Algorithm 链接分析模式搜索

问题描述

我正在一个巨大的图形数据库上实现一个链接分析算法

图形数据库由实体（顶点）和关系（边）构成

每个实体类型都有属性。例如Person:[年龄、身高、体重]

每个关系也有属性：例如呼叫（电话、电话）：[日期、持续时间]或拥有（个人、电话）：[开始日期、结束日期]

现在，我得到了具有以下结构的模式：

[实体类型，约束][关系类型，约束][实体类型，约束][关系类型，约束]。。。[实体类型、约束条件]

例如：

[个人，年龄>20岁][拥有，开始日期>2010年1月1日][电话，以“5”结尾][通话日期>2010年1月1日][电话，以“6”开头][拥有，开始日期40]

我需要找到模式中所有实体和关系的所有有效赋值

我可以使用以下原语查询数据库：

• 查找给定约束集的前1000个[实体类型、关系类型、实体类型]分配
• 为以上内容查找下一个1000
• 查找给定约束集的第一个[具体实体、关系类型、实体类型]指定
• 为以上内容查找下一个1000

在RAM中保存给定查询的所有答案是不可能的。 每个实体-关系-实体三元组可能有数百万（数十亿？）的分配。但是，假设整个模式的赋值数量很小

我的尝试：

对于链ET1-RT1-ET2-RT2-ET3-RT3。。。 一个简单的实现是：

Get first 1000 (ET1-RT1-ET2)   
for each concrete ET2:
    Get first 1000 (ET2-RT2-ET3)
        for each concrete ET3:
            ...

问题是我可能不止一次地解决相同的子问题

我正在寻找一种算法，消除这种冗余，这也是内存效率

注:

---

我在找一个算法。不是为了回答“使用SQL连接”/“使用SPARQL”…

动态编程应该在这里有所帮助

让我们将规则简化为R1-R2-R3…Rk

让next_节点（node x，Rule R）返回与规则R一致的链接x的所有节点。如果R是实体约束：如果满足条件，则返回同一节点的单例集，否则返回空集。对于关系约束，它返回满足条件的所有链接节点

Initialize cur_set to all set of nodes.

nextset = {}

For each rule R in Ri:
    for each node x in cur_set:
        nextset = nextset U next_nodes(x)
    cur_set = nextset

您应该能够将集合存储为哈希表或树（任何日志（n）搜索和更新时间数据结构）

---

虽然我省略了保持遍历路径的部分，但这应该很容易做到。对于集合中的每个元素，添加一个名为“path”的属性，并在每次迭代时追加当前节点。请注意，多条路径可能会指向同一中间/最终节点。

不确定算法，但您是否考虑过只记录子问题的结果；我希望我有一个很好的链接you@Gerrat：恐怕简单的查找表太大了。我这里需要更复杂的东西。此方法将只存储满足条件的路径。它将重新评估失败的路径（大多数路径）。它可能还需要大量的临时存储。@LiorKogan您只需要满足条件的路径，对吗？它不会重新评估失败的路径（每个条件最多在一个节点上测试一次）。是的，它确实需要很大的空间。