RDF數(shù)據(jù)集上的why-not問答技術研究.pdf

1、近年來，互聯(lián)網(wǎng)上產(chǎn)生了大量的RDF數(shù)據(jù)，并且形成了許多以RDF數(shù)據(jù)為知識單元的大規(guī)模開放知識庫或者垂直領域知識庫。為了發(fā)揮RDF數(shù)據(jù)的實用價值，基于知識庫的查詢回答技術逐漸成為人工智能和數(shù)據(jù)庫領域廣泛的研究熱點。然而，在人們熱衷于提高查詢回答技術的質(zhì)量和效率時，很少有人針對查詢回答系統(tǒng)在無法得出好的結(jié)果時給出合理的解釋。特別地，當查詢回答系統(tǒng)返回的查詢結(jié)果中缺失了用戶期望的結(jié)果時，系統(tǒng)自身無法提供一種解釋機制來告訴用戶為什么他們期望的答

2、案沒有出現(xiàn)在結(jié)果集中，因此用戶只能通過修改查詢條件進行不斷的試錯來探索原因。由于RDF數(shù)據(jù)具有和關系表不同的數(shù)據(jù)結(jié)構，并且具有更加豐富的結(jié)構和語義信息，導致現(xiàn)有的基于關系數(shù)據(jù)庫的解釋模型無法直接用來處理RDF數(shù)據(jù)上的why-not問題。
　　針對上述問題，本文提出一種統(tǒng)一的基于圖匹配的解釋框架，并采用貪心搜索和模擬退火兩種近似策略來計算解釋，為處理用戶在RDF數(shù)據(jù)上針對基本圖模式的SPARQL查詢提出的why-not問題提供了高效

3、的求解算法，從而滿足用戶更高層次的信息需求。具體而言，本文的主要工作以及貢獻包含如下幾點內(nèi)容:
　　(1)提出了一種統(tǒng)一的基于圖匹配的解釋框架，將RDF數(shù)據(jù)上的why-not問題轉(zhuǎn)換成一個圖匹配的問題。并且根據(jù)查詢分解方式的不同，分別提出星匹配和路徑匹配兩種方式來計算解釋。此外，在匹配的過程中引入了一種相似度評分機制，充分考慮了查詢和數(shù)據(jù)模式之間的結(jié)構和語義信息，從而保證生成盡可能合理的解釋。
　　(2)針對兩種圖匹配的算法