CN115794884A - 一种基于图摘要技术进行预计算子图查询的方法及装置 - Google Patents

一种基于图摘要技术进行预计算子图查询的方法及装置 Download PDF

Info

Publication number
CN115794884A
CN115794884A CN202211472183.8A CN202211472183A CN115794884A CN 115794884 A CN115794884 A CN 115794884A CN 202211472183 A CN202211472183 A CN 202211472183A CN 115794884 A CN115794884 A CN 115794884A
Authority
CN
China
Prior art keywords
graph
abstract
result
query
digest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211472183.8A
Other languages
English (en)
Inventor
杨运平
李莹
陈伟
蒋炜
金路
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Bangsheng Technology Co ltd
Original Assignee
Zhejiang Bangsheng Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Bangsheng Technology Co ltd filed Critical Zhejiang Bangsheng Technology Co ltd
Priority to CN202211472183.8A priority Critical patent/CN115794884A/zh
Publication of CN115794884A publication Critical patent/CN115794884A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于图摘要技术进行预计算子图查询的方法及装置，本发明实时的对图进行局部的图摘要，从而降低图结构中包含的实体数量以便于提高图查询的效率。在预摘要阶段，引入了简化多跳摘要。这些摘要通过小且包含丰富信息的图模式，将根据多跳邻域内实体与某一特定实体的相似度进行摘要汇总。在图查询阶段，本发明使用设计的图摘要质量打分函数对摘要队列进行排序维护并实时更新。通过从图摘要队列中获取摘要对图查询进行覆盖，并从原图中获取必要实体，从而提高了图查询的效率。本发明通过预计算图摘要避免了直接进行图查询而存在的困难，加强了图查询的有效性和高效性。

