓语）。在这项工作中，利用转换后的数据多图G和查询多图Q，将 SPARQL查询问题简化为子多图同态问题。将RDF数据转换为数据多图G，将SPARQL查询转换为查询多图。一个顶点有属性、有向多重图的同态定义如下：

通过找到G中所有与Q同构的子多图，可列举所有在G中可能的同构Q嵌入。

AMBER的两个不同阶段：

• 脱机阶段：将RDF数据转换为多图G，然后构建索引捕获G中的必要信息；
• 在线阶段：将SPARQL查询转换为多图Q，利用子图匹配技术和己建立的索引，得到Q在G中的同态匹配。

给定 SPARQL查询的表示多图Q, AMBER将查询顶点U分解为一组核心顶点Uc和卫星顶点Us。如果顶点的度大于1，则顶点u∈U是核心顶点，另一方面，度为1的顶点u是卫星顶点。一旦分解，将在仅由核心顶点构成的查询结构上运行子多图匹配，同时还会处理（如果有）连接正在处理核心顶点的卫星顶点。随着匹配，处理整个查询图Q找到G中的同态嵌入。

对数据多图G建立三个不同索引：

• 在ai ∈ A，利用一个反向表存储每个属性的数据顶点集

• 一个可靠的索引S存储所有数据顶点V的特征

• 一个可靠的索引N集存储每个数据顶点v∈V的邻点信息

上述所有三个索引结构可整合为I：= {A，S，N}。在查询匹配过程（在线）中，访问这些索引获得候选内容，以便获得查询顶点u。

顶点属性集合由A = {a0, . . . , an}，其中对数据顶点v∈V可能有A的子集分配给它。通过创建一个反向表构建顶点属性索引， 其中，特定属性ai具有其出现的所有数据顶点的列表。 给定一个具有顶点属性u的查询顶点u.A⊆A，访问索引结构A获取一组具有ai的数据顶点。然后，找到具有整个属性集u.A的公共数据顶点集。

索引S从数据顶点捕获边类型信息，为了理解索引模式引入了顶点签名，顶点v∈V定义顶点签名，封装了相关的边信息：

通过裁剪G中每个顶点的顶点签名所提供的信息构造索引S。

顶点签名索引
对于每个顶点v，可通过利用以下特征提取一组特征相应的顶点签名。这些特征构成概要，这是近似捕获顶点签名信息的代理表示。顶点v的要点包含一组特征F， 其数值由顶点签名σv计算。提出四个不同的特征：f1-顶点签名中集合的最大基数； f2-顶点签名中唯一维度； f3- 边缘类型的最小索引值； f4-边缘类型的最大索引值。对于f3和f4，边缘类型的索引值按字母表的顺序。为所有数据顶点计算概要后，构造一R树存储所有概要， 这个R树构成顶点签名索引S。|F|字段的概要在R树中形成叶，后续如何利用R树获得备选解需结合原文示意图，此处省略内容。

顶点邻域索引
顶点邻居索引N表示数据多图G的拓扑。索引N由每个数据顶点v∈V构建的邻域树组成。由于G是有向多重图，且每个顶点v∈V同时具有输入边和输出边，所以为输入边和输出边构造两个独立的指标结构N+和N-，以构成结构N。要了解索引，需结合原文给出的示意图，此处省略这部分内容。为了构造有效树结构，还提出了结构Ordered Trie与反向列表（OTIL）。

查询匹配过程
为了遵循提出的查询匹配，将核心顶点和卫星顶点的概念形式化。给定查询图Q，将一组查询顶点U分解成一组核心顶点Uc和一组卫星顶点Us。 形式上当查询图的程度∆(Q)>1时，Uc={u|u，U∧deg(U)>1}；当∆(Q)为1时，即当查询图是顶点或多边时， 随机选择一个查询顶点作为核心顶点，因此|Uc|=1。 其余的顶点归类为卫星顶点，其度是1。 形式上Us = {U \ Uc}，其中每一个u ∈ Us，deg(U)=1。

