https://mp.weixin.qq.com/s/5yKFzDJdnqTPhZnaeWPCWQ
DSE精選文章
FLAG:一種面向大圖的圖查詢自動完成方法
FLAG: Towards Graph Query Autocompletion for Large Graphs
圖查詢自動完成(GQAC)將用戶的圖查詢作為輸入,,并生成前k個查詢結(jié)果建議作為輸出,以幫助減輕可視化界面中冗長且容易出錯的圖查詢過程,。要使用GQAC組合目標(biāo)查詢,,用戶可以迭代地采用建議或手動添加邊以擴充現(xiàn)有查詢。然而,,當(dāng)前最先進(jìn)的GQAC方法只關(guān)注大量中小型圖?,F(xiàn)有GQAC方法所利用的子圖特征在大圖中要么太小,要么太少,。對此,,本文提出了用于大圖的靈活圖查詢自動完成方法,簡稱為FLAG,,框架如圖1所示,。本文首次在GQAC 的上下文中提出通配符標(biāo)簽,并總結(jié)了具有不同標(biāo)簽的查詢結(jié)構(gòu),。FLAG允許使用帶有通配符標(biāo)簽的子圖增量來擴展用戶的查詢以形成建議,。為了支持啟用通配符的建議,本文提出了一種新的建議排名功能,提出一種高效的排名算法并通過擴展索引來進(jìn)一步優(yōu)化在線建議排名,。本文進(jìn)行了用戶研究和一組大規(guī)模模擬實驗,,以驗證FLAG的有效性和效率。結(jié)果表明,,查詢建議節(jié)省了大約50%的鼠標(biāo)點擊,,F(xiàn)LAG在幾秒鐘內(nèi)返回建議,。該論文在已有工作基礎(chǔ)上的主要貢獻(xiàn)如下:
圖1. FLAG : 大圖的圖查詢自動完成
本文采用了幾種流行的指標(biāo)來衡量建議的質(zhì)量,。其中,總利潤指標(biāo)(TPM) 量化了在可視化查詢制定過程中采用建議所節(jié)省的鼠標(biāo)點擊百分比,,是FLAG的質(zhì)量指標(biāo),。
本文研究了FLAG的主要參數(shù)對三個數(shù)據(jù)集CITESEER、WORDNET和TWITTER的影響,。例如,,表1展示了代表性的模擬的TPM結(jié)果。
表1. δmax改變對三個數(shù)據(jù)集TPM值的影響
表1顯示了在三個數(shù)據(jù)集上具有各種δmax的Q5(即5條邊的查詢)的TPM值,。結(jié)果表明,,隨著δmax的增加,質(zhì)量將會下降,。TPM顯示FLAG在查詢公式中節(jié)省大約53%的手動專業(yè)化,。同時,WORDNET和TWITTER的結(jié)果與CITESEER的趨勢相同,。WORDNET和TWITTER的質(zhì)量指標(biāo)值低于CITESEER,,因為WORDNET和TWITTER的作品數(shù)量相對較少。
圖2. 默認(rèn)設(shè)置下FLAG的平均響應(yīng)時間(ART)
本文對在線FLAG處理的效率進(jìn)行了詳細(xì)評估,。圖2報告了默認(rèn)設(shè)置下FLAG的平均響應(yīng)時間(ART),。對于CITESEER,ART為3秒左右。對于TWITTER,,本文獲得了簡短的ART,,因為作品的數(shù)量相對較少。因此,,F(xiàn)LAG的響應(yīng)時間通常很短,。
圖3. 僅改變排名函數(shù)的α時FLAG的ART
圖3展示了僅改變排名函數(shù)的α時FLAG的ART。將α范圍從0到1,,ART總是少于3.5s,。同時,當(dāng)α接近1時,,ART會下降,。α的值越高,GQAC過程更喜歡具有大專業(yè)化和小摘要的建議,,這導(dǎo)致更新候選建議的摘要的時間更短,。
圖4. 僅改變用戶指定的k時FLAG的ART
圖4中報告了僅改變用戶指定的k時FLAG的ART。本文將k設(shè)定為從10到50,。k測試的最大值為50,,對于常見的可視化界面來說已經(jīng)足夠大了。結(jié)果表明,,ART隨著k的增加而增加,。當(dāng)k小于20時,F(xiàn)LAG在5s內(nèi)返回建議,。當(dāng)k達(dá)到50時,,GQAC過程可能需要8s來提供建議。
圖5. 僅改變目標(biāo)查詢大小|q|時FLAG的ART
