使用MapReduce在大型RDF图上进行有效的子图匹配

随着知识图的普及Swift增长，大量的RDF图已经发布，这提出了解决分布式子图匹配查询难题的需求。 在本文中，我们提出了一种有效的分布式方法，即使用MapReduce回答大RDF图上的子图匹配查询。 在我们的方法中，查询图被分解为一组星形，这些星形利用语义和结构信息嵌入的RDF图作为启发式方法。 提出了两种优化技术来进一步提高我们算法的效率。 一种算法称为RDF属性过滤，它过滤掉无效的输入数据以减少中间结果。 另一种是通过推迟笛卡尔积运算来提高查询性能。 在合成数据集和真实数据集上进行的大量实验表明，我们的方法平均比同类竞争产品S2X和SHARD逊色一个数量级。