[发明专利]一种面向知识图谱近似聚集查询的执行代价预测方法

说明书

本发明公开一种基于线性回归的查询执行代价预测方法。本发明针对知识图谱近似聚集查询方法的执行代价预测，通过对知识图谱近似聚集查询方法各个模块的分析，分别获取误差率e下各模块执行代价的样本数据作为训练数据，进而将上述样本数据进行线性回归的离线训练，最终通过性能指标度量得到关于误差率e的执行代价模型，并利用该模型完成知识图谱近似聚集查询的代价预测，预测方法具有较强准确度，以支持知识图谱近似聚集复杂查询。

技术领域

本发明属于知识图谱近似聚集查询领域，涉及一种基于Linear Regression(线性回归)的查询执行代价预测方法。

背景技术

知识图谱(Knowledge Graph)于2012年由Google最先提出，以实现其搜索业务的智能化，之后学术界和工业界纷纷跟进，使得该技术在智能搜索、情报分析、自动问答等领域中均有广泛应用。知识图谱的基本理念就是将网络中存在的多源异构数据进行实体、属性与关系的抽象，以属性来描述实体，以实体间的关系刻画客观存在的事实(即客观存在的知识)。最终这些实体、属性与关系都将以图的形式进行存储形成一张丰富的知识图谱，并在此基础上实现基于图的查询与分析，进而为用户提供更智能、更丰富的知识获取、挖掘与搜索服务。其中，面向知识图谱的聚集型查询是一种应用广泛的图查询类型，其目标是获取知识图谱中满足一定查询语义的实体及其属性的各种聚集统计信息(如SUM，COUNT，AVG等)，例如：“NCAA联盟中球队的数量”，“德国生产的汽车其平均油耗”等。

现有聚集型查询的主流解决方案是知识图谱近似聚集查询，其基本思路是：基于语义敏感的随机游走近似聚集查询估计，通过随机采样的方式，对结果进行近似结果的估计，在查询时间和精度上达到一个平衡，可以在较短的时间内，返回给用户一个误差率在e(用户定义，如e＝1％)以内的近似查询结果。该方法的查询执行时间和用户给定的参数e之间存在一定的关联关系，即e越小则执行时间通常较长，反之亦然。在针对复杂查询(包含多个子查询)进行知识图谱近似聚集查询时，如何设置各个子查询的参数e_i将直接影响整个复杂查询的执行时间。为此，亟需提出一种面向知识图谱近似聚集查询的执行代价预测方法，以精准刻画精度参数e和执行代价之间的函数关系。此代价模型可以帮助实现近似聚集查询的代价预测，以及复杂查询场景下各个子查询精度参数e_i的最优配置，以保证复杂查询的查询精度，同时尽可能降低查询时间。

发明内容

本发明针对知识图谱近似聚集查询方法的执行代价预测，提供一种基于线性回归的执行代价预测方法，通过对知识图谱近似聚集查询方法各个模块的分析，分别获取随机误差率下各模块执行代价的随机样本数据作为训练数据，进而将上述样本数据进行线性回归的离线训练，最终得到关于精度参数e的执行代价模型，并利用该模型完成知识图谱近似聚集查询的代价预测。

为实现上述目的，本发明的技术方案具体内容如下：

一种基于线性回归的知识图谱近似聚集查询代价预测方法，包括如下步骤：

步骤(1)、样本数据准备阶段

随机取n个区间为[0，1]的误差率e，然后进行近似聚集查询，并记录三个部分的耗时，分别是T_S(采样时间，即在随机游走收敛后的持续采样过程所耗时间)，T_V(样本正确性验证时间，即对样本是否满足查询语义的验证所耗时间)，T_e(近似估计时间，对样本近似估计获得近似聚集查询结果以及计算置信区间的时间)，以及|S|(样本量)。由此获得的样本数据可以表示为t＝e，|S|，T_S，T_V，T_e。将样本拆分成训练集和测试集，训练集用于线性回归方法拟合函数，测试集验证函数的拟合效果。

步骤(2)、基于线性回归方法的代价模型训练