How Many and What Types of SPARQL Queries can be Answered through Zero-Knowledge Link Traversal?
当前查询Web of Data的实际方法是通过SPARQL协议,其中客户端通过SPARQL端点向服务器发送查询。与HTTP服务器相反,提供和维护一个健壮和可靠的端点需要大量的工作,而不是所有的发布者都愿意或能够做到。另一种查询评估方法是通过链接遍历,其中通过实时的解引用在线Web资源(URI)来回答查询。虽然已经提出了用于这种基于查找的查询评估方法的几种方法,但是不存在对可以在实况Web上直接回答的查询的类型(模式)的分析,而不访问本地或远程端点,并且没有可用数据源的先验知识。在本文中,我们首先提供了一种方法来检查是否可以通过零知识链接遍历(而不访问端点)回答SPARQL查询(SPARQL端点上进行评估),并分析了一个大语料库的真实SPARQL查询日志的频率和分布的可回答和不可回答的查询模式。随后,我们提供了一个算法,用于将应答查询转换为绕过端点的SPARQL-LD查询。我们报告的转换查询的效率的实验结果,并讨论了这种查询评估方法的优点和局限性。
2018-12-13 cs.DB
Killing Two Birds with One Stone -- Querying Property Graphs using SPARQL via GREMLINATOR
知识图谱在过去十年中变得流行,并且经常依赖于资源描述框架(RDF)或属性图(PG)数据库作为数据模型。然而,这两种数据模型的查询语言--RDF的SPARQL和PG遍历语言Gremlin --缺乏互操作性。我们介绍Gremlinator,SPARQL(W3C RDF标准化语言)和Gremlin(一种流行的属性图遍历语言)的第一个翻译器。Gremlinator将SPARQL查询转换为Gremlin路径遍历,以便在图数据库上执行图模式匹配查询。这允许精通SPARQL的用户访问和查询各种各样的图数据管理系统(DMS),避免了适应新的图查询语言(GQL)的陡峭学习曲线。Gremlin是一种与图计算系统无关的遍历语言(涵盖OLTP图数据库或OLAP图处理器),使其成为支持查询图DMS的互操作性的理想选择。Gremlinator目前支持SPARQL 1.0的一个子集的翻译,特别是SPARQL SELECT查询。
2018-01-25 cs.DB
A Prospective Analysis of Security Vulnerabilities within Link Traversal-Based Query Processing (Extended Version)
围绕大数据驱动平台的社会和经济后果增加了对去中心化解决方案的需求。然而,在更加分散的环境中检索和查询数据需要根本不同的方法,其属性尚未得到很好的理解。基于链接遍历的查询处理(LTQP)是一种用于在分散式数据网上进行查询的技术,其中客户端查询引擎通过遍历文档之间的链接来发现数据。由于分散式环境由于其非集中控制的性质而可能不安全,因此需要客户端LTQP查询引擎能够抵抗针对查询引擎的主机或查询发起者的个人数据的安全威胁。因此,我们对LTQP的潜在安全漏洞进行了分析。本文概述了相关领域的安全威胁,并以此作为识别10种LTQP安全威胁的灵感。每一种威胁都有解释,并附有一个例子,提出了一种或多种缓解途径。最后,我们为LTQP查询引擎开发人员和数据发布者提出了几个具体的建议,作为缓解这些问题的第一步。通过这项工作,我们开始填补未知数,以便在分散的环境中进行查询。除了未来在安全方面的工作外,还需要进行更广泛的研究,以发现真正实现权力下放所缺少的组成部分。
2022-10-10 cs.CR cs.DB
Optimizing Traversal Queries of Sensor Data Using a Rule-Based Reachability Approach
本文提出基于规则的可达性标准,利用链接数据文档中超媒体描述中的逻辑语句剪除不相关数据源,并通过修改Comunica引擎验证可显著减少HTTP请求和查询执行时间而不损失完整性。
2024-08-30 cs.DB
Traveling with a Map: Reducing the Search Space of Link Traversal Queries Using RDF Shapes
Ghent University – imec(根特大学–imec)
针对去中心化网络中LTQP执行慢、成本高的问题,提出基于RDF形状的剪枝方法,可显著优化数据模型选择性查询的处理效率。
2026-10-09 cs.DB
Index-based, High-dimensional, Cosine Threshold Querying with Optimality Guarantees
