[发明专利]一种基于多层划分框架的RDF分布式存储方法

权利要求书

1.一种基于多层划分框架的RDF分布式存储方法，其特征在于，该方法通过MMA算法和MSLM算法实现对RDF图的粗糙化，通过B_AP算法实现对RDF图的k-way分割，具体步骤如下：

Step1执行以下初始化操作：

101)RDF图的初始化：设RDF三元组的主语集合为T_s，谓语集合为T_p，宾语集合为T_o，那么定义RDF图为：G＝(V,E)，其中V＝{v|v∈T_s∪T_o}，并且假设n＝|V|表示RDF图中顶点的个数，m＝|E|表示RDF图边的数量；

102)数据预处理：将RDF数据的N-Triple型数据集全部处理为图格式，为后续在RDF图上的算法运行做准备；

Step2通过MMA算法首先对RDF图的顶点移动进行优化：在MMA算法中设定ε∈[β,0.5)，其中0＜β＜0.5，当模块度的增值大于ε，进行移动顶点；

Step3通过MSLM算法对RDF图进行粗糙化：基于模块度的MSLM算法将RDF图的规模进行压缩，达到粗糙化RDF图的目的，其具体的优化步骤如下：

301)RDF图中存在大量的属性节点，其入度都为1，将RDF图中所有的入度为1的顶点都等同于属性节点，即在算法运算过程，如果节点的入度为1，直接跳过进行下一个顶点的运算；

302)RDF图中存在着大量小社团，但是在模块度增加的情况下不断被吞并，所以设置浮动参数来调节保护小社团的存在；

Step4通过B_AP算法对RDF图进行k-way分割，实现分割的平衡性和最小边割的目标。

2.根据权利要求1所述的基于多层划分框架的RDF分布式存储方法，其特征在于，Step2中所述的MMA算法描述如下：

假设顶点v从c₁移动到了c₂，则对于c₁和c₂的模块度的变化如下：

式中E(c₁)和E(c₂)表示粗糙子图c₁和c₂中的边数，而和表示粗糙子图中c₁和c₂顶点v的邻居顶点；所以，模块度增值ΔQ的计算公式如下：

ΔQ＝ΔQ₁+ΔQ₂ (7)。

3.根据权利要求2所述的基于多层划分框架的RDF分布式存储方法，其特征在于，Step3中所述的MSLM算法描述如下：

对于RDF图运行MSLM算法后，计算模块度值变量ΔQ'，假设计算社团c₁的某个顶点v_i进行移动，其模块度变化计算公式如下：

式中，ω_in(v_i)表示由顶点v_i入射社团c₁的权重之和，∑_tot表示入射社团c₁的总权重，而ω(v_i)表示顶点v_i的总权重。