RU2015112157A - Система и способ поиска данных в базе данных графов - Google Patents
Система и способ поиска данных в базе данных графов Download PDFInfo
- Publication number
- RU2015112157A RU2015112157A RU2015112157A RU2015112157A RU2015112157A RU 2015112157 A RU2015112157 A RU 2015112157A RU 2015112157 A RU2015112157 A RU 2015112157A RU 2015112157 A RU2015112157 A RU 2015112157A RU 2015112157 A RU2015112157 A RU 2015112157A
- Authority
- RU
- Russia
- Prior art keywords
- objects
- data
- data objects
- search
- autotags
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
1. Внедренный в компьютер метод автоматического маркирования тегами объектов для поиска и получения из базы данных на основе графов, включающий:хранение входных данных, включая аксиомы, представляющие факты;получение входных объектов данных и преобразование входных объектов данных в формат n-кортежа на основе контекста;обработка аксиом для того, чтобы определить подлежащее, предикат и дополнение n-кортежа;анализ объектов данных и определение косвенных связей между объектами данных;определение атрибутов и свойств объектов данных;маркирование автотегами объектов данных автотегами на основе косвенных связей между объектами данных;маркирование автотегами объектов данных автотегами на основе атрибутов и свойств данных объектов;ранжирование объектов в соответствии с автотегами;определение области поиска на основе объектов данных, где область поиска представлена n-кортежными предикатами, ассоциирующимися с объектами данных;представление вариантов областей поиска для определенных областей поиска;получение запроса на поиск объектов данных в области поиска ипоиск маркированных автотегами входных объектов данных.2. Метод по п. 1, дополнительно включающий автоматическое маркирование объектов данных, основываясь на контексте.3. Метод по п. 2, отличающийся тем, что контекст определяется соответствующими онтологиями и представляет собой окружающую среду объекта данных.4. Метод по п. 3, отличающийся тем, что для одного объекта данных используется несколько онтологий.5. Метод по п. 2, отличающийся тем, что контекст включает метод обработки аксиом на основе природы объекта данных.6. Метод по п. 1, дополнительно включающий вычисление
Claims (22)
1. Внедренный в компьютер метод автоматического маркирования тегами объектов для поиска и получения из базы данных на основе графов, включающий:
хранение входных данных, включая аксиомы, представляющие факты;
получение входных объектов данных и преобразование входных объектов данных в формат n-кортежа на основе контекста;
обработка аксиом для того, чтобы определить подлежащее, предикат и дополнение n-кортежа;
анализ объектов данных и определение косвенных связей между объектами данных;
определение атрибутов и свойств объектов данных;
маркирование автотегами объектов данных автотегами на основе косвенных связей между объектами данных;
маркирование автотегами объектов данных автотегами на основе атрибутов и свойств данных объектов;
ранжирование объектов в соответствии с автотегами;
определение области поиска на основе объектов данных, где область поиска представлена n-кортежными предикатами, ассоциирующимися с объектами данных;
представление вариантов областей поиска для определенных областей поиска;
получение запроса на поиск объектов данных в области поиска и
поиск маркированных автотегами входных объектов данных.
2. Метод по п. 1, дополнительно включающий автоматическое маркирование объектов данных, основываясь на контексте.
3. Метод по п. 2, отличающийся тем, что контекст определяется соответствующими онтологиями и представляет собой окружающую среду объекта данных.
4. Метод по п. 3, отличающийся тем, что для одного объекта данных используется несколько онтологий.
5. Метод по п. 2, отличающийся тем, что контекст включает метод обработки аксиом на основе природы объекта данных.
6. Метод по п. 1, дополнительно включающий вычисление автотегов по требованию.
7. Метод по п. 1, отличающийся тем, что объекты данных представлены экземплярами классов.
8. Метод по п. 1, дополнительно включающий пропагацию автотегов для определения, как минимум, одного дополнительного предиката n-кортежа, который также участвует в поиске Объектов.
9. Метод по п. 8, отличающийся тем, что предикату автотега назначается вес и используется для поиска Объектов за пределами найденных предикатов автотегов.