给定一个向量数据库,余弦阈值查询返回数据库中与给定阈值θ以上的查询向量具有余弦相似性的所有向量。这些查询在许多应用中自然出现,例如文档检索、图像搜索和质谱分析。本文认为,这种查询的有效评估,提供新的最优性保证,并表现出良好的性能在真实的数据集。我们以Fagin著名的阈值算法(TA)为出发点,该算法可用于回答余弦阈值查询:在预处理期间首先从数据库向量构建倒排索引;在查询时,该算法部分遍历索引以收集一组候选向量,以便稍后验证θ-相似性。然而,直接以原始形式应用TA会错过重要的优化机会。事实上,我们首先表明,一个可以利用的事实,即可以假设向量被规范化,以获得一个改进的,紧停止条件的索引遍历,并有效地计算它递增。然后,我们表明,可以利用数据偏斜度,以获得更好的遍历策略。特别是,我们展示了一种新的遍历策略,利用一个共同的数据偏态条件,在多个领域,包括质谱,文档和图像数据库。我们表明,在偏度假设下,新的遍历策略具有强大的,接近最优的性能保证。本文中开发的技术是相当普遍的,因为它们可以应用于一个大类的相似性函数超越余弦。
2019-01-10 cs.DB
Bonsai: Compiling Queries to Pruned Tree Traversals
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院);Adobe Research(Adobe研究院)
本文提出了一种通用的方法,通过符号区间分析和几何谓词规则,自动推导出支持广泛连接谓词的通用单索引和双索引树连接,从而实现高效的查询编译。
2026-06-03 cs.DB cs.PL
Loom: Query-aware Partitioning of Online Graphs
与一般的图处理系统一样,在机器集群上划分数据提高了图数据库管理系统的可伸缩性。然而,这些系统将在执行查询工作负载期间产生额外的网络成本,由于分区间遍历。与工作负载无关的分区算法通常最小化任何边缘跨越分区边界的可能性。然而,这些分区器相对于许多工作负载是次优的,特别是查询,其可能需要更频繁地遍历分区间边缘的特定子集。此外,它们在很大程度上不适合在动态的、不断增长的图形上进行增量操作。我们提出了一个新的图分区算法,织机,操作上的流图更新,并不断分配新的顶点和边缘的分区,考虑到查询工作量的图形模式表达式及其相对频率。首先,我们捕捉最常见的模式,边遍历时发生的查询。然后,我们比较子图,目前自己在图形更新流中递增,对这些常见的模式。最后,我们尝试将每个匹配分配到单个分区,减少频繁遍历的子图中的分区间边缘的数量,并提高平均查询性能。Loom在几个大型测试图上进行了广泛的评估,这些测试图具有现实的查询工作负载和各种图形更新顺序。我们证明,给定的工作量,我们的原型产生分区的质量显着优于现有的流图分割算法茴香和LDG。
2017-11-17 cs.DB
Opportunities for Shape-based Optimization of Link Traversal Queries
本文针对链接遍历查询处理(LTQP)性能不足的问题,提出了一种基于RDF数据形状映射的源选择算法,初步实验表明该方法在真实查询中可将执行时间减少80%、遍历链接数减少97%,为基于形状的查询优化开辟了新机遇。
2024-08-28 cs.DB
Finding a Second Wind: Speeding Up Graph Traversal Queries in RDBMSs Using Column-Oriented Processing
针对 RDBMS 中递归图遍历查询,本文利用列存延迟物化与数据位置设计 Volcano 风格算子,并在 PosDB 中验证,较 PostgreSQL 最高实现 6 倍加速。
2023-08-16 cs.DB cs.PF
Parser Knows Best: Testing DBMS with Coverage-Guided Grammar-Rule Traversal
本文提出ParserFuzz模糊测试框架,通过自动提取DBMS内置语法定义中的文法规则并结合代码覆盖率反馈引导查询变异,在5个主流DBMS中发现81个此前未知缺陷,全面优于现有DBMS测试工具。
2025-03-07 cs.CR cs.DB
Banyan: A Scoped Dataflow Engine for Graph Query Service
