华东师范大学学报(自然科学版)

作者：方创新, 宋浩, 林煜明, 周娅

关键词：商品知识,异构环境,RDF数据,查询处理,

基金：国家自然科学基金(62062027, U1811264); 广西自然科学基金(2018GXNSFDA281049, 2020GXNSFAA159012); 广西创新驱动发展专项资金(桂科AA19046004); 桂林市重点研发计划(2020010304); 桂林电子科技大学研究生教育创新计划资助项目(2021YCXS075); 广西可信软件重点实验室研究课题(kx202021)

知识图谱是将无结构的知识进行结构化表示和组织的有效途径, 已经成为支持众多智能应用的基础设施. 然而, 与商品相关的知识通常呈现出海量性、异质性和层次性的特点, 这对现有基于关系模型和图模型的知识查询处理方法提出了挑战. 针对商品知识的这些特点, 本文设计与实现了一种利用CPU和GPU协同计算的商品知识查询处理方法. 首先, 为了充分发挥GPU的并行计算能力, 提出了一种基于稀疏矩阵的商品知识存储策略, 并针对商品知识进行存储优化; 其次, 根据稀疏矩阵的存储结构设计了一种查询转换方式, 将SPARQL查询转化为对应的矩阵计算, 并将连接查询算法扩展到GPU上进行加速. 为了验证所提出方法的有效性, 我们在LUBM数据集和一个半合成的商品数据集上进行了一系列的实验. 结果表明, 本文提出的方法, 不仅在海量商品知识下相对于现有RDF查询引擎在检索效率上有较大提升, 而且在通用的RDF标准数据集上也能取得较好的检索性能, 并验证了GPU加速查询处理的有效性.

来源：2021年第5期

《华东师范大学学报(自然科学版)》期刊编辑部

查看华东师范大学学报(自然科学版)杂志2021年第5期