[论文解读] Keyword Search on RDF Graphs - A Query Graph Assembly Approach

Shuo Han, Lei Zou+2 more|arXiv (Cornell University)|Apr 1, 2017

Semantic Web and Ontologies参考文献 39被引用 6

一句话总结

本文提出了一种用于RDF图上的关键词搜索的查询图构建（QGA）方法，将用户意图建模为从消歧义实体、类和谓词组装而成的结构化查询图。通过将QGA形式化为一个NP完全问题，并采用基于二分图匹配的最优优先搜索与启发式下界，该方法实现了与RDF图规模无关的高效性和可扩展性，在DBpedia和Freebase上的有效性和响应时间均优于先前系统。

ABSTRACT

Keyword search provides ordinary users an easy-to-use interface for querying RDF data. Given the input keywords, in this paper, we study how to assemble a query graph that is to represent user's query intention accurately and efficiently. Based on the input keywords, we first obtain the elementary query graph building blocks, such as entity/class vertices and predicate edges. Then, we formally define the query graph assembly (QGA) problem. Unfortunately, we prove theoretically that QGA is a NP-complete problem. In order to solve that, we design some heuristic lower bounds and propose a bipartite graph matching-based best-first search algorithm. The algorithm's time complexity is $O(k^{2l} \cdot l^{3l})$, where $l$ is the number of the keywords and $k$ is a tunable parameter, i.e., the maximum number of candidate entity/class vertices and predicate edges allowed to match each keyword. Although QGA is intractable, both $l$ and $k$ are small in practice. Furthermore, the algorithm's time complexity does not depend on the RDF graph size, which guarantees the good scalability of our system in large RDF graphs. Experiments on DBpedia and Freebase confirm the superiority of our system on both effectiveness and efficiency.

研究动机与目标

• 为通过将查询意图建模为结构化查询图，解决在RDF图上准确解释用户关键词查询的挑战。
• 将关键词消歧义与查询结构生成整合到统一的优化模型中，避免顺序处理带来的误差传播。
• 设计一种高效、可扩展的查询图构建算法，其性能与RDF图规模无关，确保大规模部署中的快速响应时间。
• 通过利用基于TransE的图嵌入来评估候选查询图的语义质量，从而提升检索效果。

提出的方法

• 该方法将关键词搜索形式化为查询图构建（QGA）问题，其中每个关键词被匹配到候选实体、类和谓词。
• 构建一个二分图模型以表示关键词与查询图元素之间的匹配关系，从而实现消歧义与结构形成的联合优化。
• 引入启发式下界——Naive-LB、Greedy-LB和KM-LB——以在最优优先搜索策略中剪枝搜索空间。
• QGA算法采用由这些下界引导的最优优先搜索，时间复杂度为O(k²ˡ·l³ˡ)，其中l为关键词数量，k为每个关键词的最大候选数。
• 使用TransE嵌入来评估候选查询图的语义一致性，作为优化的目标函数。
• 系统采用两阶段框架：第一阶段将关键词映射到RDF项并构建候选查询图；第二阶段使用QGA算法组装最优查询图。

Figure 1 . Related Work of Keyword Search Problem.

实验结果

研究问题

• RQ1 如何将RDF图上的关键词搜索建模为一个统一的查询图构建问题，以联合处理消歧义与结构构建？
• RQ2 哪些有效的启发式下界能够显著减少NP完全的QGA问题的搜索空间，同时不牺牲解的质量？
• RQ3 如何使查询图构建过程在大规模RDF图（如包含数十亿三元组的图）中保持高效与可扩展？
• RQ4 将消歧义与结构构建整合到单一优化模型中，与顺序方法相比，能在多大程度上提升检索准确性？
• RQ5 在调整参数k（候选数限制）和N（考虑的前N个查询图数量）时，响应时间与准确率之间的权衡如何？

主要发现

• 所提出的QGA算法在DBpedia上的平均响应时间为734.9ms，在Freebase上为1103.2ms，其中QGA阶段本身每查询耗时不足80ms。
• 当k=10且N=5时，精度与性能之间达到最佳权衡，因为F1分数在此之后趋于平稳。
• Greedy-LB启发式方法在剪枝能力与效率之间提供了最佳平衡，相比Naive-LB减少超过70%的搜索状态，同时比KM-LB更快。
• 在QALD-6和Free917的180个基准查询上，系统平均优于最先进方法DPBF和SUMG 1–3倍。
• 基于TransE的评分显著提升了准确性，相较于不捕捉结构信息的基线方法，F1分数对比结果表明其优势明显。
• QGA算法的时间复杂度与RDF图规模无关，使其在大规模知识图谱（如DBpedia和Freebase）中具有高度可扩展性。

Figure 2 . A Sample of DBpedia RDF Graph.