图查询服务(GQS)被广泛用于交互式地回答大规模图数据上的图遍历查询。现有的图形查询引擎主要集中在优化单个查询的延迟。这忽略了GQS带来的重大挑战,包括查询执行期间的细粒度控制和调度,以及从跨用户到查询内的各个级别的性能隔离和负载均衡。为了解决这些控制和调度的挑战,我们提出了一个新的范围内的建模图遍历查询,显式地暴露并发执行和控制的任何子查询的最细粒度。我们实现了Banyan,一个基于GQS的作用域化的Cocklow模型的引擎。Banyan专注于在单台机器上扩展性能,并提供轻松扩展的能力。在多个基准测试上进行的大量实验表明,Banyan在提供性能隔离和负载均衡的同时,将性能提高了三个数量级,超过了最先进的图形查询引擎。
2022-02-25 cs.DB cs.DC
The $\mathbf{P}$-Completeness of Inverted Index Traversal: On the Complexity of Evaluating Boolean Query DAGs
Apple Inc.(苹果公司)
本文证明基于DAG的布尔查询评估问题是$\mathbf{P}$-完备的,并提出一种稀疏感知算法ComputePN,通过正负对偶表示和DAG记忆化,将评估时间严格限制在$O(|Q| \cdot |U_{\mathit{active}}|)$,避免指数爆炸和全量扫描。
2026-08-19 cs.AI cs.CC cs.CL
The Context Model: A Graph Database Model
提出一种以有向无环图为基本结构的图数据库上下文模型,在统一函数代数框架内支持数据管理和分析,并能作为语义层和友好界面处理关系数据。
2024-06-28 cs.DB
Towards Efficient Path Query on Social Network with Hybrid RDF Management
资源描述框架(RDF)模型的可扩展性和灵活性使其非常适合表示在线社交网络(OSN)。OSN中的一个基本操作是查找关系链,例如k-Hop朋友。SPARQL中的属性路径查询可以表示这种类型的操作,但它的实现受到性能问题考虑到不断增长的数据规模和复杂性的OSN.本文提出了一种基于主存/磁盘的混合RDF数据管理框架,有效的属性路径查询.在这个混合框架中,我们实现了一个高效的内存中代数运算符的属性路径查询使用图遍历,并估计成本的操作,以配合现有的成本为基础的优化。在基准数据集和真实数据集上的实验表明,该方法能够在数据负载开销和在线查询性能之间取得较好的折衷。
2014-06-10 cs.DB cs.SI
CubeGraph: Efficient Retrieval-Augmented Generation for Spatial and Temporal Data
University of Leicester(利兹大学)
CubeGraph通过整合向量搜索与任意空间约束,解决传统方法在处理高维向量相似性搜索与时空过滤时的碎片化问题,提升查询性能和扩展性。
2026-04-30 cs.AI cs.DB cs.IR
Tuning the Tail Latency of Distributed Queries Using Replication
在诸如社交网络和知识图谱的应用领域中,以低延迟查询图数据是重要的需求。图形查询在顶点之间执行多跳。当数据被分区并存储在多个服务器上时,在一个服务器上执行的查询通常需要跳到另一个服务器存储的顶点。这种分布式遍历代表了低延迟查询的性能瓶颈。为了减少查询延迟,可以复制远程数据以使分布式遍历变得不必要,但是复制是昂贵的,并且应该最小化。在本文中,我们介绍的问题,找到数据复制方案,满足任意用户定义的查询延迟的限制,以最小的复制成本。我们提出了一种新的工作负载模型来表达数据访问的因果关系,提出了一个家庭的启发式,并介绍了其正确性的非平凡的充分条件。我们对两个有代表性的基准测试的评估表明,我们的算法可以微调查询延迟与数据复制,并可以找到甜蜜点的延迟/复制设计空间。
2022-12-20 cs.DB cs.DC
S2CTrans: Building a bridge from SPARQL to Cypher
本文提出了 S2CTrans 框架,基于图关系代数实现了从 SPARQL 到 Cypher 的翻译,在保持语义一致性的同时,有效提升了使用 SPARQL 查询属性图数据库的互操作性与效率。
2023-04-02 cs.DB
Relational Learning and Feature Extraction by Querying over Heterogeneous Information Networks
Tulane University(杜兰大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Irvine(加利福尼亚大学尔湾分校);Amazon Research Cambridge(亚马逊剑桥研究院)
