[发明专利]一种大规模图数据高效查询方法

权利要求书

1.一种大规模图数据高效查询方法，应用于对分布式数据库中图数据的查询，其特征在于，包括：

步骤1：对图数据进行划分，得到图数据的初始分区；其中，所述初始分区包括每个顶点向量的二进制签名以及对应的哈希桶；

步骤2：对图数据的初始分区进行调整，得到新的分区；

步骤3：将RDF格式的图数据转换为属性图格式并存储；

步骤4：基于SPARQL查询语句，得到连接计划；

步骤5：根据连接计划和SPARQL查询映射算法，在分布式数据库中得到查询结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤1具体包括：

选取Word2Vec作为向量化工具，将每个顶点的各个属性表示为词向量，利用加权平均模型计算出顶点向量；

将所有顶点向量作为局部敏感哈希算法的输入，得到每个顶点向量的二进制签名以及对应的哈希桶；

所述步骤2包括：

假设现有图数据的初始分区包括k个分区结果P＝{p1,p2,...,pk}，每个分区的最大负载MaxSize；现有图数据为G＝(V,E)，V＝{v1,...,vn}为顶点集合，E＝{e1,...,em}为边集合，|V|＝n，|E|＝m；

分别计算v_i在p_i中的Score_adjacent得分；

将p_i中的所有v_i按照Score_adjacent大小排序；

当从Score_adjacent得分最小的v_i开始，分别计算v_i在其他分区的Score_move(v_i,p)得分，将所有得分排序并取出v_i得分最大的分区p_j；

当取出v_i得分次大的分区p_j；否则，将v_i分配给p_j并且更新p_i以及缓存表；

最终输出调整后的分区。

3.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

将RDF格式转换为属性图格式，然后以顶点为存储粒度，作为HBase的每一行，存储与该顶点相关的属性与关系。

4.根据权利要求3所述的方法，其特征在于，所述步骤3具体包括：

分别针对每条三元组数据s,p,o，根据Resource确定顶点的类型，将URI作为顶点的一个属性；

若o是文字，则将p作为顶点的属性名，o作为顶点属性值；

若o是资源，则将p映射为边，对p进行唯一编号，p的值作为属性值；将s和o的URI也作为p的属性，代表p连接的两个顶点。

5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：

步骤41：解析SPARQL查询语句，得到每个主语变量的三元组模式集合Plan＝{T₁,T₂,…T_p}；所述SPARQL查询语句包含n个三元组模式T＝{t₁,t₂,…t_n}；

步骤42：从包含三元组模式最多的集合开始遍历，依次删除前面已经遍历过的三元组模式，得到连接计划，所述连接计划包含m个集合Plan＝{T₁,T₂,…T_m}，每个集合代表一个三元组模式子集。