10. Метод по п. 8, отличающийся тем, что вес описывает дерево Объектов.
11. Система для автоматического маркирования тегами объектов данных для поиска и получения из базы данных на основе графов, включающая:
источник данных, сконфигурированный для предоставления данных для обработки системой;
модуль обработки данных, сконфигурированный для перехвата и преобразования данных из источника данных в формат n-кортежа; и
модуль обработки автотегов, соединенный с модулем обработки данных и
сконфигурированный для получения запроса на обработку данных из модуля обработки данных; и
модуль обработки объектов, соединенный с модулем обработки автотегов и (i) сконфигурированный для создания, удаления и редактирования Объектов, и (ii) также сконфигурированный для отправки, по крайней мере, одного запроса в модуль обработки автотегов для поиска объектов, и также (iii) сконфигурированный для преобразования действий с Объектами в n-кортеж;
где модуль обработки объектов включает фильтр событий для перехватки действий с объектами для использования в обработке автотегов; и
где данные включают аксиомы, представляющие факты; и
где:
модуль обработки данных выполняет поиск маркированных автотегами объектов данных; и
модуль обработки данных выполняет поиск объектов данных на основе автотегов с использованием предикатов и значений автотегов.
12. Система по п. 11, отличающаяся тем, что модуль обработки автотегов сконфигурирован для выполнения любого из:
маркирование объектов данных автотегами на основе косвенных связей между объектами данных;
маркирование объектов данных автотегами на основе атрибутов и свойств объектов данных; и
ранжирование объектов данных в соответствии с автотегами.
13. Система по п. 11, отличающаяся тем, что n-кортеж является тройкой Среды Описания Ресурса (RDF).
14. Система по п. 13, отличающаяся тем, что тройка включает подлежащее, предикат и дополнение.
15. Система по п. 11, отличающаяся тем, что источник данных является RDF-графовой базой данных.
16. Система по п. 11, отличающаяся тем, что модуль обработки автотегов выполняет поиск маркированных автотегами объектов с использованием таксономии.
17. Система по п. 11, отличающаяся тем, что модуль обработки автотегов выполняет поиск маркированных автотегами объектов данных с использованием поискового запроса.
18. Система по п. 11, отличающаяся тем, что объекты данных представлены множеством экземпляров классов.
19. Система по п. 11, отличающаяся тем, что автотеги, предикаты автотегов и значения автотегов хранятся в ОЗУ.
20. Система по п. 13, отличающаяся тем, что объект данных определяется набором троек.
21. Система по п. 11, отличающаяся тем, что предикату автотега назначается вес и используется для поиска Объекта за пределами найденных предикатов автотегов.
22. Система по п. 11, отличающаяся тем, что вес описывает расстояние в дереве Объектов.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015112157A RU2707708C2 (ru) | 2015-04-03 | 2015-04-03 | Система и способ поиска данных в базе данных графов |
EP15771496.5A EP3095052A1 (en) | 2015-04-03 | 2015-04-10 | System and method for data search in a graph database |
PCT/RU2015/000237 WO2016159819A1 (en) | 2015-04-03 | 2015-04-10 | System and method for data search in a graph database |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015112157A RU2707708C2 (ru) | 2015-04-03 | 2015-04-03 | Система и способ поиска данных в базе данных графов |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2015112157A true RU2015112157A (ru) | 2016-10-20 |
RU2015112157A3 RU2015112157A3 (ru) | 2018-09-11 |
RU2707708C2 RU2707708C2 (ru) | 2019-11-28 |
Family
ID=54366492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015112157A RU2707708C2 (ru) | 2015-04-03 | 2015-04-03 | Система и способ поиска данных в базе данных графов |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3095052A1 (ru) |
RU (1) | RU2707708C2 (ru) |
WO (1) | WO2016159819A1 (ru) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2670781C9 (ru) * | 2017-03-23 | 2018-11-23 | Илья Николаевич Логинов | Система и способ для хранения и обработки данных |
US10592557B2 (en) | 2017-03-31 | 2020-03-17 | Microsoft Technology Licensing, Llc | Phantom results in graph queries |
