图数据库中的子查询算法研.pdf

摘 要 图是计算机科学中的重要数据结构。随着信息技术地不断发展 ，出现 了越来 越多的以图作为逻辑表达 的数据 ，例如化学分子结构式，生物网络 ，社会 网络 以 及 图像 中的实体关系等等。另一方面 ，这些 图数据本身 的数据量也在不断增大， 例如每天就有4,000个新的化学结构被加入到SCF Finder数据库 ；现在 的社会 网络 图中的结点数 目超过了1亿5千万。如何有效地管理和挖掘海量 的图数据是图数据 库研究的核心 问题。具体包括：1）如何建立有效的存储机制和索引策略；2 ）如何 有效地回答 图数据库中的查询 ；3）如何从海量 的图数据库中挖掘 出有用 的信息。 子 图查询是 图数据管理 中的基本操作。具体地说 ，给定一个查询 图Q，在 图 数据库 中找到所有包含查询 图Q的数据 图。由于子 图同构是典型 的NP完全 问题 ， 目前 的子 图查询算法均采用“过滤-精化” 的算法来找到结果集。在过滤阶段 ，根 据某种子 图同构 的必要条件过滤掉不可能包含查询 图Q的数据 图；然后在精化阶 段利用子 图同构算法在剩下的数据 图中找到结果集。目前 的大部分的过滤策略都 是基于“特征子结构” （简称“特征” ）的方法。这种方法没有考虑到特征之 间的拓 扑关系。根据特征和特征之间的拓扑关系，设计一种新的过滤策略将加快子 图查 询 的响应时间。另外 目前 的子 图查询算法没有考虑数据库频繁动态更新 的情况。 当数据库 出现增删改时，不得不重新建立索引。为了适应动态 的图数据库 ，根据 图谱理论 ，将 图的拓扑信息映射到数据空间中；并根据映射 的数值空间，建立相 应 的索引结构。这种方法不但加快 了过滤 的时间，而且可 以动态 的维护索引结 构。 随着 社会 网络 等 复杂 网络 的 出现 ，给 定查询 图Q，如 何在 一 张 大 图中找 到Q的匹配位置是非常有意义的课题 ，例如可 以帮助我们找到社会 网络中的特定 的朋友圈，以及生物网络中的功能团。大 图上 的匹配的定义本身并一定是基于子 图同构。因为网络上考虑 的更多的是两点之 间的连接性关系。根据连接性关系， 找到查询 图Q的所有匹配位置。因为通常复杂 网络 中的节点数 目是海量 的，为了 I 减少搜索空间，将 图结构中映射到 向量空间。通过在 向量空间的操作，找到所有 的候选匹配位置 ；然后在原来 的图结构中确定最终的匹配结果集。 图数据挖掘可 以帮助我们从海量 的图数据 中找到有用 的知识 ，其中频繁结构 模式挖掘和结构相关性挖掘是两个重要 的课题。目前 的结构模式挖掘算法大部 分采用“生成-检测” 的算法框架。这种方法 的缺点是“检测”阶段耗费大量时间。根 据 图数据 的特例“树数据” 的特点，采用模式增长 的方式设计频繁结构模式挖掘算 法 ，从而避免了检测阶段。给定一个查询 图Q，希望从图数据库中找到与Q具有高 度相关性的子结构。这个 问题 的难点在于海量 的搜索空间。为了加快算法响应时 间，根据模式增长 的策略，设计一种有效的过滤策略。 用 图结构来表 示 关 系型数据 库 中 的记 录之 间 的“控制”关 系，从而将 传 统 的Top-K查询 问题转换为 图结构 中的遍历 问题。与现有 的经典Top-K查询算法相 比，这种方法 的优点是其搜索空间较小。 关键词：图数据库 ，子 图匹配查询 ，频繁结构模式，Top-K查询 II Abstract As an important data structure in computer science, graph can be used to model many complex objects, such as social networks, compound structures and so on. Fur- thermore, the growing popularity of graph databases has generated interesting data man- agement problems, such as sub-graph search, frequent structural pattern mining and so on. For example, approximate 4000