超级会员免费看
知识图谱上的近似子图匹配
1. 引言
随着移动互联网的飞速发展，数据量呈指数级增长，数据内容也变得更加复杂。人们很难从海量数据中筛选出有用信息。当用户的目标是一个对象组合而非单个对象时，问题会变得更加棘手，因为用户需要全面考虑不同数据之间的关系。
1.1 实际应用场景
- 基于事件的移动社交网络 ：用户通常会根据位置、营业时间等因素选择对象组合，如商店、体育活动和电影院。例如，Peter 面临 Meetup 推荐的四个冲突体育活动，他只能选择参加其中几个，需要做出决策来选择一个对象组合。
- 网络攻击防御系统 ：系统需要处理大量 IP 地址产生的数据包，识别恶意网络攻击和攻击模式。攻击模式通常很复杂，复合攻击往往涉及多个攻击步骤，可以用图结构来表示攻击者和主机之间的关系。
1.2 知识图谱的引入
与简单图结构相比，上述例子非常复杂，因为每个节点都需要关联许多信息。因此，引入了知识图谱（KG）。KG 是一种异构图，节点作为实体，边表示实体之间的关系。物品及其属性可以映射到 KG 中，以理解物品之间的相互关系。此外，用户和用户侧信息也可以集成到 KG 中，使用户能够准确捕捉用户和物品之间的关系。
1.3 研究问题与贡献
本文研究大规模知识图谱上的子图匹配问题，这是一个 NP 难问题。为了解决这个问题，提出了一个近似框架 CBSM（基于压缩的子图匹配）。具体贡献如下：
- 提出知识图谱压缩算法 ：首先计算所有边的权重，然后根据计算
订阅专栏 解锁全文
扫一扫
40
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