Description

一种基于图摘要技术进行预计算子图查询的方法及装置
技术领域
本发明属于图挖掘领域，具体涉及一种基于图摘要技术进行预计算子图查询的方法及装置。
背景技术
图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有某种关系。一般来说，设计的知识图谱G是一个有序三元组(V,E,L)，其中V称为顶点集，即图中所有顶点组成的集合，
Figure BDA0003958848000000011
称为边集，即所有顶点之间的边组成的集合，每个顶点v∈V都有一个标签L(v)可能包含关于v的内容，如类型、名称、属性值等。每条边e∈E也有一个标签L(e)代表了两个顶点之间的关系。简单的说，顶点表示事物，边表示事物之间的关系。
图作为一种常用的数据结构，可以准确的对科学与工程领域中数据的关键特征和复杂关系进行建模，使得图结构在生物信息学、化学、社会网络分析等领域得到了广泛应用。图挖掘领域的主要研究包括图分类、图聚类、子图查询等。其中子图查询作为图研究领域中的一个重要研究分支，具有一定的现实意义和研究价值。
子图查询问题将图视为复杂对象，通过对知识图信息与结构的挖掘，根据给定的查询图，从图中找出所有包含查询图的数据子图。为了搜索知识图，已有提出的很多查询处理技术主要是基于"过滤-验证"策略进行子图查询。然而，对于最终用户来说，在没有任何关于底层数据图的先验知识的情况下，很难精确地查询到有意义的答案。由于查询中的模糊性、固有的计算复杂性(例如，子图同构)和资源约束(例如，允许访问的数据、响应时间)，查询大规模的知识图是具有挑战性的。
图摘要可以通过高度可解释的“视图”(并且可以作为高度可解释的“视图”直接查询)来实现知识搜索。此外，这样的摘要可以帮助用户理解复杂的知识图，而不需要检查大量的数据，用可解释的证据解释事实，并在挖掘任务中进行有意义的查询。
综上所述，提出的新思路和方法应用于图分类任务，从而避免上述方法中难以解决的问题，从而提高子图查询的效率，使其更加适应现在大数据的背景是有意义的。
发明内容
鉴于上述，本发明提出了一种基于图摘要技术进行预计算子图查询的方法，以解决现有方法需要一定先验知识、查询较为模糊、计算复杂度高、资源消耗较高的问题。该方法首先对图数据进行预处理，然后根据图数据，进行图摘要的生成与维护，在给定一个图查询时，基于得到的图摘要集合，进行子图查询。
本发明解决技术问题所采用的技术方案如下：第一方面，本发明提供了一种基于图摘要技术进行预计算子图查询的方法，该方法包括如下步骤：
(1)获取若干知识图数据，对知识图数据进行预处理；所述的图数据中包括图中所有顶点、边以及类别信息；
(2)对知识图数据进行图摘要队列提取与维护，具体包括以下子步骤：
(2.1)初始化摘要排序队列L、摘要集合CP和摘要结果S为空，并设定摘要排序队列L与摘要结果S长度为k，最小摘要边界大小d和用户摘要预算bP；
(2.2)用知识图数据中任一顶点初始化图模式P，并对其进行扩展操作，从该顶点扩展一条边，该新得到图模式记为P′；
(2.3)对获取的图模式P′进行检验，其检验结果如果是正确的，则可以将所有对的顶点并为一个超级顶点，并更新图模式P；若结果为错误，则重新进行2.2步骤选择其他扩展边；
(2.4)不断重复步骤(2.2)与步骤(2.3)，直到在设定的跳跃范围边界值内没有新图模式可以再被扩展进来；
(2.5)将最终获得的图模式P加入到摘要集合CP及摘要排序队列L；
(2.6)计算新获取的图模式P与摘要集合CP中所有的图模式之间的质量打分函数；
(2.7)根据对图模式P计算所得的质量打分函数与摘要排序队列L中原有摘要重新进行降序排序，得到排序后质量最大化的队列L；
(2.8)从L中取前
Figure BDA0003958848000000021
对摘要，并将其添加至摘要结果S，使摘要结果质量函数值最大化；
(2.9)不停重复步骤(2.2)至步骤(2.8)，直到运行时间限制或没有新的图模式可以生成了，得到最新摘要结果S命名为SG；
(3)基于(2)中得到的摘要结果集合SG、给定的知识图谱G和给定的查询图模式Q＝(Vq,Eq,Lq,)，进行同构图的查询，具体包括以下子步骤：
(3.1)对摘要结果集合SG中所有图模式P，计算最新的图模式P的覆盖函数分数；
(3.2)选取摘要结果集合SG对应覆盖函数分数最高的摘要加入最终的结果R中，更新所有的覆盖函数分数；
(3.3)不停的进行步骤(3.1)与步骤(3.2)，直到所有的摘要结果被选择或者到达最大结果数量的限制，返回查询得到的结果集合R。
进一步地，所述步骤(2.3)中，对获取的图模式P′进行检验时，检验该图模式P′的每个顶点的传入路径(传出路径)中是否存在任意一个与该顶点d跳距离内所有传入路径(传出路径)相同的标签，若是，则验证结果为正确，若一个相同的标签都不存在，则验证结果为错误。
进一步地，所述步骤(2.6)中，质量打分函数计算方式如下：
F(P,P′)＝(1-α)(I(P)+I(P′))+α*diff(P,P′)；
其中I(P)为信息性函数，
Figure BDA0003958848000000031
bP为规范化|P|的大小限制(摘要预算,即用户可以承受的最大摘要大小),|P|表示P中元素的个数，gP为图G中的P的基图，VgP为gP的顶点集合，
Figure BDA0003958848000000032
是P和P′在它们对应的基图中这两个集合之间的Jaccard距离，VGP，为GP′的顶点集合，GP′为图G中的P′的基图α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数。
进一步地，所述步骤(2.8)中，结果质量函数计算方式为：
Figure BDA0003958848000000033
Figure BDA0003958848000000034
其中num(S)表示S中摘要的数量；
Figure BDA0003958848000000035
|P|表示P中元素的个数，
Figure BDA0003958848000000036
是Pi和Pj在它们对应的基图中这两个集合之间的Jaccard距离，α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数。
进一步地，所述步骤(3.1)中，覆盖分数函数计算方式如下：
Figure BDA0003958848000000037
其中，EQP为摘要P对应Q相似属性的边集合，Ecover为已经覆盖查询Q的边集合，|GP|为基图中摘要P对应的顶点数。
第二方面，本发明还提供了一种基于图摘要技术进行预计算子图查询的装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现所述的基于图摘要技术进行预计算子图查询的方法的步骤。
第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的基于图摘要技术进行预计算子图查询的方法的步骤。
