大规模商品知识的组织和查询优化

doi:10.3778/j.issn.1002-8331.1908-0258

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (21): 154-163.DOI: 10.3778/j.issn.1002-8331.1908-0258

大规模商品知识的组织和查询优化

黄涛贻，李优，宋浩，林煜明

1.桂林电子科技大学广西可信软件重点实验室，广西桂林 541004
2.桂林电子科技大学广西自动检测技术与仪器重点实验室，广西桂林 541004

出版日期:2020-11-01 发布日期:2020-11-03

Organization and Query Optimization of Large-Scale Product Knowledge

HUANG Taoyi, LI You, SONG Hao, LIN Yuming

1.Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin, Guangxi 541004, China
2.Guangxi Key Laboratory of Automatic Detecting Technology and Instruments, Guilin University of Electronic Technology, Guilin, Guangxi 541004, China

Online:2020-11-01 Published:2020-11-03

摘要/Abstract

摘要：

互联网正面向知识互联的Web3.0时代，其目标是实现人和机器都可以理解的更智能化的网络。在此环境下，各种类型的知识图谱应运而生。商品知识由于知识的异质性，使其管理更具挑战性。设计一种融合了客观性商品分类知识和主观性用户观点的大规模商品知识组织框架；提出了一种基于神经网络的学习索引技术，以此提升查询效率；针对商品知识结构的特性和查询需求的特点，实现了一种基于子变量组合的连接策略。实验结果表明，提出的方法相对于现有的知识管理系统，在大规模商品知识的检索效率上有较大幅度的提升。

关键词: 商品知识图谱, 知识组织, 学习索引, 查询优化

Abstract:

The Internet is Web 3.0 era of knowledge connectivity, and its goal is a smarter network that can be understood by both the people and the machines. Based on this background, various types of knowledge graph emerge. The product knowledge is more challenging because of the heterogeneity of knowledge. This paper first designs a large-scale product knowledge organization framework that combines the objective knowledge of product categories with the subjective users’ opinions. Then, a learned index based on neural network is proposed to improve the query efficiency. Finally, a kind of sub variable joint strategy is realized based on the characteristics of the product knowledge structure and query requirements. The experimental results show that compared with the existing knowledge management system, the method proposed in this paper has greatly improved the retrieval efficiency of large-scale good knowledge.

Key words: product knowledge graph, knowledge organization, learned index, query optimization

黄涛贻，李优，宋浩，林煜明. 大规模商品知识的组织和查询优化[J]. 计算机工程与应用, 2020, 56(21): 154-163.

HUANG Taoyi, LI You, SONG Hao, LIN Yuming. Organization and Query Optimization of Large-Scale Product Knowledge[J]. Computer Engineering and Applications, 2020, 56(21): 154-163.

[1]	王泓机，戴炳荣，李超，张绍华. 针对区块链应用的查询优化模型[J]. 计算机工程与应用, 2019, 55(22): 34-39.
[2]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[3]	王磊. 基于BACS算法的数据库查询优化[J]. 计算机工程与应用, 2015, 51(13): 118-121.
[4]	罗鹏. 基于GM-QPSO算法的数据库查询优化[J]. 计算机工程与应用, 2014, 50(8): 103-107.
[5]	刘东. 基于多子群萤火虫算法的数据库查询优化[J]. 计算机工程与应用, 2014, 50(11): 110-114.
[6]	林键，刘仁义，刘南，张丰. 基于查询优化器的分布式空间查询优化方法[J]. 计算机工程与应用, 2012, 48(22): 161-165.
[7]	李希明，郑瑾. 无线传感器网络中基于关联度的多查询优化[J]. 计算机工程与应用, 2011, 47(21): 98-101.
[8]	张晓琳，崔敏，谭跃生. DTD上的lazyDFA XML数据流查询优化算法[J]. 计算机工程与应用, 2009, 45(28): 131-132.
[9]	罗永红^1,2,陈特放¹,张友生³. 网格数据的语义查询优化研究[J]. 计算机工程与应用, 2009, 45(2): 16-20.
[10]	许新华¹,胡世港¹,唐胜群²,刘华东¹. 数据库查询优化技术的历史、现状与未来[J]. 计算机工程与应用, 2009, 45(18): 156-161.
[11]	李健,施磊,柏文阳. 自优化查询处理器的研究与实现[J]. 计算机工程与应用, 2008, 44(4): 184-186.
[12]	毕蓉蓉,刘渊,翟学敏. 企业信息集成中XQuery引擎的查询优化[J]. 计算机工程与应用, 2008, 44(29): 161-164.
[13]	张晓琳,崔敏,谭跃生. 基于LazyDFA的XPath在XML数据流上查询优化算法[J]. 计算机工程与应用, 2008, 44(28): 125-127.
[14]	鲍　蓉. 多版本数据仓库的查询优化设计[J]. 计算机工程与应用, 2008, 44(28): 143-145.
[15]	荀亚玲,张继福,刘爱琴. 一种扩充语义的实视图重写查询技术[J]. 计算机工程与应用, 2008, 44(12): 157-160.

大规模商品知识的组织和查询优化

Organization and Query Optimization of Large-Scale Product Knowledge

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics