論文：RDF graph summarization: principles, techniques and applications
原文鏈接
參考資料：
RDF-知乎
RDF的初步了解
RDF，RDFS與OWL
論文題目：RDF graph summarization: principles, techniques and applications
發(fā)表時(shí)間：EDBT Conference, March 26-29, 2019
論文作者：Haridimos Kondylakis 蛔六、Dimitris Kotzinos 耍目、Ioana Manolescu
論文作者詳細(xì)介紹：
FORTH-ICS 合作研究員苟跪，克里特島大學(xué)畢業(yè)（希臘）列敲，博士荚孵。
基于語(yǔ)義的大數(shù)據(jù)管理主題及其在醫(yī)療保健領(lǐng)域的應(yīng)用掷倔。
語(yǔ)義Web上的知識(shí)表示與管理,信息提取
FORTH-ICS 研究員较剃，克里特島大學(xué)畢業(yè)（希臘）咕别，博士。
從社交網(wǎng)絡(luò)中提取知識(shí),智能交通系統(tǒng),基于Web的信息系統(tǒng)写穴。
巴黎綜合理工學(xué)院惰拱，國(guó)家信息與自動(dòng)化研究所，領(lǐng)導(dǎo)者啊送。凡爾賽大學(xué)（法國(guó)）偿短，博士。
處理大量擁有復(fù)雜結(jié)構(gòu)和語(yǔ)義的數(shù)據(jù)馋没，比如模型昔逗，算法和技術(shù)。
Introduction
隨著時(shí)代的發(fā)展披泪。圖數(shù)據(jù)集已經(jīng)越來(lái)越大了纤子，相應(yīng)的RDF數(shù)據(jù)集的規(guī)模已經(jīng)越來(lái)越龐大了，并且很復(fù)雜款票，所以我們需要對(duì)其進(jìn)行簡(jiǎn)化控硼。
RDF數(shù)據(jù)集的規(guī)模已經(jīng)越來(lái)越龐大了，并且很復(fù)雜艾少，下圖是不同數(shù)據(jù)集之間的連接情況卡乾，所以我們需要對(duì)其進(jìn)行簡(jiǎn)化。不同領(lǐng)域間的數(shù)據(jù)連接情況缚够。
RDF and RDFS
The Resource Description Framework (RDF)
RDF 是知識(shí)圖譜中幔妨，用于描述事物的一種手段鹦赎，知識(shí)的形式化表示,用來(lái)描述半結(jié)構(gòu)化的知識(shí)。
主要是為了讓計(jì)算機(jī)理解我們的知識(shí)误堡，所以用這種方式存儲(chǔ)古话。是因?yàn)椋?jì)算機(jī)一直面臨著這樣的困境——無(wú)法獲取網(wǎng)絡(luò)文本的語(yǔ)義信息锁施。盡管近些年人工智能得到了長(zhǎng)足的發(fā)展陪踩，在某些任務(wù)上取得超越人類(lèi)的成績(jī)，但實(shí)際上還是沒(méi)有擁有類(lèi)似與人的智力悉抵。有人認(rèn)為肩狂，這背后有一部分原因是機(jī)器缺少知識(shí)。
例如：現(xiàn)在給計(jì)算機(jī)輸入一句話(huà)“蘋(píng)果公司的ceo是一個(gè)叫庫(kù)克的人”姥饰，計(jì)算機(jī)并不知道平果公司表示的是叫蘋(píng)果的公司還是表示的是賣(mài)蘋(píng)果的公司傻谁。
為了讓計(jì)算機(jī)也能讀懂這個(gè)信息，所以需要RDF列粪，RDF將一條條知識(shí)描述為一個(gè)三元組审磁，由主語(yǔ)(Subject) – 謂語(yǔ)(Predicate) – 賓語(yǔ)(Object)組成
例如剛才那條信息可以寫(xiě)成{ 蘋(píng)果, 是, 公司 }, { 庫(kù)克, 是, 人 }, { 蘋(píng)果, CEO 是, 庫(kù)克 }
這樣我們就可以得到完整的信息。但是即便如此篱竭，依然能出現(xiàn)狀況力图，例如現(xiàn)在輸入一條信息，{ 蘋(píng)果, 是, 水果 }掺逼，現(xiàn)在蘋(píng)果又是公司，又是水果的瓤介，計(jì)算機(jī)可能就崩潰了吕喘，無(wú)法理解這種情況的出現(xiàn)。
所以我們會(huì)增加標(biāo)識(shí)符刑桑，例如這里可以用1表示蘋(píng)果公司中的蘋(píng)果氯质，用2表示水果中的蘋(píng)果，這樣就可以獨(dú)一無(wú)二的標(biāo)識(shí)這些信息祠斧。
RDF 中闻察，主語(yǔ)謂語(yǔ)賓語(yǔ)受類(lèi)型約束
主語(yǔ)可以是 IRI，或空結(jié)點(diǎn)
謂語(yǔ)只能是 IRI：關(guān)系是預(yù)先定義的
賓語(yǔ)可以是 IRI琢锋，也可以是字面量
上圖就是一個(gè)rdf圖的表現(xiàn)形式辕漂，顯示出了一本書(shū)的出版時(shí)間，標(biāo)題吴超，依據(jù)作者等等信息钉嘹。
但是rdf還是有所不足的，比如這里doi是一本書(shū)鲸阻，同時(shí)也是出版物跋涣，這種情況是經(jīng)常出現(xiàn)在rdf圖中的缨睡，同時(shí)還有右邊，一本書(shū)的作者和被誰(shuí)寫(xiě)陈辱，這兩個(gè)等價(jià)的關(guān)系奖年，也是經(jīng)常出現(xiàn)的，但是rdf中要體現(xiàn)的話(huà)沛贪，就只能預(yù)先定義陋守，這樣做是非常麻煩的。
于是乎鹏浅，提出了RDF Schema
RDFS就是給在rdf中嗅义，經(jīng)常出現(xiàn)的關(guān)系做了提前的定義，方便在圖中的使用隐砸。!
其中subclassof就是子類(lèi)的意思之碗，subproperty就是子屬性的意思，domain和range就是季希，主語(yǔ)和賓語(yǔ)的取值范圍.褪那。RDFS就相當(dāng)于給RDF的詞組進(jìn)行了擴(kuò)充。
將rdfs與rdf都用上時(shí)式塌，就是如下圖所示博敬，其中虛線，是更具上圖中的關(guān)系進(jìn)行推斷的峰尝，例如doi是Book偏窝，Book是Publication的子類(lèi)，那doi當(dāng)然是Publication的子類(lèi)武学。
RDF summarization
對(duì)rdf進(jìn)行摘要的原理就是： quotient graphs（商圖）
當(dāng)然這種方法主要針對(duì)的是rdf的結(jié)構(gòu)進(jìn)行摘要祭往。
商圖就是定義結(jié)點(diǎn)的等價(jià)關(guān)系，兩個(gè)結(jié)點(diǎn)的編號(hào)差值（i-j）能整出6火窒，那么就說(shuō)這兩個(gè)結(jié)點(diǎn)是等價(jià)的硼补。就可以得到上圖中，右邊的結(jié)構(gòu)熏矿。
上圖的右邊就是RDF圖已骇，右邊就是摘要后的結(jié)構(gòu)。
我們?cè)谶@里定義等價(jià)關(guān)系票编，根據(jù)輸入褪储，輸出來(lái)定義等價(jià)關(guān)系。比如這里a1的輸入是a栏妖，輸出是空乱豆，a2也是如此，所以認(rèn)為a1和a2是等價(jià)的吊趾。于是進(jìn)行合并宛裕，最后得到右邊的圖瑟啃。
但是這樣做可能會(huì)導(dǎo)致丟失信息，例如上圖右邊的Book和Person他們的輸入和輸出是一樣的揩尸，這樣會(huì)將它們作為等價(jià)結(jié)點(diǎn)進(jìn)行合并蛹屿，最終導(dǎo)致信息的丟失。
所以規(guī)定岩榆，對(duì)于class（也就是所屬的類(lèi)別）和property(邊上定義的那些關(guān)系)错负，只能和自己等價(jià)，比如Book就只能和其他的Book結(jié)點(diǎn)等價(jià)勇边。
根據(jù)我剛才的規(guī)則犹撒，可以對(duì)RDF進(jìn)行摘要，獲得上圖粒褒。
現(xiàn)在识颊，我們可以對(duì)結(jié)點(diǎn)進(jìn)行新的關(guān)系定義，使這個(gè)摘要效果更好奕坟∠榭睿可以根據(jù)輸入屬性集和輸出屬性集來(lái)判斷結(jié)點(diǎn)的關(guān)系。其中的output屬性月杉，n1就是a , b , d的來(lái)源刃跛，因?yàn)閍 , b肯定相關(guān)，n2那里有b , d , 所以b , d 相關(guān)苛萎，最后的出a , b , d 都是來(lái)源相關(guān)的桨昙。我們?cè)谶@里定義了另一種關(guān)系。在這里我們可以把n1當(dāng)作是一篇論文腌歉，那它會(huì)有作者绊率，標(biāo)題這些屬性，n2也是一篇論文究履，會(huì)有作者，何時(shí)出版這些屬性脸狸，而這些屬性很有可能同時(shí)出現(xiàn)在另外一篇論文中最仑，所以他們是來(lái)源相關(guān)的。我們這么做的理由是什么炊甲，因?yàn)橛型活?lèi)屬性的結(jié)點(diǎn)泥彤，就很有可能是等價(jià)的結(jié)點(diǎn)。
Weak clique-based summaries
基于弱集群的摘要
弱屬性集群卿啡，就是對(duì)于結(jié)點(diǎn)來(lái)說(shuō)吟吝，只要在輸入屬性集群和輸出屬性集群里面，只要有一個(gè)相同颈娜，那么就認(rèn)為是等價(jià)的剑逃。比如這里的n1,n2,n3,n4浙宜，他們的輸出屬性集都是{a,b,d}，雖然他們的輸入屬性集群蛹磺，并不都相同粟瞬。
Strong clique-based summaries
顯然這個(gè)等價(jià)關(guān)系，就是要求結(jié)點(diǎn)的輸入屬性集群萤捆，和輸出屬性集群完全相同裙品，才是等價(jià)關(guān)系的，所以只有n1和n2能夠合并俗或，n3以及n4都要獨(dú)立存在市怎。
Adding types after data summarization
對(duì)于這個(gè)摘要，我們還并沒(méi)有對(duì)type進(jìn)行操作辛慰，也就是并沒(méi)有對(duì)圖中結(jié)點(diǎn)所屬的類(lèi)別進(jìn)行任何的摘要過(guò)程（圖中所屬的類(lèi)別就是使doi屬于Book,我們還并沒(méi)有對(duì)Book進(jìn)行任何的操作）
第一種就是区匠，先對(duì)數(shù)據(jù)進(jìn)行了摘要的過(guò)程，在添加type昆雀，如上圖所示辱志。
第二種就是先將type添加到數(shù)據(jù)上，再對(duì)數(shù)據(jù)進(jìn)行摘要過(guò)程狞膘，我們會(huì)得到完全不同圖形揩懒，因?yàn)橛辛藅ype，那么輸入輸出屬性集群就已經(jīng)發(fā)生改變了挽封。