基于上述技术方案，本发明具有以下有益技术效果：本发明提出了一种基于图摘要技术进行预计算子图查询的方法，利用对图进行预计算图摘要进行知识图信息的高层次抽取，并在进行子图查询的时候利用图摘要快速的返回查询结果，极大的降低了用户对于知识图的理解要求，提高了子图查询的效率，并能够更好的帮助用户理解复杂的知识图，从根本上提高了子图查询的效率，可以广泛应用于子图查询领域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。
图1为本发明提供的基于图摘要技术进行预计算子图查询的方法流程图。
图2为本发明提供的基于图摘要技术进行预计算子图查询的装置的结构图。
具体实施方式
下面结合附图和实施例，对本发明作进一步详细描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
选择查询某艺术家名字作为任务，知识图谱数据集包括电影名、管理者、国家、艺术家、电影类型等等共计17种类型元素。如图1所示，本发明提出的一种基于图摘要技术进行预计算子图查询的方法，实施步骤如下：
(1)基于获取的知识图数据，对知识图谱数据集进行预处理。所述的图数据中包括图中所有顶点、边以及类别信息，顶点包括名字、国家名、电影名等，边包括歌手、演员、合作者、位于、出生于等，类别包括乐队、艺术家、管理者、奖项、电影、国家等。我们将这个知识图谱定义为G＝(V,E,L)。
(2)在进行子图查询前，本发明先预先对知识图进行预计算，得到图摘要，以降低后续图查询所消耗的时间与资源。对图进行图摘要队列提取与维护，具体包括以下子步骤：
(2.1)初始化摘要排序队列L、摘要集合CP和摘要结果S为空，并设定L与S长度k为16，最小摘要边界大小d为2和用户摘要预算bP为8；
(2.2)用任一顶点初始化图模式P，这里可以随机选择某一艺术家如“T.McGraw”作为初始顶点，并对其进行扩展操作，从该顶点扩展一条边“演员”，他参演了电影“Four_Holidays”，该新得到图模式记为P′；
(2.3)对获取的图模式P′进行检验，对获取的图模式P′进行检验时，检验该图模式P′的每个顶点的传入路径(传出路径)中是否存在任意一个与该顶点d跳距离内所有传入路径(传出路径)相同的标签，若其检验结果如果是对的，则可以将这些顶点并为一个超级顶点，并更新图模式P；若结果为错误，则重新进行2.2步骤选择其他扩展边；
(2.4)不断重复2.2与2.3步骤，直到在设定的跳跃范围边界值内没有新模式可以再被扩展进来；
(2.5)将新获得的图模式P加入到摘要集合CP及摘要排序队列L；
(2.6)计算新获取的模式P与摘要集合CP中所有的图模式之间的质量打分函数，质量打分函数计算方式如下：
F(P,P′)＝(1-α)(I(P)+I(P′))+α*diff(P,P′)；
其中I(P)为信息性函数，
Figure BDA0003958848000000051
bP为规范化|P|的大小限制(摘要预算,即用户可以承受的最大摘要大小),|P|表示P中元素的个数，gP为图G中的P的基图，VgP为gP的顶点集合，
Figure BDA0003958848000000052
是P和P′在它们对应的基图中这两个集合之间的Jaccard距离，α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数，在本次实施例中设置为0.2。
(2.7)根据对P算计所得的质量打分函数与摘要排序队列L中原有摘要重新进行降序排序，得到排序后质量最大化的队列L；
(2.8)从L中取
Figure BDA0003958848000000053
对摘要，并用其更新摘要结果S，使摘要结果质量函数值最大化，结果质量函数计算方式为：
Figure BDA0003958848000000054
其中num(S)表示S中摘要的数量；
Figure BDA0003958848000000055
|P|表示P中元素的个数，
Figure BDA0003958848000000056
是Pi和Pj在它们对应的基图中这两个集合之间的Jaccard距离，α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数，在本次实施例中设置为0.2。
(2.9)不停重复2.2至2.8中步骤直到运行时间限制或没有新的摘要模式可以生成了，得到摘要结果SG。这里获得的摘要模式包括艺术家及其国家、性别、参演电影名称。
(3)基于(2)中得到的摘要结果集合SG、给定的知识图谱G和给定的查询图模式Q＝(Vq,Eq,Lq,)，进行同构图的查询，具体包括以下子步骤：
(3.1)对摘要结果集合SG中所有摘要P，计算最新的摘要P的覆盖函数分数，覆盖分数函数计算方式如下：
Figure BDA0003958848000000057
其中，EQP为摘要P对应Q相似属性的边集合，Ecover为已经覆盖查询Q的边集合，|GP|为基图中摘要P对应的顶点数。
(3.2)选取摘要结果集合SG对应覆盖函数分数最高的摘要加入最终的结果R中，这样就可以重新更新所有的覆盖函数分数；
(3.3)不停的进行步骤3.1与3.2，直到所有的摘要模式被选择或者到达最大结果数量的限制，返回查询得到的艺术家名字结果集合R。
若不进行预计算，直接对该知识图谱进行子图查询，首先要求使用人员对该知识图谱有一定了解，在后续查询过程中，需要遍历整个知识图谱中所查询类型对应节点，将会消耗大量资源。本发明提出了一种基于图摘要技术进行预计算子图查询的方法，利用对图进行预计算图摘要进行知识图信息的高层次抽取，并在进行子图查询的时候利用图摘要快速的返回查询结果，极大的降低了用户对于知识图的理解要求，提高了子图查询的效率，并能够更好的帮助用户理解复杂的知识图，从根本上提高了子图查询的效率，可以广泛应用于子图查询领域。
与前述基于图摘要技术进行预计算子图查询的方法的实施例相对应，本发明还提供了基于图摘要技术进行预计算子图查询的装置的实施例。
参见图2，本发明实施例提供的一种基于图摘要技术进行预计算子图查询的装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现上述实施例中的基于图摘要技术进行预计算子图查询的方法。
本发明基于图摘要技术进行预计算子图查询的装置的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图2所示，为本发明基于图摘要技术进行预计算子图查询的装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的基于图摘要技术进行预计算子图查询的方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、SD卡、闪存卡(Flash Card)等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (7)

