积分商城

最新搜索： altium Designer 20 电路设计与仿真从入门到精通 CH340 排插 入门教程 canopen TMC5160
您现在的位置是：首页 > 技术资料 > HDVM：基于关系矩阵的关联数据压缩查询模型
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

HDVM：基于关系矩阵的关联数据压缩查询模型

更新时间：2019-12-24 01:06:06 大小：992K 上传用户：守着阳光1985查看TA发布的资源 标签：数据压缩 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

随着大数据时代的到来,大量的RDF数据充斥着整个数据网络.RDF(Resource Description Framework)后台引擎管理巨大的数据集时,数据集索引不能全部加载到内存中,导致系统需要执行缓慢的磁盘访问来解决SPARQL查询.本文提出了一种HDVM(Header Dictionary Vector Matrix)压缩查询模型,通过在关联数据集中提取潜在的三元组关系矩阵,以主语向量、谓语向量和宾语矩阵的模型序列化存储来减少关联数据重复出现的次数,允许SPARQL查询在压缩状态下全内存执行.实验结果表明,本文提出的模型比常用的HDT(Header-Dictionary Triples)压缩方式提高了3%~20%的压缩率,同时在三元组个数达到十亿级别的数据集上平均查询时间在400ms左右.


部分文件列表

文件名 大小
HDVM：基于关系矩阵的关联数据压缩查询模型.pdf 992K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
3
Vol． 46 No． 3  
Mar． 2018  
第
期
电
子
学
报
2018  
3
ACTA ELECTRONICA SINICA  
年
月
HDVM:  
基于关系矩阵的  
关联数据压缩查询模型  
1，2  
1，2，3  
1，2  
1，2，3，4  
，
，
，
符海东 彭 燊  
黄 莉 顾进广  
( 1．  
，
，
430065;  
武汉科技大学 计算机科学与技术学院 湖北武汉  
2．  
，
430065;  
智能信息处理与实时工业系统湖北省重点实验室 湖北武汉  
国家新闻广电出版总局富媒体数字出版内容组织与知识服务重点实验室 北京  
4． 430072)  
) ，  
3．  
，
100038;  
(
湖北语言与智能信息处理研究基地 武汉大学 湖北武汉  
:
，
RDF  
． RDF( Resource Description Framework)  
数据充斥着整个数据网络  
摘
要
随着大数据时代的到来 大量的  
，
，
SPAR-  
后台引擎管理巨大的数据集时 数据集索引不能全部加载到内存中 导致系统需要执行缓慢的磁盘访问来解决  
QL  
HDVM( Header Dictionary Vector Matrix)  
．
查询 本文提出了一种  
，
压缩查询模型 通过在关联数据集中提取潜在的三  
，
、
，
元组关系矩阵 以主语向量 谓语向量和宾语矩阵的模型序列化存储来减少关联数据重复出现的次数 允许  
SPARQL  
． ，  
查询在压缩状态下全内存执行 实验结果表明 本文提出的模型比常用的  
HDT( Header-Dictionary Triples)  
压缩方式提  
3% ～ 20%  
，
的压缩率 同时在三元组个数达到十亿级别的数据集上平均查询时间在  
400ms  
．
高了  
左右  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
关系矩阵 关联数据 查询 压缩  
:
TP311  
:
A
:
0372-2112 ( 2018) 03-0721-09  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 03． 030  
文献标识码  
文章编号  
电子学报  
HDVM: Compression ＆ Query Model of  
Linked-Data Based on Relational Matrix  
1，2  
1，2，3  
1，2  
1，2，3，4  
FU Hai-dong ，PENG Shen  
，HUANG Li ，GU Jin-guang  
( 1． College of Computer Science and Technology，Wuhan University of Science and Technology，Wuhan，Hubei 430065，China;  
2． Hubei Province Key Laboratory of Intelligent Information Processing and Real Time Industrial System，Wuhan，Hubei 430065，China;  
