大規模商品知識的組織和查詢優化

黃濤貽，李 優，宋 浩，林煜明

1.桂林電子科技大學 廣西可信軟件重點實驗室，廣西 桂林 541004

2.桂林電子科技大學 廣西自動檢測技術與儀器重點實驗室，廣西 桂林 541004

1 引言

隨著Web技術的不斷發展，互聯網正由以人與人互聯為主要特征的Web2.0 時代邁向基于知識互聯的Web3.0時代[1]，其目標是實現人和機器都可以理解的互聯網，使網絡更加智能化。在這種背景下，如何將Web上的海量數據知識化并進行高效的管理，使之為用戶提供更高質量的信息服務，這已經成為學術界和工業界共同關注的熱點問題。2012 年谷歌率先推出知識圖譜，并以此作為增強其搜索功能的輔助知識庫，構建下一代智能化的搜索引擎。隨后，各種類型的知識圖譜陸續推出，例如基于維基百科的YAGO[2-4]、DBpedia[5]和Freebase[6]等。

與此同時，網絡上商品相關的數據也在急劇增長，而上層應用/用戶對商品信息準確獲取的需求卻難以滿足。這兩者間的矛盾不但沒有得到緩解，而且存在日趨嚴重的態勢。造成該矛盾的主要原因一方面是絕大部分承載商品信息的數據均以無結構的形式存在，嚴重地限制了它們自動化和智能化的應用；另一方面，這些大規模的信息缺少高效的數據管理機制，導致用戶直接面對碎片化和高冗余的信息，進一步加劇了信息過載的問題。對Web 上包含商品信息的海量數據進行知識化和結構化處理，并實現統一、高效的管理不僅能有效地解決該矛盾，而且能向用戶提供更全面和更準確的信息服務[7-8]。如何高效地檢索大規模商品知識成為一個重要的問題。已有許多知識檢索系統支持大規模知識圖譜，如 SW-store[9-10]、RDF-3x[11-13]、Hexastore[14]和 gStore[15-17]等。它們在存儲數據時，通過映射字典將知識圖譜中URI（Uniform Resource Identifier，統一資源標識符）文本轉換為ID 值，從而降低數據存儲和查詢的代價。基于圖模型的知識檢索系統，如gStore，能夠利用知識圖譜的圖結構特性處理知識檢索，具有較高的查詢效率。

當處理大規模查詢時，大量文本需要轉換成對應的ID值，這導致頻繁地訪問映射字典，此時映射字典的時間代價不能忽略。另外基于圖模型的檢索系統在處理商品知識查詢時，無法充分利用商品知識圖譜的結構特征，導致在進行商品觀點知識查詢時性能低，無法滿足商品知識檢索性能的要求。本文圍繞上述問題展開研究，主要貢獻如下：

（1）提出了一種融合客觀與主觀知識的商品知識圖譜框架，實現對商品客觀信息與用戶觀點信息統一組織。

（2）提出了一種結合學習索引[18]的映射字典，提高映射字典的查詢速度，并利用前綴樹進一步減少檢索時間，實驗證明該方法提高了映射字典檢索效率。

（3）提出了一種商品屬性觀點變量組合策略，該方法基于商品知識圖譜的結構特點，實驗證明該方法有效降低了商品知識檢索的時間。

2 相關工作

已有基于單機的RDF 數據存儲與查詢可以分為2大類，分別為基于關系模型和基于圖模型。基于關系模型的方式是利用成熟的關系型數據庫進行管理，從而實現知識存儲與查詢的功能。例如三列表構建具有3 個列屬性的表，并將RDF三元組數據直接插入到表中，雖然這種方式實現簡單，但處理復雜查詢時包含大量自連接操作。水平表將RDF數據中所有的屬性都作為表的列屬性，避免了自連接操作，但導致存在大量的空值。屬性表[19]通過對屬性聚類從而減少空值的產生，但是聚類是需要交給數據專家進行，當數據更新時，可能需要重新聚類，造成巨大的表的維護代價。垂直切分[9-10]為每個屬性構建一張兩列表，分別存儲主語與賓語，RDF三元組按照屬性歸類，并存儲在對應的表中，具有良好的性能，但當屬性為變量時，需要遍歷所有的表，導致性能急劇下降。全排列索引[11-14]是對RDF 三元組中元素進行全排列組合并構建索引，解決了垂直劃分查詢屬性效率低的問題，但存儲空間代價較高。