1.一种基于图摘要技术进行预计算子图查询的方法，其特征在于，该方法包括如下步骤：
(1)获取若干知识图数据，对知识图数据进行预处理；所述的图数据中包括图中所有顶点、边以及类别信息；
(2)对知识图数据进行图摘要队列提取与维护，具体包括以下子步骤：
(2.1)初始化摘要排序队列L、摘要集合CP和摘要结果S为空，并设定摘要排序队列L与摘要结果S长度为k，最小摘要边界大小d和用户摘要预算bP；
(2.2)用知识图数据中任一顶点初始化图模式P，并对其进行扩展操作，从该顶点扩展一条边，该新得到图模式记为P′；
(2.3)对获取的图模式P′进行检验，其检验结果如果是正确的，则可以将所有对的顶点并为一个超级顶点，并更新图模式P；若结果为错误，则重新进行2.2步骤选择其他扩展边；
(2.4)不断重复步骤(2.2)与步骤(2.3)，直到在设定的跳跃范围边界值内没有新图模式可以再被扩展进来；
(2.5)将最终获得的图模式P加入到摘要集合CP及摘要排序队列L；
(2.6)计算新获取的图模式P与摘要集合CP中所有的图模式之间的质量打分函数；
(2.7)根据对图模式P计算所得的质量打分函数与摘要排序队列L中原有摘要重新进行降序排序，得到排序后质量最大化的队列L；
(2.8)从L中取前
Figure FDA0003958847990000011
对摘要，并将其添加至摘要结果S，使摘要结果质量函数值最大化；
(2.9)不停重复步骤(2.2)至步骤(2.8)，直到运行时间限制或没有新的图模式可以生成了，得到最新摘要结果S命名为SG；
(3)基于(2)中得到的摘要结果集合SG、给定的知识图谱G和给定的查询图模式Q＝(Vq,Eq,Lq,)，进行同构图的查询，具体包括以下子步骤：
(3.1)对摘要结果集合SG中所有图模式P，计算最新的图模式P的覆盖函数分数；
(3.2)选取摘要结果集合SG对应覆盖函数分数最高的摘要加入最终的结果R中，更新所有的覆盖函数分数；
(3.3)不停的进行步骤(3.1)与步骤(3.2)，直到所有的摘要结果被选择或者到达最大结果数量的限制，返回查询得到的结果集合R。
2.根据权利要求1所述的基于图摘要技术进行预计算子图查询的方法，其特征在于，所述步骤(2.3)中，对获取的图模式P′进行检验时，检验该图模式P′的每个顶点的传入路径(传出路径)中是否存在任意一个与该顶点d跳距离内所有传入路径(传出路径)相同的标签，若是，则验证结果为正确，若一个相同的标签都不存在，则验证结果为错误。
3.根据权利要求1所述的基于图摘要技术进行预计算子图查询的方法，其特征在于，所述步骤(2.6)中，质量打分函数计算方式如下：
F(P,P')＝(1-α)(I(P)+I(P'))+α*diff(P,P')；
其中I(P)为信息性函数，
Figure FDA0003958847990000021
bP为规范化|P|的大小限制(摘要预算,即用户可以承受的最大摘要大小),|P|表示P中元素的个数，GP为图G中的P的基图，
Figure FDA0003958847990000022
为GP的顶点集合，
Figure FDA0003958847990000023
是P和P′在它们对应的基图中这两个集合之间的Jaccard距离，
Figure FDA0003958847990000024
为GP′的顶点集合，GP′为图G中的P′的基图α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数。
4.根据权利要求1所述的基于图摘要技术进行预计算子图查询的方法，其特征在于，所述步骤(2.8)中，结果质量函数计算方式为：
Figure FDA0003958847990000025
Figure FDA0003958847990000026
其中num(S)表示S中摘要的数量；
Figure FDA0003958847990000027
|P|表示P中元素的个数，
Figure FDA0003958847990000028
是Pi和Pj在它们对应的基图中这两个集合之间的Jaccard距离，α∈[0,1]，为可人为修改的用于权衡信息性与多样性的参数。
5.根据权利要求1所述的基于图摘要技术进行预计算子图查询的方法，其特征在于，所述步骤(3.1)中，覆盖分数函数计算方式如下：
Figure FDA0003958847990000029
其中，
Figure FDA00039588479900000210
为摘要P对应Q相似属性的边集合，Ecover为已经覆盖查询Q的边集合，|GP|为基图中摘要P对应的顶点数。
6.一种基于图摘要技术进行预计算子图查询的装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，用于实现如权利要求1-5中任一项所述的基于图摘要技术进行预计算子图查询的方法的步骤。
7.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，实现如权利要求1-5中任一项所述的基于图摘要技术进行预计算子图查询的方法的步骤。
CN202211472183.8A 2022-11-23 2022-11-23 一种基于图摘要技术进行预计算子图查询的方法及装置 Pending CN115794884A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211472183.8A CN115794884A (zh) 2022-11-23 2022-11-23 一种基于图摘要技术进行预计算子图查询的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211472183.8A CN115794884A (zh) 2022-11-23 2022-11-23 一种基于图摘要技术进行预计算子图查询的方法及装置

