Question

问题说明

我正在庞大的图形数据库上实现链接分析算法。

图形数据库由实体（顶点）和关系（边缘）构成。

每个实体类型都有属性。例如人：[年龄，身高，体重] 。

每个关系也有属性：例如呼叫（电话，电话）：[日期，持续时间] 或自己（人，电话）：[开始日期，结束日期]。< / p>

现在，我获得了具有以下结构的模式：

[entity-type，constrains] [relationship-type，constrains] [entity-type，constrains] [relationship-type，constrains] ... [entity-type，constrains]

例如：

[人，年龄> 20] [自己，开始日期＆gt; 2010年1月1日] [手机，以'5'结尾] [通话日期＆gt; 2010年1月1日] [手机，以'6'] [所有者，开始日期＆lt; 1/2/2011] [人，身高＆gt; 40] 。

我需要找到模式中所有实体和关系的所有有效赋值。

我可以使用以下原语查询数据库：

查找给定约束集的前1000个 [实体类型，关系类型，实体类型] 分配。
为上述
查找给定约束集的第一个 [具体实体，关系类型，实体类型] 分配。
为上述

在RAM中保留给定查询的所有答案是不可能的。每个实体 - 关系 - 实体三元组可能有数百万（数十亿？）的分配。但是，假设整个模式的分配数量很少。

我尝试了什么：

对于链 ET1-RT1-ET2-RT2-ET3-RT3 ... 一个天真的实现将是：

Get first 1000 (ET1-RT1-ET2)   
for each concrete ET2:
    Get first 1000 (ET2-RT2-ET3)
        for each concrete ET3:
            ...

问题在于我可能不止一次地解决相同的子问题。

我正在寻找一种能够消除这种冗余的算法，这种算法也可以节省内存。

注意：

我正在寻找一种算法。不是像“使用SQL JOIN”/“使用SPARQL”......

这样的答案

Answer 1

动态编程在这里应该会有所帮助。

让我们将规则简化为R1-R2-R3 ...... Rk。

让next_nodes（节点x，规则R）返回符合规则R的链接x的所有节点。如果R是实体约束：如果条件满足则返回相同节点的单例集，否则返回空集。对于关系约束，它返回满足条件的所有链接节点。

Initialize cur_set to all set of nodes.

nextset = {}

For each rule R in Ri:
    for each node x in cur_set:
        nextset = nextset U next_nodes(x)
    cur_set = nextset

您应该能够将集合存储为哈希表或树（任何log（n）搜索和更新时间数据结构）。

虽然我省略了保留遍历路径的部分，但它应该很容易实现。对于集合中的每个元素，添加一个名为“path”的属性，并在每次迭代时附加当前节点。请注意，多个路径可能会导致相同的中间/最终节点。

链接分析模式搜索

1 个答案: