基于图数据库理论的海量RDF数据存储和查询方法研究

随着语义网概念的推广及应用的不断增多，语义数据的规模也在急剧增长，因此海量语义数据管理成为了一项热点研究领域。本项目以图数据库理论为基础，研究和实现面向海量RDF（Resource Description Framework，资源描述框架）数据的存储和查询的方法。具体的研究内容包括：基于图模型的RDF数据的存储策略，索引结构和查询算法，以及构建统一的测试平台。本项目所考虑的RDF数据上的查询类型包括"子图匹配查询"，"路径查询"和"关键词查询"。这些查询不仅涵盖而且扩展了目前的RDF数据上的查询语言（即SPARQL语言）的语义。在项目的研究中，我们拟设计的存储和查询方法具有可扩展性好，动态维护代价低，以及查询语义丰富三个方面的特点。

随着语义网概念的推广及应用的不断增多，RDF语义数据的规模也在急剧增长，因此海量RDF语义数据的管理成为了海量数据管理领域一项热点的研究话题。传统的RDF数据管理以关系数据库为基础，研究如何将RDF的三元组表拆分成多个关系表，从而将面向RDF的SPARQL查询转换为面向关系表的SQL查询。这种方法忽略了RDF图数据的结构特点，从而其查询效率比较低。本项目从RDF图数据的特点出发，提出了利用RDF图结构来设计面向RDF的查询方法和索引结构。具体的，在本课题的研究过程中，我们研究了三类典型的查询“子图匹配查询”，“路径查询”和“关键词查询”。..我们提出了利用子图匹配的算法来回答面向RDF的SPARQL查询的问题，同时基于此提出了VS*-tree索引结构，极大地减小了查询的搜索空间。我们研发了基于子图匹配的SPARQL查询引擎gStore，其相关研究成果发表在数据库领域顶级国际会议和期刊VLDB 2011和VLDB Journal上。..RDF图中边对应RDF三元组中的属性(Property)。传统的图上的可达性查询是不考虑RDF图上的边的标签信息的。本课题考虑到RDF边上的属性的特点，我们提出了基于标签的可达性查询的算法。其研究成果发表在数据库领域重要国际会议和期刊CIKM 2011和Information System上。..同时为了解决RDF上的关键词查询问题，我们提出了“关键词图（Keyword Graph）”的概念，将每个关键词表示为图中的节点，将关键词之间的共现关系表示关键词图中的边。在关键词图中的关键词查询可以有效地提出关键词查询的性能。其研究成果发表在数据库领域国际会议ADMA 2013。同时该论文的扩展版本被ADMA 2013推荐到国际期刊发表。..本课题研究过程中，我们发表了相关学术论文16篇，其中计算机学会推荐的顶级（A类）期刊/会议论文5篇，包括VLDB Journal, TKDE, VLDB等。本项目所发表的论文，目前已被国内外同行引用61次（根据Google Scholar统计）。在研究成果的产业化应用方面，本课题的研究成果获得授权专利3项；目前已经和搜狗等相关企业就本课题研究中成果（基于图的RDF查询引擎gStore）的工业化应用签订了两年合作开发协议。