RDF數據集上的why-not問答技術研究.pdf

1、近年來，互聯(lián)網上產生了大量的RDF數據，并且形成了許多以RDF數據為知識單元的大規(guī)模開放知識庫或者垂直領域知識庫。為了發(fā)揮RDF數據的實用價值，基于知識庫的查詢回答技術逐漸成為人工智能和數據庫領域廣泛的研究熱點。然而，在人們熱衷于提高查詢回答技術的質量和效率時，很少有人針對查詢回答系統(tǒng)在無法得出好的結果時給出合理的解釋。特別地，當查詢回答系統(tǒng)返回的查詢結果中缺失了用戶期望的結果時，系統(tǒng)自身無法提供一種解釋機制來告訴用戶為什么他們期望的答

2、案沒有出現(xiàn)在結果集中，因此用戶只能通過修改查詢條件進行不斷的試錯來探索原因。由于RDF數據具有和關系表不同的數據結構，并且具有更加豐富的結構和語義信息，導致現(xiàn)有的基于關系數據庫的解釋模型無法直接用來處理RDF數據上的why-not問題。
　　針對上述問題，本文提出一種統(tǒng)一的基于圖匹配的解釋框架，并采用貪心搜索和模擬退火兩種近似策略來計算解釋，為處理用戶在RDF數據上針對基本圖模式的SPARQL查詢提出的why-not問題提供了高效

3、的求解算法，從而滿足用戶更高層次的信息需求。具體而言，本文的主要工作以及貢獻包含如下幾點內容:
　　(1)提出了一種統(tǒng)一的基于圖匹配的解釋框架，將RDF數據上的why-not問題轉換成一個圖匹配的問題。并且根據查詢分解方式的不同，分別提出星匹配和路徑匹配兩種方式來計算解釋。此外，在匹配的過程中引入了一種相似度評分機制，充分考慮了查詢和數據模式之間的結構和語義信息，從而保證生成盡可能合理的解釋。
　　(2)針對兩種圖匹配的算法