[发明专利]支持知识演化的知识图谱的查询方法和装置

说明书

本发明提供了一种支持知识演化的知识图谱的查询方法和装置，该方法，包括：建立携带有时间信息的知识图谱，所述携带有时间信息的知识图谱是指：在知识图谱中记录有在不同时间下的主体数据、客体数据，以及主体与客体的关系数据；接收针对所述携带有时间信息的知识图谱的查询语句，其中，所述查询语句基于SPARQL语言的语法，并包含有针对时间范围的查询指示；根据所述查询语句查询在不同时间下的主体数据、客体数据，以及主体与客体的关系数据；并按照时间顺序输出查询结果。本发明在传统知识图谱上加入了时间，因此在时间知识图谱上可以保留知识的演变轨迹，记录下相同主题、客体或者关系在不同时间段内的状态，实现了对知识的演化查询。

技术领域

本发明涉及数据处理技术领域，具体地，涉及支持知识演化的知识图谱的查询方法和装置。

背景技术

知识图谱也被称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。具体来说，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共性分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。知识图谱数据管理的一个重要问题是如何对知识图谱的数据进行存储和查询，知识图谱的数据可以用资源描述框架(ResourceDescription Framework，RDF)数据集来表示。其中，RDF三元组是构成RDF图的最基本单元，一个RDF三元组包含主语、谓语和宾语三个元素。

目前，两种方法对RDF数据进行管理：一种是从传统的关系数据库角度出发，利用关系数据模型对RDF数据进行查询。一种是从图角度出发，利用图的相关技术对知识图谱进行查询。

(1)关系数据模型角度出发

从关系数据模型的角度出发，有一些经典的方法，下面重点介绍4种方法，三列表法、水平划分方法、属性表法和垂直划分方法。

三列表是一种最简单方法，三列表包括了Subject、Property、Object，RDF的三元组可以映射到三列表的结构中。这种方法存储的结构简单，但是数据量较大，查询的效率较低。多组三元组的查询要对三元组做连接操作，若三元组数目较多，则表的规模较大，自连接操作的性能也较差。

水平划分方法把知识图谱中的每一个RDF主体作为关系数据库表中的一行，列是由数据集合中所有的属性构成。这种方法会产生大量的列，而且很多列上都存在空值。在此基础上，有学者提出了属性表，对不同的实体进行分类，将相关属性的实体划分一类，每类对应一张水平表，从而减少了自连接操作。由于RDF数据来源众多，属性和主体间的关联性可能并不强，类似的主体可能并不包含相同的属性，数据的结构性较差，依然会产生大量的空值。

垂直划分方法把三元组表拆分成为包含两列的表，每张表以三元组表中对应的属性为表名，有多少属性就拆分成多少张表，每张表的两列分别是Subject和Object。对于属性表中空值问题上，垂直划分方法避免了空间的浪费现象。但其对三元组模式查询中谓语为变量的情况仍然表现出较差的性能。

(2)图角度出发