基于圖模型的方式是利用RDF數據轉換成的數據圖，與基于關系模型的方式不同，其能夠保留原有的圖結構。知識查詢將轉換為子圖匹配問題[15]。圖劃分[20-21]將圖劃分成若干子圖，對每個子圖包含的節點構建了布隆過濾器（bloom filter）。GRIN[22]用節點之間的距離采用聚類的方法對圖進行劃分，然后根據每個聚類的中心節點和半徑構建樹狀索引。gStore 中對每個實體節點進行簽名（Signature）編碼，構建基于二進制的簽名圖（Signature Graph），并在此基礎上建立VS-tree 索引，減少搜索空間。

總的來說，基于關系模式的方式破壞了RDF 數據原有的圖結構，導致額外的存儲或查詢代價。而基于圖模型的方法能有效保存RDF 數據的圖結構，提供較好的查詢性能，但依賴數據的圖結構，現有方法檢索商品知識時性能較低。

3 大規模商品知識的組織

3.1 整體框架概況

商品知識圖譜輔助用戶提供基于知識的檢索功能，因此該框架應該與在線購物平臺數據結構保持一致，其概要結構如圖1所示。

圖1 商品知識圖譜框架

商品知識圖譜總共分為5層，其中最上面兩層為客觀知識，剩下的三層為主觀知識，每層包含的知識分別如下：

（1）商品分類層。在線商城通過對商品進行分類并構建分類樹實現對大規模商品的管理，潛在消費者則可以通過商品分類進行目錄式檢索商品。

（2）商品實例層。這一層主要包含商品實例，以及在線購物平臺提供的客觀信息，例如商品名稱、品牌、價格以及網站提供的商品屬性等。

（3）商品屬性層。這一層主要包括商品的屬性，這里的屬性不是平臺提供的屬性，而是用戶評論中觀點描述的屬性。

（4）觀點層。觀點層主要包含了用戶發表的觀點信息，包括對商品或商品屬性的觀點。

（5）用戶層。用戶層包含了平臺的注冊用戶，是在平臺上進行消費和發表觀點的主體。

3.2 商品客觀知識

商品客觀知識主要是網站提供的客觀信息，包括商品分類信息和商品信息。首先，針對客觀知識定義如表1所示的類型。

表1 客觀知識類型

當表示客觀知識時，所需用到的屬性如表2所示。

表2 客觀知識屬性

例如在亞馬遜購物平臺中，亞馬遜網站擁有一個electronics（電子產品）商品分類，headphones（耳機）也是一個商品分類，是electronics 的子分類，商品編號為B0753GRNQZ 的商品屬于headphones 商品分類，對應RDF數據圖如圖2所示。

圖2 商品客觀知識樣例

3.3 用戶評論主觀知識

用戶評論主觀知識主要為用戶對商品的屬性表達的觀點，即從評論中抽取的商品屬性-用戶觀點詞對。用戶評論主觀知識是一種多元關系，涉及到用戶、商品和商品屬性，然而RDF 三元組不能直接表示多元關系。解決該問題的方法是引入中介節點，通過中介節點從而表達多元關系。由于用戶的觀點是包含于用戶所撰寫的評論中，因此將用戶評論作為中介節點，從而實現表示用戶評論主觀知識。表示主觀知識將引入如下的類型，其定義如表3所示。

表3 主觀知識類型

表示主觀知識時，所需要的屬性如表4所示。

表4 主觀知識屬性

例如用戶A001307232 認為商品B0753GRNQZ 的尺寸好，利用RDF數據圖表示如圖3所示。其中用戶發表的觀點都作為opinion的子屬性，例子中用戶觀點good（好）可以通過三元組表示成。

圖3 商品主觀知識樣例

4 學習映射字典

當同時處理大規模查詢時，大量URI文本需要通過映射字典轉換為對應的ID值。傳統的映射字典使用B-tree，但隨著映射字典規模的增大，其查詢效率逐漸降低。學習映射字典結合學習索引技術，基于數據的分布利用機器學習模型對數據分片，從而提升查詢效率。

4.1 學習索引

學習索引是將傳統索引結合機器學習技術，通過對數據的分布進行訓練，得到符合數據分布的模型，從而將傳統索引對數據的查詢轉換為模型對數據位置的預測，而查詢時間也轉換成機器學習模型的執行時間。同時隨著GPU、TPU和FPGA等高性能計算硬件的發展和廣泛應用于復雜計算中，同時在機器學習領域也被用于提升模型的執行效率，從而有效降低檢索的時間成本。

