[发明专利]面向大规模RDF数据的可达性查询索引的构建方法

说明书

提供一种面向大规模RDF数据的可达性查询索引的构建方法，包括：(A)将长字符串类型的RDF三元组进行预处理，得到与各长字符串类型的RDF三元组一一对应的长整型RDF三元组，其中，每个长整型RDF三元组由主体、谓词和客体组成，其中，谓词指示主体指向客体的边的属性；(B)利用预设框架对所述长整型RDF三元组进行分割处理，以生成多种类别的索引文件夹；(C)利用所述多种类别的索引文件夹构建RDF数据的可达性查询索引。根据所述方法，可以准确、高效地为大规模RDF数据建立可达性查询索引。

技术领域

本发明总体来说涉及大数据处理领域。更具体地讲，涉及一种面向大规模RDF数据的可达性查询索引的构建方法。

背景技术

资料描述框架(Resource Description Framework，简称RDF)是用于描述Web资源的标记语言，同时也是整个语义网系统结构中的核心，它被广泛用于描述互联网上存在的各种信息资源。如今RDF数据成几何量级增长，已经达到百亿级三元组规模。这样大规模的RDF数据的高效存储和查询工作已经成为语义Web研究的重点问题。

RDF数据的可达性查询是最近几年来研究界对RDF的SPARQL查询语言提出的新要求，RDF数据的可达性查询可以概述为：给定RDF数据中的两个顶点u和v，判断顶点u是否可通过一条路径到达顶点v。这里，由于RDF数据的可达性查询不仅是最普遍的一种查询方式，更是在RDF图数据上进行其他查询的基础，不管是基于SPARQL查询语言的RDF数据集图模式查询，还是其他的聚合查询、子查询、否定查询等，基本前提都是RDF数据的可达性查询。因此，鉴于RDF可达性查询的重要性，构造RDF数据的可达性查询索引以用于可达性查询已成为相关领域的研究人员的研究热点。

传统的基于图论的算法进行RDF图数据的可达性查询，由于复杂度非常高和扩展性非常差而无法实际应用。目前，已有的RDF数据的可达性查询主要有两种方法：第一种方法是RDF图的标签约束可达性查询方法，这种方法能够对顶点数目较少的RDF数据进行有效地可达性查询，但是，这种方式受设备配置的影响较大，无法有效地处理超过100万个顶点的RDF数据集，因此，该种方式无法用于大规模的RDF数据的可达性查询；第二种方法是基于K阶双似的索引结构可达性查询方法，这种方法虽然可以处理大规模的RDF数据并且扩展性较好，但是需要根据顶点的属性来划分等价类顶点，由于会重复地处理等价的顶点，因此浪费了大量的时间，因此，该种方式也由于时间花费较长而难以应用到实际。

综上所述，现有的RDF数据的可达性查询方式无法满足快速、有效地处理大规模RDF数据的需求。

发明内容

本发明的目的在于提供一种面向大规模RDF数据的可达性查询索引的构建方法，以克服现有的构造RDF数据的可达性查询索引并通过该索引进行可达性查询的方式无法满足快速、有效地处理大规模RDF数据的缺陷。

根据本发明示例性实施例，提供一种面向大规模RDF数据的可达性查询索引的构建方法，包括：(A)将长字符串类型的RDF三元组进行预处理，得到与各长字符串类型的RDF三元组一一对应的长整型RDF三元组，其中，每个长整型RDF三元组由主体、谓词和客体组成，其中，谓词指示主体指向客体的边的属性；(B)利用预设框架对所述长整型RDF三元组进行分割处理，以生成多种类别的索引文件夹；(C)利用所述多种类别的索引文件夹构建RDF数据的可达性查询索引。

可选地，所述方法可还包括：(D)保存构建的RDF数据的可达性查询索引，并对构建的RDF数据的可达性查询索引进行验证和评估。

可选地，所述预设框架可以为MapReduce框架或者Spark框架。

可选地，当预设框架为MapReduce框架时，步骤(B)可包括：基于所述长整型RDF三元组结构的属性，利用MapReduce框架设置多种分类方式，并分别根据所述多种分类方式将所述长整型RDF三元组进行排序分类，生成与每一种分类方式对应的索引文件夹。