3． Key Laboratory of Rich-media Knowledge Organization and Service of Digital Publishing Content，SAPPRFT，Beijing 100038，China;  
4． Language and Intelligent Information Processing Research Base ( Wuhan University) ，Wuhan，Hubei 430072，China)  
Abstract: With the arrival of big data era，a large number of RDF( Resource Description Framework) data is flooding  
the entire Web of Data． Since the indexes of these datasets cannot be fully loaded in main memory when the RDF engines  
manage these huge datasets，these systems need to perform slow disk accesses to solve SPARQL queries． In this paper，a  
method named HDVM is proposed to reduce the number of linked data repeated times by extracting the latent triplet relation  
matrix from the linked dataset，and storing them in the form of subject vector，predicate vector and object matrix，which al-  
lows SPARQL queries to be full-in-memory performed without decompression． The experimental results show that the HD-  
VM( Header Dictionary Vector Matrix) model proposed in this paper can improve the compression rate by 3% ～ 20% com-  
pared with HDT( Header-Dictionary Triples) ，and the query time on billion-level-size dataset reaches average 400 millisec-  
onds．  
Key words: relation matrix; linked-data; query; compression  
: 2016-11-07;  
: 2017-05-18;  
:
收稿日期  
修回日期  
责任编辑 梅志强  
:
( No． 61673304，No． 61272110) ;  
( No． 11＆ZD189) ;  
(
软件工程国家重点实验室 武汉大  
基金项目 国家自然科学基金  
( No． SKLSE2012-09-07)  
国家社会科学基金重大计划  
)
学 开放基金  
722  
2018  
电
子
学
报
年
2
同
［9，10］采用了基于谓词的方法将数据集中的  
，K -triple  
1
引言  
〈
，
〉，  
三元组分为了不相交的子集对 主语 宾语 并对这些  
2
W3C  
RDF( Resource Description Frame-  
最先提出将  
．
子集对进行了高度压缩 实验结果表明  
2
K -triple  
方案具  
work) ［1］  
，
作为处理元数据的基础 其目的在于定义一种  
， K -triple  
有较好的压缩效果 但  
并没有提出一种序列化  
． RDF  
广泛认可的资源描述机制  
的提出很显然是受到  
．
模型  
Web  
．
信息交换过程中以文档数据为中心观点的影响  
RDF RDF  
［11，12］  
文献  
介绍了一种新的关联数据压缩方案  
，
随着  
不断演变和进化 人们致力使  
实现信息  
HDT，  
:
将关 联 数 据 中 的 信 息 分 解 成 三 个 部 分 头 部  
，
处理自动化 就像万维网的超链接允许数据能在自身  
( Header) 、 ( Dictionary) 、 ( Triples) ．  
字典 三元组  
头部保  
．
被创建的环境外被访问和处理一样 因此  
，RDF  
成为信  
，
存了描述整个数据集的逻辑和物理元数据 例如数据  
．
息自动化处理以及关联数据研究重点  
、
;
集的来源 编辑信息以及数据集的一些统计信息等 字  
RDF  
HTTP  
关联数据采用  
和
两种方式发布结构化  