许多现实世界的系统需要在异构信息网络上运行,这些网络由许多不同类型的交互组件组成。示例包括对生物信息网络执行数据分析的系统;社交网络;以及处理非结构化数据以将原始文本转换为知识图谱的信息抽取系统。许多以前的作品描述了专门的方法来执行特定类型的分析,挖掘和学习这样的网络。在这项工作中,我们提出了一个统一的框架,包括一个数据模型-一个图与一阶模式以及声明性语言的方式,促进关系和结构化机器学习的构建,查询和操纵这样的网络。特别是,我们提供了一个关系和图遍历查询语言的查询直接用作结构化机器学习模型的关系功能的初始原型。特征提取通过进行声明性图遍历查询来执行。学习和推理模型可以直接对这种关系表示进行操作,并使用新的数据和知识对其进行扩充,这些数据和知识又可以无缝集成到关系结构中,以支持新的预测。我们通过展示自然语言处理和计算生物学领域的任务来展示该系统的能力。
2017-07-25 cs.AI cs.DB
Structure-Guided Query Evaluation: Towards Bridging the Gap from Theory to Practice
针对多关系连接查询优化难题,本文通过将SQL查询重写为Yannakakis算法的执行序列,提出结构引导的查询求值方法,证明考虑查询结构能显著提升现代DBMS在复杂场景下的性能。
2023-05-22 cs.DB
Distributed Subweb Specifications for Traversing the Web
Ghent University(根特大学);imec(比利时微电子研究中心);IDLab(IDLab实验室);Cambridge University Press(剑桥大学出版社)
基于链接遍历的查询处理(ltqp),其中一个sparql查询是在一个Web文档而不是一个单一的数据集上进行评估,通常被视为一个理论上有趣但不切实际的技术。然而,在数据高度集中化日益受到审查的时代,具有简单的基于文档的界面的分散式数据网络具有吸引力,因为它使数据发布者能够控制其数据和访问权。虽然ltqp允许在这样的网站上评估复杂的查询,但它存在性能问题(由于包含数据的文档数量很大)以及信息质量问题(由于提供此类文档的来源很多)。在现有的ltqp方法中,查找要查询的源的负担完全由数据使用者承担。在本文中,我们认为,要解决这些问题,数据发布者还应该能够建议感兴趣的来源,并引导数据消费者对相关和值得信赖的数据。我们引入了一个理论框架,使这样的指导链接遍历,并研究其属性。通过一个理论实例说明了该方法可以提高查询结果,减少网络请求次数。我们评估我们的建议,实验上的虚拟链接的Web规范,并确实观察到,不仅数据质量,而且查询的效率提高。逻辑程序设计理论与实践(TPLP)
2023-03-27 cs.AI cs.DB
Semantic Guided and Response Times Bounded Top-k Similarity Search over Knowledge Graphs
近年来,图查询被广泛用于知识图谱的查询。给定查询图$G_Q$,图查询在知识图谱$G$中找到与$G_Q$精确或近似匹配的子图。图查询面临两个挑战:(1)$G_Q$与$G$中预定义模式之间的结构性差距导致与查询图的不匹配;(2)用户在图查询终止之前无法查看答案,导致系统响应时间(SRT)较长。在本文中,我们提出了一个语义引导和响应时间有界的图查询返回的top-k答案有效和高效。我们利用知识图谱嵌入模型来构建语义图$SG_Q$,并定义路径语义相似度($pss$)在$SG_Q$作为衡量答案的质量。然后,我们提出了一个A* 语义搜索$SG_Q$找到最大的前k个答案,通过启发式$pss$估计$pss$。此外,我们对A* 语义搜索进行了近似优化,以允许用户在特定的时间范围内权衡SRT的有效性。在真实数据集上的大量实验证实了我们的解决方案的有效性和效率。
2020-01-17 cs.DB
Fast Approximate Vector Joins via Offline-Online Co-Design
EPFL(洛桑联邦理工学院)
本文提出统一框架提升向量连接效率,通过软协作复用遍历结果、构建合并索引加速图探索,并采用自适应混合搜索策略增强鲁棒性,实验显示在效率-召回率权衡上优于现有方法。
2026-07-24 cs.DB
Guided Automated Learning for query workload re-Optimization