Publications (1)

Publication Number Publication Date
CN115794884A true CN115794884A (zh) 2023-03-14

Family

ID=85440400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211472183.8A Pending CN115794884A (zh) 2022-11-23 2022-11-23 一种基于图摘要技术进行预计算子图查询的方法及装置

Country Status (1)

Country Link
CN (1) CN115794884A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332856A (zh) * 2023-11-03 2024-01-02 安徽国麒科技有限公司 一种基于采样子图策略的电池知识图谱摘要生成方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332856A (zh) * 2023-11-03 2024-01-02 安徽国麒科技有限公司 一种基于采样子图策略的电池知识图谱摘要生成方法
CN117332856B (zh) * 2023-11-03 2024-02-23 安徽国麒科技有限公司 一种基于采样子图策略的电池知识图谱摘要生成方法

Similar Documents

Publication Publication Date Title
Tierny et al. The topology toolkit
Song et al. RP-DBSCAN: A superfast parallel DBSCAN algorithm based on random partitioning
Yakout et al. Don't be scared: use scalable automatic repairing with maximal likelihood and bounded changes
Cordella et al. Performance evaluation of the VF graph matching algorithm
CN104809244B (zh) 一种大数据环境下的数据挖掘方法和装置
Lin et al. High average-utility sequential pattern mining based on uncertain databases
CN104077723B (zh) 一种社交网络推荐系统及方法
CN107633257B (zh) 数据质量评估方法及装置、计算机可读存储介质、终端
Przybyła-Kasperek et al. A dispersed decision-making system–The use of negotiations during the dynamic generation of a system’s structure
CN115293919A (zh) 面向社交网络分布外泛化的图神经网络预测方法及系统
CN115794884A (zh) 一种基于图摘要技术进行预计算子图查询的方法及装置
Vega-Pons et al. Weighted cluster ensemble using a kernel consensus function
Reza et al. Scalable pattern matching in metadata graphs via constraint checking
CN117472904A (zh) 一种业务模型构建方法、装置、设备及存储介质
CN115757846A (zh) 一种大规模查询图上分解排序的动态图增量匹配方法及装置
Whang et al. Disinformation techniques for entity resolution
CN114579826B (zh) 基于知识图谱的任务处理方法及装置
Morrison et al. Inexact graph matching using a hierarchy of matching processes
US11709798B2 (en) Hash suppression
Welke et al. HOPS: Probabilistic subtree mining for small and large graphs
Likhyani et al. Label constrained shortest path estimation
Dawar et al. High-utility itemset mining for subadditive monotone utility functions
Davalas et al. Graph matching on social networks without any side information
CN116610714B (zh) 一种数据查询方法、装置、计算机设备及存储介质
CN113468280B (zh) 一种数据认知方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination