[发明专利]基于Pregel的分布式起源保障正则路径查询算法

权利要求书

1.一种基于Pregel的分布式起源保障正则路径查询算法，其特征在于，包括以下步骤：

1)对于给定的正则路径查询Q＝(x,r,y)，根据正则表达式r计算first，last，follow集；

2)进一步构建正则表达式r所等价的Glushkov自动机A＝(St,Σ,δ,q0,F)；

3)使用Pregel消息传递模型在RDF图数据中匹配正则路径查询，通过消息传递的方式、以顶点为中心的计算之后得到结果路径；

4)统计所有满足正则表达式r的结果路径即为查询结果。

2.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤1)中，所述的正则表达式被递归定义为r：：＝ε|p|r/r|r|r|r^*，其中ε为空串，p为字母表Σ中的任意字符，/代表连接、|代表连接、*代表闭包。

3.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤2)中，基于正则表达式构建Glushkov自动机时，用Por(r)＝{1,...,|r|}表示r中字符位置的集合，其中|r|表示r的长度，i∈Pos(r)是r[i]的索引。

4.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤1)中，所述的first集为正则表达式r所表示的语言L(r)中的任一字符串开头字符所对应的状态集合，所述的last集为L(r)中的任一字符串结尾字符所对应的状态集合，所述的follow集为L(r)中的任一字符串中某个位置字符的接下来字符所对应状态集。

5.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤3)中，所述的计算的过程并行在每个顶点进行，在满足自动机转换函数的条件下向前扩展一个状态q∈St来匹配v∈V，直至匹配到结束状态或不再有顶点v能够与自动机中的状态q相匹配，具体包括以下步骤：

3.1)给出判断条件：对于RDF图数据T＝(V,E,l)中的每个顶点v∈V，如果每个顶点v的出边属性标签与first集中状态对应的字符一致，则该顶点v与first集中状态可以相匹配；

3.2)根据步骤3.1)的判断条件，计算与每个顶点v可能匹配的状态q，形成匹配f＝(v,q)，完成第一步匹配；

3.3)形成的匹配作为消息m发送给其他邻居顶点，其他邻居顶点接收消息集M；

3.4)根据接收到消息集M中已有的匹配f，计算当前匹配的下一个可能的状态q'，即通过follow集继续扩展，通过顶点v的出边属性与follow集中状态对应的字符是否一致，判断该顶点v与follow集中状态是否可以匹配，如果可以匹配，向前拓展一个状态以此来满足正则表达式r；

3.5)重复步骤3.3)、3.4)直至当前顶点匹配到的状态属于last集，当前路径为结果集中的路径；

3.6)对于已经完成的路径重复步骤3.5)，直至不再有新的结果路径产生。

6.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤4)中，对于步骤3)中获得的每条结果路径在该路径中匹配结束状态的顶点中保存，遍历RDF数据图的每个顶点v∈V，即可获取该查询的全部结果路径。

7.根据权利要求1所述的一种基于Pregel的分布式起源保障正则路径查询算法，步骤4)中，由于从匹配起始状态的顶点及其匹配对(v₀,q₀)，到匹配结束状态的顶点及其匹配对(v_n,q_n)，存在一条从v₀到v_n路径(v₀,v₁,...,v_n)，且q_i+1＝δ(q_i,(v_i,v_i+1))，因此，满足正则表达式r的结果路径即为查询结果。