知识图谱的查询方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种知识图谱的查询方法、装置、计算机设备和存储介质。所述方法包括：将知识图谱编码并转换成稀疏矩阵，以及将获取的查询数据转换成稀疏向量；对稀疏矩阵和稀疏向量进行冗余数据筛选和压缩，得到压缩稀疏矩阵和压缩稀疏向量；根据计算核组的数量以及各计算核组对应的计算从核的数量，将压缩稀疏矩阵划分成多个子集并分别分配给各计算从核；各计算从核基于分配的子集和压缩稀疏向量，并行进行知识图谱的查询，得到查询结果。采用本方法能够提高查询的效率。

【技术实现步骤摘要】
知识图谱的查询方法、装置、计算机设备和存储介质
本申请涉及图查询
，特别是涉及一种知识图谱的查询方法、装置、计算机设备和存储介质。
技术介绍
知识图谱也被称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱数据管理的一个重要问题是如何对知识图谱的数据进行存储和查询，大部分知识图谱的数据使用资源描述框架(ResourceDescriptionFramework，RDF)数据集来表示。其中，RDF三元组是构成RDF图的最基本单元。随着知识图谱相关技术的不断发展，RDF三元组数据日益激增，并且被广泛地应用在多个领域，包括科学、生物信息、商业智能和社交网络等。在现实世界中，RDF数据集往往达到数亿条三元组数据。因此，目前如何有效管理大规模RDF图数据集受到越来越多的关注。而随着稀疏矩阵数据结构和算法的发展，以及事实上RDF数据的稀疏性无处不在，促使了许多研究人员采用稀疏矩阵运算来本文档来自技高网...

【技术保护点】
1.一种知识图谱的查询方法，所述方法包括：/n将知识图谱编码并转换成稀疏矩阵，以及将获取的查询数据转换成稀疏向量；/n对所述稀疏矩阵和所述稀疏向量进行冗余数据筛选和压缩，得到压缩稀疏矩阵和压缩稀疏向量；/n根据计算核组的数量以及各所述计算核组对应的计算从核的数量，将所述压缩稀疏矩阵划分成多个子集并分别分配给各所述计算从核；/n各所述计算从核基于分配的所述子集和所述压缩稀疏向量，并行进行知识图谱的查询，得到查询结果。/n

【技术特征摘要】
1.一种知识图谱的查询方法，所述方法包括：
将知识图谱编码并转换成稀疏矩阵，以及将获取的查询数据转换成稀疏向量；
对所述稀疏矩阵和所述稀疏向量进行冗余数据筛选和压缩，得到压缩稀疏矩阵和压缩稀疏向量；
根据计算核组的数量以及各所述计算核组对应的计算从核的数量，将所述压缩稀疏矩阵划分成多个子集并分别分配给各所述计算从核；
各所述计算从核基于分配的所述子集和所述压缩稀疏向量，并行进行知识图谱的查询，得到查询结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取预设的阈值；
根据所述阈值，按列将各所述计算从核中的所述子集进行划分，得到数量与所述阈值相同的列向量集合，将所述列向量集合作为最终的子集。


3.根据权利要求2所述的方法，其特征在于，当所述子集为列向量集合时，所述各所述计算从核基于分配的所述子集和所述压缩稀疏向量并行进行知识图谱的查询，得到查询结果，包括：
各所述计算从核将分配的各所述列向量集合，依次且分别与所述压缩稀疏向量进行矩阵运算，得到运算结果向量；
将所述运算结果向量解码得到查询结果。


4.根据权利要求1所述的方法，其特征在于，所述对所述稀疏矩阵和所述稀疏向量进行冗余数据筛选和压缩，得到压缩稀疏矩阵和压缩稀疏向量，包括：
筛选并获取所述稀疏向量中的非零元，得到压缩稀疏向量；
确定各所述非零元在所述稀疏向量中的索引号，得到非零元索引号；
从所述稀疏矩阵中筛选获取列索引号与各所述非零元索引号相同的列，得到筛选稀疏矩阵；
删除所述筛选稀疏矩阵中各列之间的空行，得到压缩稀疏矩阵。


5.根据权利要求1所述的方法，其特征在于，所述根据计算核组的数量以及各所述计算核组对应的计算从核的数量，将所述压缩稀疏矩阵划分成多个子集并分别分配给各所述计算从核，包括：
基...

【专利技术属性】
技术研发人员：肖国庆，陈玥丹，李肯立，阳王东，刘楚波，唐卓，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43