4.2 文本分布

構建URI文本的學習映射字典，首先需要明確文本的分布。文本是一種復合數據類型，是由多個字符組合構成，可以通過ASCII 編碼轉換成一個一維整形數組，如圖4所示。

圖4 文本通過ASCII編碼轉換成數組

商品知識圖譜中所有URI 文本排序構成一個有序集合U={u1,u2,…,uM}，每個 URI 文本ui通過 ASCII編碼轉換成數組xi。數組xi取前N個元素，對于數組長度n＜N的，設置=0(j＞n)，最終得到數組集合XN={x1,x2,…,xm} 。對URI文本集合U轉換的XN，構建累積分布函數如式（1）所示：

4.3 學習映射字典結構

學習映射字典分為兩個層，第一層包含機器學習模型，第二層包含了B-tree，URI文本集合通過第一層機器學習模型將數據分片，每一個數據分片使用B-tree 保存，其結構如圖5所示。

圖5 學習映射字典結構

第一層是機器學習模型。首先將URI文本集U通過ASCII編碼轉換成數組集合XN，使用神經網絡對文本分布進行訓練，最終得到學習模型P(x)，該模型實現預測URI文本ui在數據集U中的位置p。為了降低神經網絡在查詢時執行的時間代價，這里采用單隱層全連接神經網絡，如圖6所示，其輸入層神經單元數量為N，輸出值為p。

圖6 單隱層全連接神經網絡

URI 文本ui在數據集U中的位置不可能為負數，同時取值跨度廣，因此，需要激活函數具有較廣的輸出范圍并且避免預測值p≤0 ，所以神經網絡模型采用ReLu函數作為激活函數，如式（2）所示：

訓練模型時，利用URI 文本ui在數據集U中真實位置y與模型預測位置p之間的誤差值，采用方差作為損失函數，如式（3）所示：

第二層包含多棵B-tree。理想狀態下，第一層的模型能正確預測ui在文本集中的位置，但數據的復雜性導致預測位置與真實的位置仍存在較大的誤差，因此基于第一層預測位置，設置閾值s，將數據切分，即當(h-1) ?s≤P(xi)＜h?s時，將ui保存到第h個數據分片，每個分片分別使用B-tree保存。

4.4 URI文本壓縮

商品知識圖譜中完整的URI文本較長，如表5展示了商品知識圖譜中部分類型實體對應的完整URI 文本。其中，商品類型實體的URI文本包含了41個字符，前面30個字符用于表示命名空間。當神經網絡輸入層的神經單元數量N≤30 時，對于神經網絡模型，所有商品類型的URI將會是一樣的，所以輸入層的神經單元的數量至少需要N＞30。在商品知識圖譜中，命名空間作為完整URI 的前綴，其種類較少并且固定，但文本長度普遍較長，導致神經網絡模型需要更多的輸入節點，這造成神經網絡模型的執行效率降低。

表5 部分類型實體對應的完整URI文本樣例

為了提高機器學習模型的執行效率，利用前綴樹對URI文本中冗余的前綴進行壓縮，減少神經網絡模型輸入層的神經單元的數量N。URI文本的前綴為命名空間，其通常使用斜杠（/）符號表示命名空間的目錄或分類層級，因此利用斜杠符號對URI 命名空間分割，然后構建前綴樹，圖7 展示了命名空間壓縮前綴樹的結構。該結構中，圓形表示前綴樹的節點，內部的數字為節點對應的編號，邊的標簽對應命名空間分割后得到的文本子串。

圖7 命名空間壓縮前綴樹

通過前綴樹壓縮后，表5中完整的URI文本將轉換成如表6 所示，相比完整的URI 文本，壓縮后的URI 文本長度較短，減少了神經網絡輸入層神經單元數量N，這有效降低了學習映射字典第一層神經網絡模型的執行時間代價。

表6 部分類型實體壓縮后的URI文本樣例

5 商品知識查詢優化

5.1 連接代價

每個變量在獲得候選值集合后，需要根據查詢圖的結構對變量進行連接操作。連接一個變量的過程在算法1 中給出，其中IRT表示中間結果集，即已連接變量所構成的子圖的結果集合。

