[论文解读] Annex: Radon - Rapid Discovery of Topological Relations

Mohamed Ahmed Sherif, K. A. Dressler+2 more|arXiv (Cornell University)|Nov 18, 2016

Semantic Web and Ontologies参考文献 13被引用 3

一句话总结

Radon 是一种新颖的高性能系统，通过稀疏铺砌索引和最小边界框（MBB）过滤，能够快速发现地理空间 RDF 资源之间的拓扑关系。在真实世界数据集上，其 F-measure 准确率达到 100%，同时相比最先进的工具（如 Silk 和 Strabon）实现了高达 1000 倍的性能提升。

ABSTRACT

Datasets containing geo-spatial resources are increasingly being represented according to the Linked Data principles. Several time-efficient approaches for discovering links between RDF resources have been developed over the last years. However, the time-efficient discovery of topological relations between geospatial resources has been paid little attention to. We address this research gap by presenting Radon, a novel approach for the rapid computation of topological relations between geo-spatial resources. Our approach uses a sparse tiling index in combination with minimum bounding boxes to reduce the computation time of topological relations. Our evaluation of Radon's runtime on 45 datasets and in more than 800 experiments shows that it outperforms the state of the art by up to 3 orders of magnitude while maintaining an F-measure of 100%. Moreover, our experiments suggest that Radon scales up well when implemented in parallel.

研究动机与目标

• 解决在 RDF/链接数据中发现地理空间资源之间拓扑关系时缺乏可扩展、高效方法的问题。
• 克服大规模地理空间数据集中成对拓扑关系计算带来的计算瓶颈。
• 开发一种方法，在显著降低运行时间的同时，保持完整性和正确性（F-measure = 100%）。
• 支持在大型地理空间知识图谱上实现实时应用，如机器学习和问答系统。
• 提供一种可扩展、可并行化的解决方案，适用于现代大规模地理空间链接数据工作负载。

提出的方法

• 提出一种新颖的稀疏空间铺砌索引，以高效组织和访问地理空间 RDF 数据集中的资源。
• 采用最小边界框（MBB）近似方法，预先过滤掉不可能存在拓扑关系的几何对象对。
• 以 DE-9IM 模型作为定义和计算两个几何对象之间拓扑关系的形式化基础。
• 应用一种基于 MBB 交集的过滤策略，避免对不重叠或不相邻的几何对象执行昂贵的完整 DE-9IM 计算。
• 将稀疏铺砌索引与 MBB 过滤相结合，以减少完整拓扑关系检查的次数。
• 支持并行执行，并采用轮询式负载均衡策略，在实验中表现出良好的横向可扩展性。

实验结果

研究问题

• RQ1 将稀疏铺砌索引与 MBB 过滤相结合，是否能显著减少计算地理空间 RDF 资源之间拓扑关系所需的时间？
• RQ2 在运行时间和可扩展性方面，Radon 与最先进的系统（如 Silk 和 Strabon）相比表现如何？
• RQ3 基于 MBB 的过滤策略在多大程度上减少了完整 DE-9IM 计算的次数？
• RQ4 Radon 在实现高性能的同时，是否保持了完整性和正确性（即 F-measure 达到 100%）？
• RQ5 当处理非常大的地理空间数据集时，Radon 的可扩展性如何，尤其与那些在该类工作负载下会超时的系统相比？

主要发现

• 在 45 个数据集和 800 多项实验中，Radon 的运行时间相比最先进水平（如 Silk）最高提升了 3 个数量级。
• 平均而言，Radon 比 Strabon 快 11.99 倍，且在除 'intersects' 关系外的所有关系上均表现出显著更优的性能，后者因 R-tree 索引而略占优势。
• 在大规模 CLC_m 数据集的可扩展性实验中，Radon 仅用约 95.10 分钟完成，而 Strabon 在 2 小时后超时，若按线性缩放估算需约 20.17 小时，或按 O(n²) 缩放估算需提升 241 倍才能完成。
• Radon 中基于 MBB 的过滤策略比现有方法更有效地减少了完整 DE-9IM 计算的次数，是其性能优势的重要贡献因素。
• Radon 在所有实验中均保持 100% 的 F-measure，证明其在发现拓扑关系方面既正确又完整。
• 该系统在并行执行中表现出良好可扩展性，通过采用粒子群优化等先进负载均衡技术，未来仍有进一步提升性能的潜力。