圖5展示了僅改變目標(biāo)查詢大小|q|時FLAG的ART,。結(jié)果表明,,對于最多8條邊的查詢,F(xiàn)LAG的自動完成過程在6秒內(nèi)完成,。查詢大小|q|增加時,,ART增加,主要是因為大型查詢需要更多時間來生成更多候選建議,,然后對它們進(jìn)行排名,。
本文提出了FLAG模型,它利用通配符標(biāo)簽概念生成top-k查詢建議,,以幫助大型圖的查詢公式化,。考慮到現(xiàn)有GQAC研究利用的圖特征在大圖中要么不存在要么很少見,,本文建議為查詢圖和查詢建議引入通配符標(biāo)簽,,以允許更多的查詢建議候選者,。候選查詢建議由一個新的排名函數(shù)進(jìn)行排名,該函數(shù)考慮了該建議對現(xiàn)有查詢的擴充程度以及它總結(jié)了多少其他建議,。本文提出了有效的建議排名算法,。本文的用戶研究和實驗驗證了FLAG的有效性和效率。
Peipei Yi,,于2013年獲得中國電子科技大學(xué)計算機科學(xué)學(xué)士學(xué)位,,于2018年獲得香港浸會大學(xué)計算機科學(xué)博士學(xué)位。畢業(yè)后就職于聯(lián)想機器的數(shù)據(jù)科學(xué)家香港情報中心,。研究興趣包括圖數(shù)據(jù)處理和圖數(shù)據(jù)庫可用性,。
Jianping Li,網(wǎng)絡(luò)工程師,,于2013年獲得哈爾濱工業(yè)大學(xué)電氣和通信碩士學(xué)位,。研究興趣包括數(shù)據(jù)庫系統(tǒng)的用戶界面,。
Byron Choi副教授,,于2006年獲得賓夕法尼亞大學(xué)計算機和信息科學(xué)博士學(xué)位,現(xiàn)為香港浸會大學(xué)數(shù)據(jù)庫研究組的成員,。研究方向包括圖結(jié)構(gòu)數(shù)據(jù)庫,,數(shù)據(jù)庫安全,時間序列分析,,數(shù)據(jù)庫系統(tǒng)的用戶界面和增量維護(hù)算法和視圖更新等,。
Sourav S. Bhowmick,南洋理工大學(xué)計算機科學(xué)與工程學(xué)院副教授,,研究興趣包括數(shù)據(jù)管理,、數(shù)據(jù)分析、計算社會科學(xué)和計算系統(tǒng)生物學(xué),,在這些領(lǐng)域的主要會議發(fā)表了許多論文,,例如SIGMOD、VLDB,、ICDE,、SIGKDD等國際會議。
徐建良教授,,于2002年獲得香港科技大學(xué)計算機科學(xué)博士學(xué)位,,畢業(yè)后加入香港浸會大學(xué)計算機科學(xué)系,于1998年獲得浙江大學(xué)計算機科學(xué)與工程學(xué)士學(xué)位,,曾是賓夕法尼亞州立大學(xué)大學(xué)公園分校和復(fù)旦大學(xué)的訪問學(xué)者?,F(xiàn)為香港浸會大學(xué)區(qū)塊鏈和金融科技實驗室主任,并領(lǐng)導(dǎo)數(shù)據(jù)庫研究小組,。研究方向包括大數(shù)據(jù),、區(qū)塊鏈,、移動計算、數(shù)據(jù)安全和隱私,。
Data Science and Engineering(DSE)是由中國計算機學(xué)會(CCF)主辦,、數(shù)據(jù)庫專業(yè)委員會承辦、施普林格 自然(Springer Nature)出版的Open Access期刊,。為了迎合相關(guān)領(lǐng)域的快速發(fā)展需求,,DSE致力于出版所有和數(shù)據(jù)科學(xué)與工程領(lǐng)域相關(guān)的關(guān)鍵科學(xué)問題與前沿研究熱點,以大數(shù)據(jù)作為研究重點,,征稿范疇主要包括4方面:(1)數(shù)據(jù)本身,,(2)數(shù)據(jù)信息提取方法,(3)數(shù)據(jù)計算理論,,和(4)用來分析與管理數(shù)據(jù)的技術(shù)和系統(tǒng),。
目前期刊已被EI、ESCI與SCOPUS收錄,,CiteScore 2021為6.4,,在Computer Science Applications領(lǐng)域排名# 157/747(位列前21%)。稿件處理費由贊助商中新賽克(Sinovatio)承擔(dān),,歡迎大家免費下載閱讀期刊全文,,并積極投稿。
論文原文鏈接:https://link.springer.com/article/10.1007/s41019-022-00182-8