在图查询中整合连接搜索
本文介绍了现代图数据库查询语言的基本特征和功能,并针对性地介绍了包括边缘标记图和属性图在内的两种流行的图数据模型,以及图模式和导航表达式等最基本的图查询功能。
Oct, 2016
本文介绍了一种启示性框架,该框架基于 guided link traversal 的思想,旨在解决数据发布者和消费者之间的问题,从而提高由多个文档构成的 Web of Data 中的查询效率并提高数据质量。
Feb, 2023
本篇论文介绍了一种利用图形方法和动态规划结合已有的搜索求解器来解决定量推理问题的新系统,可以有效地处理 Answer Set Programming 方法中 epistemic logic programs 的复杂问题。
Aug, 2021
QTO is an efficient method for optimizing query computation trees in knowledge graphs, which achieves state-of-the-art performance and can interpret intermediate solutions with high accuracy.
Dec, 2022
本文提出了一种基于神经链接预测器的框架,用于在含有缺失边的知识图谱上高效地回答复杂查询,并分别分析了梯度下降和组合搜索两种最优化问题的解决方案。通过使用数个数量级较少的训练数据,相对于先前的方法获得了更高的交叉验证效果,在多个包含事实信息的知识图谱中,提高了 8% 到 40% 的 Hits@3 指标,并可以解释模型的结果。
Nov, 2020
自然语言处理技术 (NLP) 在信息系统中的交互方式发生了革命性的变化,强调了将自然语言查询转化为 SQL 等形式查询语言,然而对于语料库查询语言 (CQL) 这一在文本语料中进行语言研究和详细分析的关键工具却未受到足够重视,手动构建 CQL 查询是一项复杂、耗时的任务,需要大量专业知识,这对研究人员和从业者都构成了重要挑战。本文提出了第一个文本到 CQL 任务,旨在自动将自然语言转化为 CQL。我们提出了一个全面的框架,包括一个特别策划的大规模数据集和利用大型语言模型 (LLMs) 进行有效的文本到 CQL 任务的方法。此外,我们建立了先进的评估指标来评估生成的查询的句法和语义准确性。我们提供了创新的 LLM 转换方法和详细的实验,并通过实验结果证明了我们方法的有效性,并提供了关于文本到 CQL 任务的复杂性的深入见解。
Feb, 2024
我们在本文中提议使用认知依赖来表达控制查询评估(CQE)中的数据保护策略,这是一种对本体和数据库进行保密的查询回答形式。所得到的策略语言在 CQE 领域的文献中显著超越了先前的提议,允许非常丰富和实际上有趣的数据保护规则形式。我们展示了我们框架的表达能力,并研究了当本体在描述逻辑 DL-Lite_R 中被规定时,CQE 的数据复杂性,具体地是(并起来的)合取查询。有趣的是,尽管我们表明一般情况下该问题是不可解的,但我们通过提供适当的查询重写算法证明了对于非循环认知依赖的情况是可解的。后一结果为 CQE 这种新方法的实施和实际应用铺平了道路。
May, 2024
提出了一种名为 MCTS-GEB 的重写系统,该系统应用了强化学习并使用蒙特卡罗树搜索来规划最佳的 e-graph 构建路径,从而消除构建阶段中的相位排序问题,并在合理的时间内取得更好的性能,实验结果表明 MCTS-GEB 可以比现有的重写系统获得高达 49 倍的优化性能,是未来重写系统的一个有前途的构建单元。
Mar, 2023