算法1連接一個變量節點算法

輸入：SPARQL查詢圖Q，當前中間結果表IRT，需要連接的變量節點v；

輸出：連接變量節點v后的中間結果表nIRT；

1.設置新的中間結果集nIRT為空，即nIRT=φ；

2.if變量節點v的候選集為空then

3.returnnIRT；

4.forIRT中每條中間結果記錄rdo

5.設置臨時表格tmp為空，即tmp=φ；

6.for中間結果記錄r中每個元素edo

7.ife對應Q中變量節點v′與v之間沒有邊相連then

8.continue；

9.通過e獲取v的另一個候選集list；

10.iftmp為空then

11.list與v的候選集進行交集操作，并賦予tmp；

12.else

13.list與tmp進行交集操作，并將結果賦予tmp；

14.fortmp中所有的元素edo

15.創建r副本r′，將e添加到r′；

16.r′添加到nIRT；

17.returnnIRT；

連接操作的時間代價主要由兩部分組成：交集操作代價和I/O 代價。其中交集操作受到列表的大小影響，在執行前難以預測其代價。I/O 代價是訪問磁盤操作造成的，由于磁盤的訪問速度比內存慢幾個數量級，當頻繁訪問磁盤時會造成巨大的I/O 代價。這導致I/O代價成為連接操作代價的絕大部分，因此連接代價基本可以由I/O 代價決定。在算法中連接一個變量所造成的I/O代價由中間結果集IRT的大小決定，因此查詢圖連接的總代價可以由每一步連接操作時中間結果集IRT的大小共同決定。對查詢圖包含節點集合V={v1,v2,…,vn}和邊集合E={e1,e2,…,em}，假設每次只連接一條邊，其連接的總代價cost如式（4）所示，其中Si表示進行第i步連接時中間結果集IRT的大小和第i步的代價。

5.2 連接順序

第i步連接的代價Si是第i-1 步連接完成所得到，每步連接操作的代價都是由其前序連接操作得到，因此不同的連接順序會造成得到不同的連接代價，這里針對表7所示的商品知識數據進行分析。

表7 商品知識圖譜RDF三元組樣例

表7 展示了商品知識圖譜RDF 數據樣例。為了簡潔表示，所有的URI 都使用簡寫表示，并用URI 縮寫的第一個字母表示該元素的類型，如P 開頭的URI 為商品，C 開頭的 URI 為商品分類，R 開頭的 URI 為評論，O開頭的URI 為觀點，F 開頭的URI 為商品屬性。該數據假設有兩個商品分類C1和C2，其中C1分類下有3個商品，C2分類下有1 個商品，有兩個用戶分別發表了3 條評論，且每條評論分別都包含了對特征F1和F2的觀點。圖8展示的是該樣例對應的RDF數據圖，其中省略了邊的標簽。

圖8 商品知識圖譜樣例RDF數據圖

查詢1假設查詢C1分類所有商品及所有觀點特征的知識，該查詢對應的查詢圖如圖9 所示，同樣省略了邊的標簽，但保留變量邊的標簽。圖中每個變量的對應候選值集合均標在變量節點右側。

圖9 SPARQL查詢圖及變量候選節點

查詢1查詢C1分類所有商品及所有觀點特征

SELECT ?p ?f ?o where {

?p rdf:type Product.

?p productOf C1.

?r rdf:type Review.

?r reviewOn ?p.

?f rdf:type Feature.

?r ?o ?f.

};

從圖中可知，變量?f候選值集合的大小為2，變量?r的候選值集合大小為6，變量?p候選值集合的大小為3。目前最新的圖模型查詢系統，例如gStore，在選擇連接順序時優先選擇候選集中元素較少的變量節點進行連接，因此在針對該查詢順序為?f→?r→?p，其每步連接生成的中間結果集IRT如表8所示。

對于表8中的操作，首先選擇變量?r作為連接操作的起始節點，將候選值集合中的元素依次加入到IRT中，此時|IRT|=|C(?f)|=2；然后與變量?r進行連接操作，此時S1=2，連接操作結束后|IRT|=12；最后與變量?p進行連接操作，此時S2=12，完成連后|IRT|=10。最后對根據IRT中每條記錄變量獲取?o的值，此時S3=10。因此總代價為S1+S2+S3=24。

在商品知識圖譜中，用戶評論唯一關聯一個商品，但通常會包含多個觀點。根據這個數據特征，將選擇變量?p作為連接操作的起始節點，此時連接順序為?p→?r→?f。其每步連接生成的中間結果集IRT如表9所示。

首先將變量?p的候選值集合中的元素依次加入到IRT中，此時|IRT|=|C(?p)|=3，然后與變量?r進行連接操作，此時S1=3，連接完成后|IRT|=5，然后再與變量?f連接，此時S2=5，連接操作完成后|IRT|=10。最后根據IRT中每條記錄變量獲取?o的值，此時S3=10。該連接順序的總代價為S1+S2+S3=18。不同的連接順序，雖然最終產生的結果不變，但每步生成的中間結果集不同。

