近年來,隨著社會網絡分析、機器學習和數據挖掘等領域的快速發(fā)展,關聯(lián)數據（Linked Data）的規(guī)模也在迅速增大。隨著大規(guī)模關聯(lián)數據的開放,一個重要的趨勢是,以圖的形式所表達的數據之間的關聯(lián)關系變得越發(fā)復雜,這些數據使用屬性圖數據模型表達更為貼切。復雜屬性意味著更多的語義約束,通過語義之間的約束可以將屬性圖數據劃分為不同的語義相關層。根據復雜語義信息之間的約束對屬性圖進行劃分,可以在執(zhí)行查詢操作時減少跨分區(qū)通信的開銷,并且查詢結果通�？梢栽趩蝹€劃分塊得到。然而,傳統(tǒng)的圖劃分方法很少考慮到屬性圖中的語義約束,因此往往在復雜語義的數據劃分中效果并不是很好。為了解決這個問題,該研究提出一種新的查詢優(yōu)化的屬性圖劃分方法。首先,該研究提出將屬性語義可達路徑作為屬性圖基本的劃分元素,使用該新提出的定義來劃分屬性圖中的語義相關層。其次,為了將路徑合并到分區(qū)中減少數據冗余,還需要設計實現一種高效的空間壓縮算法,通過使用聚合頂點來代替屬性語義可達路徑進行合并,不需要將整個路徑合并起來。在具有代表性的屬性圖數據上進行的大量嚴格實驗證實了上述屬性圖數據劃分方法在語義豐富的屬性圖上劃分的有效性。在負載平衡、... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內外研究現狀
    1.3 研究內容
    1.4 文章框架結構
2 屬性圖數據劃分系統(tǒng)設計
    2.1 系統(tǒng)設計思路
    2.2 系統(tǒng)功能模塊
    2.3 系統(tǒng)處理流程
    2.4 本章小結
3 屬性圖模型構建及其相關定義
    3.1 屬性圖數據模型
    3.2 查詢語言簡介
    3.3 屬性圖查詢模型
    3.4 本章小結
4 基于屬性圖的關聯(lián)數據的劃分方法
    4.1 概述
    4.2 劃分算法指標
    4.3 數據劃分問題描述
    4.4 屬性語義可達路徑劃分方法
    4.5 查詢分解模型
    4.6 本章小結
5 系統(tǒng)測試與分析
    5.1 測試環(huán)境
    5.2 測試集與測試方法
    5.3 實驗對比
    5.4 本章小結
6 總結與展望
致謝
參考文獻
附錄1 攻讀學位期間被錄用的論文
附錄2 攻讀學位期間申請的國家發(fā)明專利
附錄3 攻讀學位期間參與的科研項目



本文編號：3167930