查询优化是数据库系统的一个标志,它使当今应用程序的复杂SQL查询能够有效地运行。当业务查询和模式中的逻辑微妙之处绕过查询优化器时,查询优化器通常无法找到最佳计划。当查询的运行成本超过可行或保证时,通常通过分析查询的执行计划(QEP)与专家协商手动执行性能问题。然而,这是一个非常耗时、易于人为出错且成本高昂的过程。GALO是一个自动化这一过程的新系统。该工具在离线学习阶段自动学习查询计划中重复出现的问题模式,以构建计划重写补救措施的知识库。然后,它使用在线知识库来重新优化排队等待执行的查询,以提高性能,通常是相当大的。GALO的知识库建立在RDF和SPARQL(W3C图形数据库标准)之上,非常适合于操作和查询SQL查询计划,而SQL查询计划本身就是图形。GALO作为查询重写和基于成本的优化之后的第三层重新优化,作为查询计划重写。由于知识库不与所提供的QEP的上下文相关联,因此在重新优化阶段,表和列名会自动匹配。因此,在特定查询工作负载上学习的问题模式可以应用于其他查询工作负载。GALO的知识库也是数据库专家调试查询性能问题的宝贵工具,可以跟踪已知问题和解决方案,并通过开发团队的新调优技术改进优化器。我们证明了我们的技术在合成TPC-DS和真正的IBM客户端查询工作负载的有效性的实验研究。
2019-05-22 cs.DB
Improving the recall of decentralised linked data querying through implicit knowledge
除了抓取、索引和集中查询RDF数据之外,链接数据原则还允许通过取消引用URI来动态处理SPARQL查询。所提出的用于关联数据的链接遍历查询方法具有最新结果和分散(即,客户端)执行,但是在解引用文档中可用的不完整知识上操作,从而影响召回。在本文中,我们研究如何内隐知识-特别是通过owl:sameAs和RDFS推理发现-可以提高在这种情况下的召回。我们从一个大型抓取的实证分析开始,这个抓取包含4 m个关联数据源和1.1 g个四元组:我们(1)通过只考虑可解引用的信息来测量预期召回率,(2)通过考虑rdfs来测量召回率的提高:见以前的建议。我们进一步提出并衡量了额外考虑(3)owl:sameAs链接和(4)应用轻量级RDFS推理(特别是ρDF)的影响,以找到更多的结果,依赖于静态模式信息。我们评估我们的方法在我们的爬行实时查询。
2011-09-01 cs.DB
Anytime Ranking on Document-Ordered Indexes
倒排索引仍然是文本搜索引擎的支柱,它允许对大型文档集合进行高效查询。虽然有许多可能的组织,但文档排序索引是最常见的,因为它们适用于各种查询类型,支持索引更新,并允许有效的动态修剪操作。文档排序索引的一个缺点是,高分文档可能分布在文档标识符空间中,这意味着提前终止的索引遍历算法可能会使搜索效率处于危险之中。另一种选择是影响排序索引,它主要支持top-k析取,但也允许随时查询处理,其中搜索可以随时终止,搜索质量随着处理延迟的增加而提高。随时查询处理可用于有效地减少高百分位数尾部延迟,这对于服务级别协议(SLA)强加响应时间要求的操作场景是必不可少的。在这项工作中,我们将展示如何组织文档排序的索引,使他们可以在任何时候查询的方式,使严格的延迟控制与有效的提前终止。我们的实验表明,处理文档排序的主题段选择一个简单的分数估计优于现有的任何时候的算法,并允许查询运行时间被准确地限制,以符合SLA的要求。
2021-06-11 cs.DB cs.IR
Towards a better insight of RDF triples Ontology-guided Storage system abilities
语义Web的愿景正在成为现实,数十亿的RDF三元组分布在多个可查询的端点(例如链接数据)上。虽然已经有一个机构的RDF三倍持久存储的工作,它似乎是考虑到推理依赖查询,提供一个有效的,在性能,可扩展性和数据冗余方面的问题,分区的数据仍然是开放的。关于最近的数据划分研究,认为应该考虑几个方向(例如本体,数据,应用程序查询)来指导数据划分似乎是合理的。本文提出了几个贡献:描述了RDF数据高效持久存储的数据划分路线图应该包含的内容,给出了一些初步的结果和分析,并对本体引导(属性层次)划分的特殊情况进行了分析,最后介绍了一组语义查询重写规则,以支持需要OWL推理的RDF数据查询
2013-06-27 cs.DB
Duplicate-sensitivity Guided Transformation Synthesis for DBMS Correctness Bug Detection
数据库管理系统(DBMS)在从移动应用程序到网上银行的现代软件中发挥着核心作用。DBMS应该为所有应用程序提供正确的数据是至关重要的。当DBMS返回不正确的数据时,就会触发正确性错误。目前的生产级数据库管理系统仍然遭受不足的测试,由于有限的手写测试用例。最近几个作品提出了自动生成许多测试用例的查询转换,一个过程中产生一个等价的查询对和测试的DBMS,通过检查系统是否返回相同的结果集的两个查询。然而,它们仍然严重依赖于手工工作来提供转换,这在很大程度上限制了它们对有效输入查询空间的探索。本文介绍了重复灵敏度指导的变换合成,自动发现新的转换,首先合成许多候选人,然后过滤不等价的。我们的自动合成是通过变异的查询,同时保持其重复的敏感性,这是查询等价的必要条件。在候选合成之后,我们使用查询等价检查器来保持与给定查询等价的突变查询。此外,我们已经实现了我们的想法在一个工具Eqsql,并使用它来测试生产级DBMS。在两个月内,我们在MySQL、TiDB和CynosDB中总共检测到30个新确认的独特错误。
