[논문 리뷰] LMKG: Learned Models for Cardinality Estimation in Knowledge Graphs

Angjela Davitkova, Damjan Gjurovski외 1명|arXiv (Cornell University)|2021. 02. 21.

Advanced Graph Neural Networks참고 문헌 44인용 수 4

한 줄 요약

LMKG는 지식 그래프에서 카디널리티 추정을 위한 딥러닝 프레임워크를 제안한다. 이는 새로운 SG-Encoding을 통해 SPARQL 쿼리를 하위그래프 패턴으로 인코딩하는 데 기반한 지도학습(LMKG-S) 및 비지도학습(LMKG-U) 모델을 포함한다. 하위그래프 패턴 간의 상관관계를 학습함으로써 기존 방법들보다 우수한 정확도와 효율성을 달성하며, 메모리 사용량도 낮게 유지한다.

ABSTRACT

Accurate cardinality estimates are a key ingredient to achieve optimal query plans. For RDF engines, specifically under common knowledge graph processing workloads, the lack of schema, correlated predicates, and various types of queries involving multiple joins, render cardinality estimation a particularly challenging task. In this paper, we develop a framework, termed LMKG, that adopts deep learning approaches for effectively estimating the cardinality of queries over RDF graphs. We employ both supervised (i.e., deep neural networks) and unsupervised (i.e., autoregressive models) approaches that adapt to the subgraph patterns and produce more accurate cardinality estimates. To feed the underlying data to the models, we put forward a novel encoding that represents the queries as subgraph patterns. Through extensive experiments on both real-world and synthetic datasets, we evaluate our models and show that they overall outperform the state-of-the-art approaches in terms of accuracy and execution time.

연구 동기 및 목표

• 스키마 없는 데이터, 상관관계가 높은 서술어, 복잡한 다중 조인 SPARQL 쿼리로 인해 발생하는 RDF 기반 지식 그래프의 정확하지 않은 카디널리티 추정 문제를 해결하기 위해.
• 지식 그래프 내 카디널리티 추정을 위한 지도학습 및 비지도학습 딥러닝 모델을 모두 지원하는 통합 프레임워크를 개발하기 위해.
• 복잡한 쿼리 패턴을 효율적으로 표현하면서도 구조적 상관관계를 유지하는 효과적인 하위그래프 인코딩(SG-Encoding)을 설계하기 위해.
• 실제 및 합성 데이터셋을 대상으로 프레임워크를 평가하여 기존 최고 수준의 접근 방식에 비해 뛰어난 정확도와 효율성을 입증하기 위해.

제안 방법

• LMKG는 SPARQL 쿼리에서 파생된 하위그래프 패턴을 모델링함으로써 카디널리티 추정 문제를 딥러닝 문제로 재정의한다.
• SG-Encoding은 다수의 하위그래프 패턴(예: 스타형 및 체인형 패턴)을 압축하여 표현하면서도 입력 차원을 감소시키는 새로운 압축 표현 방식이다.
• 지도학습의 경우, LMKG-S는 레이블이 부여된 하위그래프 패턴을 기반으로 한 딥 네트워크를 사용하여 카디널리티를 예측한다.
• 비지도학습의 경우, LMKG-U는 샘플링된 하위그래프 패턴을 기반으로 한 자기회귀 모델을 사용하여 지도 없는 레이블 없이 선택도를 추정한다.
• 모델 학습을 위해 다양한 대표성을 갖춘 훈련 데이터를 효율적으로 생성하기 위해 샘플링 전략을 적용하며, 개별 삼중항이 아닌 관련 있는 하위그래프 구조에 집중한다.
• 모델들은 서술어와 항목 간의 상관관계를 학습하여 전통적인 추정 기법에서 발생하는 독립성 가정의 문제를 피한다.

실험 결과

연구 질문

• RQ1 스키마가 없고 서술어 간 상관관계가 높은 상황에서도 딥러닝 모델이 지식 그래프 내 카디널리티를 효과적으로 추정할 수 있는가?
• RQ2 개별 삼중항이 아닌 하위그래프 패턴을 모델링함으로써 추정 정확도와 효율성이 어떻게 향상되는가?
• RQ3 제안된 SG-Encoding이 딥러닝 모델이 복잡한 쿼리 패턴을 표현하는 데 있어 기존 표준 인코딩보다 얼마나 뛰어나게 작용하는가?
• RQ4 다양한 워크로드에서 LMKG의 지도학습 및 비지도학습 버전 간 정확도, 메모리 사용량, 추론 속도에서의 성능 비교는 어떠한가?
• RQ5 학습된 카디널리티 추정에서의 주요 확장성 및 강인성 도전 과제는 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• LMKG-S와 LMKG-U는 실세계 및 합성 데이터셋에서 모두 최고 수준의 기존 방법들을 능가하는 추정 정확도를 확보하였으며, 특히 LMKG-S가 가장 높은 정확도를 기록했다.
• LMKG-S는 CSET를 제외한 모든 경쟁자보다 빠른 추정 시간을 확보했으며, 저메모리 사용량도 유지했다. 예를 들어 SWDF에서 k=3일 때 43MB로, MSCN 및 CSET보다 훨씬 낮았다.
• LMKG-U는 쿼리 크기 및 유형에 관계없이 일관된 성능을 보였지만, 높은 항목 다양성을 가진 대규모 데이터셋에서는 더 높은 메모리 소비를 겪었다.
• SG-Encoding은 압축되고 정보가 풍부한 입력 표현을 가능하게 하여 모델 일반화 능력을 향상시키고 훈련 데이터 요구량을 감소시켰다.
• 이상치 쿼리는 LMKG-S에게 여전히 도전 과제이지만, 이에 대응하기 위한 버퍼 리스트 기능을 지원함으로써 향후 강인성 향상 방향을 제시한다.
• LMKG-U의 메모리 소비는 데이터셋 크기와 항목 수 증가에 따라 증가하므로, 향후 작업에서 최적화된 샘플링 또는 차원 축소 기법이 필요하다.