本文的 AMBER-Algo仅在Uc跨越的查询上执行递归子多图匹配，如图：
由于整个卫星顶点集Us连接到核心顶点跨越的查询，AMBER-Algo对核心顶点集合执行子多重图匹配时，处理卫星顶点。在递归中，如果当前核心顶点有与其相连的卫星顶点，该算法会直接检索这些卫星顶点的可能匹配列表，并将它们包含在当前部分解。每次算法执行带有解决方案的递归分支时，解决方案不仅包含属于Uc的每个查询顶点的匹配数据顶点Vc，还包含一组属于Us的每个査询顶点的匹配数据顶点Vs。每找到一个解，不仅可生成一个，而且可通过解决方案中匹配元素的笛卡儿乘积生成一组嵌入值。由于查找 SPARQL解决方案等同查找查询多重图的同态嵌入，因此同态匹配允许不同的查询顶点匹配相同的数据顶点。与子多图同构不同的是子多图同态中无内射约束。因此，在递归匹配中，不用检查潜在数据顶点是否与之前匹配的查询顶点匹配。而处理卫星顶点时，可独立地为每个卫星顶点查找匹配，而无需检查重复的数据顶点。

顶点级处理
为了处理任意查询顶点，过程PROCESSVERTER算法如下：

此算法只有当顶点u至少有一组顶点属性或与之相关的任何IRI时调用。PROCESSVERTER返回一组与u匹配的数据顶点CandAttu；如果CandAttu为空，查询顶点u在V中无匹配。

处理卫星顶点
对处理连接到核心顶点uc∈Uc的一组卫星顶点Usat⊆Us，这种情况导致在SPARQL查询中经常出现星型结构，如图所示：

对查询图中的星型结构，如果为核心顶点uc提供候选解决方案，则可以独立处理每个卫星顶点。给定一个核心顶点Uc，首先使用索引S找到一组候选解Canduc，然后，对于每个候选解vc∈Canduc，算法2中所有连接到uc的卫星顶点Usat的解决通过MATCHSATVERTICES返回。 第1行中定义解决方案元组Msat，存储整个卫星顶点Usat集合的候选解决。

任意查询处理
算法3是处理任意查询的通用过程：

对任意查询Q，定义两个不同顶点类型：一组核心顶点Uc和一组卫星顶点Us。下面是对算法3的简要概述：（第1行）中QUERYDECOMPOSE，通过将查询顶点U分解为Uc和Us，如图：

为处理任意查询多图，在核心顶点Uc⊆U上执行递归子多图匹配；在递归中，会处理连接到特定核心顶点的卫星顶点。由于递归是在核心顶点集上执行，所以使用用于排序查询顶点的试探法。查询顶点的排序是子图匹配算法的关键之一。在任何子图匹配算法中，通过探索数据图所跨越的解空间，得到查询子图的嵌入。由于在匹配中会出现空间大小问题，所以VERTEXORDERING（第2行）使用两个排序函数。第一个排序函数r1依赖于连接到核心顶点的卫星顶点数，查询顶点以按值递减排序。第二个排序函数r2依赖于查询顶点的关联边数。（第3行）选择集合Uordc中的第一个顶点作为初始顶点uinit，并按顺序选择后续查询顶点。初始查询顶点CandInit的候选解由QUERYSYNINDEX（第4行）返回，该过程受uinit的结构属性（邻域结构）约束。 通过查询初始查询顶点uinit的索引S，得到与uinit相关的结构匹配的候选解CandInit ∈ V。（第5行）再调用PROCESSVERTEX，根据顶点属性和IRI信息获取候选解，然后只保留公共候选。需先阐述（第6-7行）解决的处理方式及如何处理每种解决查询顶点。对初始顶点CandInit的所有候选解，执行递归以获得同态嵌入（第8-19行）。递归的详细内容，请自行阅读论文理解。

余下的内容为实验评估，不再赘述。

原文链接