[論文レビュー] Extending SPARQL to Support Entity Grouping and Path Queries

Amin Beheshti, Sherif Sakr+2 more|arXiv (Cornell University)|Nov 21, 2012

Semantic Web and Ontologies参考文献 20被引用数 6

ひとこと要約

本論文では、大規模なRDFグラフにおけるエンティティグループおよびパスの効率的なクエリをサポートするために、フォルダーノードとパスノードを最初のクラスの抽象化として導入するSPARQLの拡張であるFPSPARQLを提案する。このアプローチにより、サブグラフおよびパスの構築、取得、再利用をネイティブにサポートするSPARQLの拡張が実現され、大規模なグラフワークロードにおいて既存のシステムを上回る高性能なクエリエンジンを実証した。

ABSTRACT

The ability to efficiently find relevant subgraphs and paths in a large graph to a given query is important in many applications including scientific data analysis, social networks, and business intelligence. Currently, there is little support and no efficient approaches for expressing and executing such queries. This paper proposes a data model and a query language to address this problem. The contributions include supporting the construction and selection of: (i) folder nodes, representing a set of related entities, and (ii) path nodes, representing a set of paths in which a path is the transitive relationship of two or more entities in the graph. Folders and paths can be stored and used for future queries. We introduce FPSPARQL which is an extension of the SPARQL supporting folder and path nodes. We have implemented a query engine that supports FPSPARQL and the evaluation results shows its viability and efficiency for querying large graph datasets.

研究の動機と目的

• SPARQLにおけるサブグラフおよびパスクエリのネイティブなサポートの欠如が、大規模なグラフの効率的分析を制限しているという問題に対処すること。
• 関連するエンティティおよびパスの階層的で再利用可能な抽象化を可能にするために、グラフデータモデルにおいてフォルダーとパスノードを最初のクラスのエンティティとして導入すること。
• クエリ、構築、再利用をサポートする、宣言的クエリ言語の拡張であるFPSPARQLの設計および実装を行うこと。
• 提案されたクエリエンジンの性能およびスケーラビリティを、大規模なグラフデータセット上で評価し、HyperGraphDBなどの既存システムと比較すること。
• 実世界の応用において、インフルエンスグラフの発見やビジネスプロセスのサブグラフ抽出といった高度なグラフ分析ワークロードを可能にすること。

提案手法

• 構造的および非構造的なエンティティをサポートするグラフデータモデルを提案し、関連するエンティティのコレクションを表すフォルダーノードと、エンティティ間の推移的関係を表すパスノードを導入する。
• SPARQLに類似した構文を用いて、パターンマッチング、変数バインディング、およびフォルダーノードとパスノードの構築をサポートするFPSPARQLをSPARQLの拡張として導入する。
• 効率的なFPSPARQLクエリの評価を可能にするために、最適化された物理演算子を備えた高性能なリレーショナルRDFストレージシステムを基盤エンジンとして採用する。
• グラフ到達可能性を実現するためのGRIPPアルゴリズムを用い、$O(n+m)$のインデックス構築時間と$O(m-n)$のクエリ時間計算量を達成し、効率的なパス走査を実現する。
• フォルダーとパスを再利用可能で階層的な抽象化として扱えるようにし、それらを以降のクエリにおいて最初のクラスのノードとして保存・利用可能にする。
• 複雑なパスおよびグループ化クエリを効率的に処理するため、外部の走査アルゴリズムおよびクエリ最適化技術を実装する。

実験結果

リサーチクエスチョン

• RQ1 SPARQLをどのように拡張すれば、サブグラフおよびパスを最初のクラスのエンティティとしてネイティブに構築・クエリ可能にすることができるか？
• RQ2 大規模なRDFグラフシステムにフォルダーおよびパスノードを導入した場合の性能オーバーヘッドはどの程度か？
• RQ3 FPSPARQLは、インフルエンスグラフの発見やビジネスプロセスのサブグラフ抽出といった複雑なグラフ分析クエリを効率的に表現・実行できるか？
• RQ4 FPSPARQLエンジンは、HyperGraphDBのような既存のグラフクエリシステムと比較して、性能およびスケーラビリティにおいて優れているか？
• RQ5 GRIPPのような最適化されたグラフ到達可能性アルゴリズムを用いることで、クエリ実行時間およびストレージ効率にどのような影響を与えるか？

主な発見

• FPSPARQLクエリエンジンは、大規模なRDFグラフにおいてフォルダーノードおよびパスノードを最初のクラスのエンティティとして効果的に構築・保存・クエリ可能にしている。
• 評価結果から、特に複雑なパスおよびグループ化クエリにおいて、FPSPARQLはHyperGraphDBを上回るクエリ実行速度を達成している。
• GRIPPアルゴリズムにより、$O(n+m)$のインデックスサイズと$O(m-n)$のクエリ時間計算量を実現し、推移的閉包と比較してストレージおよびレイテンシの両方を削減した。
• システムは大規模なグラフデータセットにおいてスケーラブルであることが実証され、インフルエンスグラフの発見やビジネスプロセスのサブグラフ取得といった複雑なクエリを処理可能である。
• 高性能なリレーショナルRDFエンジンにFPSPARQLを統合することで、表現力を損なわず、パスおよびグループ化クエリの効率的評価が可能になった。
• このアプローチにより、階層的で再利用可能な抽象化が可能となり、フォルダーとパスが以降のクエリの入力として使用可能となり、標準SPARQLをはるかに超える表現力を向上させた。