WO2020046159A1 (ru) * | 2018-08-31 | 2020-03-05 | Илья Николаевич ЛОГИНОВ | Система и способ для хранения и обработки данных |
US11783131B2 (en) | 2020-09-10 | 2023-10-10 | International Business Machines Corporation | Knowledge graph fusion |
WO2023121504A1 (ru) * | 2021-12-24 | 2023-06-29 | Общество С Ограниченной Ответственностью "Кейс Студио" | Система и способ управления оповещениями |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8244772B2 (en) * | 2007-03-29 | 2012-08-14 | Franz, Inc. | Method for creating a scalable graph database using coordinate data elements |
US7890518B2 (en) * | 2007-03-29 | 2011-02-15 | Franz Inc. | Method for creating a scalable graph database |
US8606807B2 (en) * | 2008-02-28 | 2013-12-10 | Red Hat, Inc. | Integration of triple tags into a tagging tool and text browsing |
US8478766B1 (en) * | 2011-02-02 | 2013-07-02 | Comindware Ltd. | Unified data architecture for business process management |
RU2490702C1 (ru) * | 2012-05-02 | 2013-08-20 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Способ ускорения обработки множественных запросов типа select к rdf базе данных с помощью графического процессора |
-
2015
- 2015-04-03 RU RU2015112157A patent/RU2707708C2/ru not_active IP Right Cessation
- 2015-04-10 WO PCT/RU2015/000237 patent/WO2016159819A1/en active Application Filing
- 2015-04-10 EP EP15771496.5A patent/EP3095052A1/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
EP3095052A1 (en) | 2016-11-23 |
RU2015112157A3 (ru) | 2018-09-11 |
RU2707708C2 (ru) | 2019-11-28 |
WO2016159819A1 (en) | 2016-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10740304B2 (en) | Data virtualization across heterogeneous formats | |
US8559731B2 (en) | Personalized tag ranking | |
US10229200B2 (en) | Linking data elements based on similarity data values and semantic annotations | |
US11423082B2 (en) | Methods and apparatus for subgraph matching in big data analysis | |
US11194797B2 (en) | Automatic transformation of complex tables in documents into computer understandable structured format and providing schema-less query support data extraction | |
US20190317938A1 (en) | Method, program, and system for automatic discovery of relationship between fields in environment where different types of data sources coexist | |
CN108563734B (zh) | 制度信息查询方法、装置、计算机设备和存储介质 | |
RU2015112157A (ru) | Система и способ поиска данных в базе данных графов | |
US20110282855A1 (en) | Scoring relationships between objects in information retrieval | |
US9959326B2 (en) | Annotating schema elements based on associating data instances with knowledge base entities | |
US11194798B2 (en) | Automatic transformation of complex tables in documents into computer understandable structured format with mapped dependencies and providing schema-less query support for searching table data | |
Dijkman et al. | A short survey on process model similarity | |
CN103049575A (zh) | 一种主题自适应的学术会议搜索系统 | |
US10152510B2 (en) | Query hint learning in a database management system | |
US10380115B2 (en) | Cross column searching a relational database table | |
US20160162546A1 (en) | Query routing method, query routing server performing the same and storage medium storing the same | |
CN110543477B (zh) | 一种标签构建系统及方法 | |
CN111125086A (zh) | 获取数据资源的方法、装置、存储介质及处理器 | |
US20160342652A1 (en) | Database query cursor management | |
US20200334251A1 (en) | Automatic transformation of complex tables in documents into computer understandable structured format and managing dependencies | |
US10691709B2 (en) | System and method for subset searching and associated search operators | |
US9251136B2 (en) | Document tagging and retrieval using entity specifiers | |
US10866944B2 (en) | Reconciled data storage system | |
US11328005B2 (en) | Machine learning (ML) based expansion of a data set | |
US20160179895A1 (en) | Database joins using uncertain criteria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20190121 |
|
FZ9A | Application not withdrawn (correction of the notice of withdrawal) |
Effective date: 20190405 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190714 |