2021-07-08 cs.DB cs.PL cs.SE
Graph Query Generation with Constraint-guided Large Language Agents
Case Western Reserve University(凯斯西储大学);Amazon(亚马逊);Meta
本文提出UniQGen框架,利用大语言模型动态提取和优化图查询子句,提升查询准确性和效率,在多个基准测试中表现优异,适用于企业级知识图谱问答。
2026-04-09 cs.AI cs.CL cs.DB
PathDB: A system for evaluating regular path queries
Universidad de Talca(塔尔卡大学);Millennium Institute for Foundational Research on Data (IMFD)(数据基础研究千年研究所 (IMFD));Universidad de Chile(智利大学);National Center for Artificial Intelligence Research (CENIA)(国家人工智能研究中心 (CENIA))
提出基于封闭路径代数的代数查询引擎PathDB,支持多种路径语义的RPQ,采用操作符逐次执行方式,实验表明比自动机引导的遍历方法快一个数量级以上。
2026-06-23 cs.DB
ObjectGraph: From Document Injection to Knowledge Traversal -- A Native File Format for the Agentic Era
Open Gigantic(开放巨型)
本文提出ObjectGraph文件格式,通过将文档视为类型化有向知识图谱而非文本字符串,解决代理任务中文档处理的效率与准确性问题,实现95.3%的token减少和98.7%的内容保留。
2026-04-30 cs.AI cs.DB cs.IR
Query-Guided Analysis and Mitigation of Data Verification Errors (Extended Version)
Bar-Ilan University(巴伊兰大学)
本文提出MESReduce框架,通过计算最大误差分数和识别高风险元组,有效减少数据验证错误,提升查询结果的可靠性。
2026-08-28 cs.DB
HIGGS: HIerarchy-Guided Graph Stream Summarization
针对图流摘要存储和查询的挑战,提出自底向上的层次结构HIGGS,通过局部化存储与查询处理限制哈希冲突,在准确性、空间开销和查询效率上显著优于现有方法。
2024-12-20 cs.DB
Topic-based Community Search over Spatial-Social Networks (Technical Report)
近年来,社区搜索问题因其在事件组织、好友推荐、电子商务广告等方面的广泛应用而引起了人们的广泛关注。给定查询顶点,社区搜索问题寻找包含查询顶点的稠密子图。在社交网络中,用户具有多个签到位置、影响力分数和简档信息(关键字)。大多数以前的研究,解决CS问题的社交网络通常忽略了这样的信息在一个社区。在本文中,我们提出了一个新的问题,命名为社区搜索空间社会网络(TCS-SSN),检索社区的社会影响力高,旅行时间短,并覆盖某些关键字。为了解决空间社会网络上的TCS-SSN问题,我们设计了有效的剪枝技术来减少问题的搜索空间。我们还提出了一种有效的索引机制,即社会空间索引,以方便社区查询,并通过索引遍历开发了一个高效的查询回答算法。我们验证了我们的剪枝技术,索引机制,查询处理算法的效率和有效性,通过广泛的实验,在各种参数设置下的真实世界和合成数据集。
2021-11-25 cs.DB
An LLM-Guided Query-Aware Inference System for GNN Models on Large Knowledge Graphs
Concordia University(康科德大学);University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本文提出KG-WISE框架,通过将GNN模型分解为细粒度组件,并利用大语言模型生成查询模板,实现查询感知的高效推理,提升推理速度和降低内存使用。
2026-04-20 cs.DB cs.LG