.png){kind=icon}
返回
Graph Representation-Aware Online Aggregations over Knowledge Graph
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3052-6_2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱作为以图结构表示知识的数据库，为众多应用提供了丰富的资源。本文致力于针对知识图谱的在线聚合。在线聚合是指通过事实查询处理和无偏采样实时执行聚合查询，其效率和准确性常受限于事实查询。为克服这些障碍，本文提出了融合图表示的在线聚合。我们首先设计了一种融合长邻域注意力的图表示模型，以提供知识图谱上在线聚合的更好表示。此外，设计了表示的分布特征消除以实现无偏采样，以及两阶段样本剪枝以过滤无关样本，从而减少聚合查询的计算量。通过将在线聚合与图表示相结合，引入了无偏估计量，并给出了样本估计结果的置信区间。实验结果表明，我们的模型能够高效地返回具有保证相对误差的有效聚合查询结果，成功解决了知识图谱上在线聚合的现有挑战。
Keyword:
Graph representation
Knowledge graph
Online aggregations
Long-neighbor attention
Distribution feature elimination
期刊
K
IF:
0
论文数:
30
被引数:
0
机构
引用论文
.png){kind=icon}
Aggregate Queries on Knowledge Graphs: Fast Approximation with Semantic-aware Sampling知识图谱上的聚合查询：基于语义感知采样的快速近似
OAAI
OAAI分享收藏
查看更多内容