.png){kind=icon}
返回
Minimizing Side-Effects in Virtual Knowledge Graph Updates
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08887-1_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在虚拟知识图谱（VKGs）中，通过一个与数据源通过声明性映射关联的本体论来提供对关系数据源的访问。虽然过去几年对VKGs中的查询回答问题已经进行了广泛研究，但很少关注通过更新底层数据源实现的VKG实例级更新问题。由于VKG映射的形式，将VKG更新翻译成源更新可能会导致VKG中的副作用，即不希望的插入或删除。在本文中，我们基于一种将VKG更新翻译成源更新的最新提案，并通过引入补偿的概念对其进行扩展，这些额外的更新旨在撤销副作用。我们提出了一种依赖多级补偿的新型算法，并证明它能够在VKG中计算具有最小副作用的源更新。
Keyword:
Virtual Knowledge Graphs
Instance-level updates
Source updates
Compensation
Side-effects
期刊
R
IF:
0
论文数:
15
被引数:
0
.png){kind=icon}
查看更多内容