;
典部分主要将数据集中的资源映射为唯一标识 三元  
，
，
数据 并将它们从不同的数据源中关联起来 这让网络  
，
组部分将数据集中的三元组字典化后 再根据三元组  
． RDF  
从最初以文档为中心逐渐向以数据为中心转变  
，
的主语信息将三元组分组 最后对这些三元组进行压  
提供了一种基于图形的数据模型来描述真实世界的结  
［2］  
． HDT  
，
保存了数据集的底层结构 同时避免了数据集  
缩
， Web  
构化关联数据 为  
． RDF  
数据研究奠定了基础  
基
．
中较长及重复的资源描述 它是一种比较有效的压缩  
( S，P，O)  
，
进行建模 其中主语  
“S”  
于主谓宾原子三元组  
，
HDT bzip2  
方案 经过  
技术进行二次压缩 受  
方案的压缩技术相继被提出 如  
压缩的文件还可通过  
等文件压缩  
HDT  
，
“P”  
，
是资源属性 宾语 是资  
“O”  
是被描述的资源 谓语  
．
HDT  
，
方案的启发 一些基于  
［13］  
HDT FoQ 、Water-  
．
源属性值  
，
［14］  
［15］  
、
RDF  
，
网络数据包含不同领域的 海量的  
数据 当需  
要管理和查询这些数据时 查询性能和数据可扩展性  
RDF  
Fowl 、HDT + +  
．
，
，
Urbani  
大型关联数据的压缩一般比较耗时 于是  
等人［16］将字典编码技术与  
分布式方案快速的压缩大型数据集 文献  
HDT MapReduce  
相结合 采用  
［17］  
．
便成了焦点 越来越庞大的  
数据可以使用足够多  
MapReduce  
，
，
的存储介质来存储 但是庞大的数据集不仅会导致查  
．
［18］  
也同样  
，
，
询效率降低 还会加剧其它常见过程的性能问题 如  
，
HDT  
将
与
结合在一起 加快了  
的压缩  
RDF  
．
发布和交换 随着远程执行  
SPARQL  
方式越来越  
．
速度  
，RDF  
受欢迎  
的发布和交换在关联数据的查询中越来  
，
上述的压缩方法 在不同的适用场景下都具有良  
2
．
越频繁 因此减小关联数据集体积的同时提高查询效  
．
好的压缩率 但是除  
K -triple、BitMat  
外的压缩方法并不  
支持在压缩状态下进行查询［19］ 本文提出的基于分块  
，
率具有重大意义 而如何构建一个合适的关联数据压  
．
．
缩查询模型成了关键性问题 本文提出一种内存压缩  
向量矩阵的关联数据压缩查询模型不仅具有良好的压  
，
查询模型 在关联数据的压缩和查询中找到一个平  
，
．
缩率 还可在压缩状态下直接进行查询操作  
．
衡点  
3
构建压缩查询模型  
2
关联数据压缩研究现状  
3. 1  
关联数据冗余分析  
等人［3］根据对关联数据冗余类型的分析和对  
Wu  
目前关联数据语法压缩从原理上可以分为以下  
，
现有压缩方案的总结 将现有的压缩技术分成语法压  
:
两类  
．
缩和语义压缩两类 语义压缩指利用规则推理减少关  
( 1)  
．
基于关系三维矩阵的压缩方法 这种压缩方案在  
．
联数据中三元组的数量以达到压缩的目的 但在数据  
、 ．  
结构上形象呈现了主语 谓语和宾语存在的关联关系 但  
，
压缩过程中 语义压缩的效果并没有语法压缩好  
．
，
为了维护矩阵的结构 该类方法存储了部分不存在的关  
，
，
联关系 特别是当关联数据集大到一定规模的时候 关联  
语法压缩指通过改变关联数据的文件结构并对数  
据集进行序列化 用更简洁的数据结构［4］表示关联数  
，
(
1
，
数据的三维矩阵就是一个超级稀疏矩阵 如图 所示 本  
4. 1 DBLP  
) ，  
的三维空间矩阵 直接存  
等人［5］提  
，
据中的信息 从而达到压缩的目的  
． Fernández  
文
节实验数据集中  
储三维矩阵将会产生很多冗余信息 虽然这种存储结构  
，
．
出了压缩关联数据的基础方案 利用一般的文件压缩  
［6］  
［7］  
(
技术 如  
LZMA  
bizp2  
)
，
对查询操作很友好 但在压缩率不够显著  
．
和
对关联数据的文件结构进  
等人［8］提出了  
，
行了修改 能够明显减小文件体积  
． Atre  
( 2)  
，
通过提取关联数据潜在的三元组关联规则 建  
BitMat  
，BitMat  
．
立线性序列化和线性比特预测位作为存储结构 该类  
方案  
用一种紧凑的比特矩阵结构来存储  
，
关联数据集 并且支持在压缩数据集上直接进行查询  
，
．
方法去掉了很多重复的数据项 因此压缩率比较高 这  
， ．  
操作 但是这种方案的扩展性不高 与  
BitMat  
，
类方法虽然在语法结构上达到了压缩的极致 但是在  
方法不  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号