在商品知識圖譜中，每一條用戶評論Ri由一個用戶Uj撰寫，并且描述一件商品Pk連接。但評論中會對多個商品屬性表達觀點，如圖10所示。

在商品知識圖譜中，商品、用戶的數量規模龐大，而商品屬性的規模相對較小，導致連接操作時，優先將商品屬性與用戶評論進行連接。然而用戶評論唯一關聯一個商品，但通常會包含多個觀點。因此在商品知識圖譜中，商品屬性和評論進行連接時，中間結果集會擴大，所以連接過程中在進行評論與商品屬性連接的操作應放在最后進行。

表8 連接過程中每步MRT 的數據

表9 連接過程中每步中間結果集IRT 的數據

圖10 一條商品評論的數據圖

5.3 變量組合連接策略

現有基于圖模型的查詢系統主要針對查詢圖中邊標簽均為常量的查詢。在處理邊標簽為變量的查詢時，其連接過程首先將節點變量連接起來，然后獲取變量邊的值，這種連接策略導致查詢性能較低。

但是在商品知識圖譜中，用戶觀點作為一種重要的知識，存在許多圍繞用戶觀點的查詢，查詢1 展示了一種簡單的用戶觀點查詢。但圍繞用戶觀點往往存在更加復雜的查詢，例如查詢與商品P1相關的商品，這些商品與P1擁有共同的買家，并且買家對該商品的某些屬性具有相同的觀點，該SPARQL如查詢2所示。

查詢2查找商品P1相關商品的SPARQL

SELECT ?p ?f ?o where

{

?r1rdf:type Review.

?r1reviewOn P1.

?r2rdf:type Review.

?p rdf:type Product.

?p productOf C1.

?r2reviewOn ?p.

?f rdf:type Feature.

?r1?o ?f.

?r2?o ?f.

?u rdf:type User.

?u write ?r1.

?u write ?r2.

}

針對該查詢，首先排除變量?o與?f，并將其他變量根據查詢圖進行連接，得到中間結果集，如表10所示。

表10 查詢2的連接中間結果集

這里針對中間結果集第二條結果進行討論，當R1和R2對商品屬性F1和F2分別發表了不同的用戶觀點，其RDF數據圖如圖11所示。

圖11 兩個用戶評論的觀點都不相同的數據圖

按照原有連接策略，將對變量?f進行連接操作，將產生如表11所示的結果。

表11 無效的中間結果列表

最后獲取變量?o的結果時，表11 的所有中間結果均是無效的，然后被刪除。在考慮中間結果是否需要連接變量?f時，需要變量?r1和?r2對應的值都有相同的邊才需要連接，因此，當變量?r1和?r2對應的值沒有相同邊時，該中間結果可以直接刪除，而不需要進行下一步操作。

當兩個評論R1和R2存在相同的觀點，但是針對不同的商品屬性，僅考慮是否存在相同的邊標簽，同樣也會導致無效的中間結果的產生，如圖12所示。

圖12 兩個評論存在相同觀點但不是同一個屬性的數據圖

上面的連接方式都是將商品屬性和用戶觀點分開單獨進行查詢，但在商品知識圖譜中，商品屬性和用戶觀點是組合并成對出現。因此利用這個特性，本節提出了一種商品屬性觀點變量組合（product Aspect and Opinion Combination，AOC）的連接策略，即將變量邊?o與變量節點?f組合成一個整體變量，首先對變量?f和?o以外的變量節點進行連接，然后對變量組合進行連接操作。連接組合變量的過程如算法2所示。

算法2連接一個組合變量算法

輸入：當前中間結果表IRT，需要連接的組合變量(e,v)；

輸出：連接變量節點v后的中間結果表nIRT；

1.設置新的中間結果集nIRT為空，即nIRT=φ；

2.if 變量節點v的候選集為空then

3.returnnIRT；

4.forIRT中每條中間結果記錄rdo

5.設置臨時表格tmp為空，即tmp=φ；

6.設置臨時表格tmpv為空，即tmpv=φ；

7.for 中間結果記錄r中每個元素eledo

8.ifele與v之間不是通過邊edo

9.continue；

10.將ele添加到tmpv；

11.通過ele獲取v的另一個候選值集合list；

12.iftmp為空 then

13.list與v的候選集進行交集操作，并賦予tmp；

14.else

15.list與tmp進行交集操作，并將結果賦予tmp；

16.iftmp為空 then

17.continue

18.fortmp中每個元素elethen

19.獲取ele邊候選值集合tmpe；

20.for 元素tmpe中每個元素edgethen

21.通過ele和edge獲取候選列表list

22.iftmpv?listthen

23.創建r副本r′，將(edge,ele)添加到r′；

24.r′添加到nIRT；

25.returnnIRT；

6 實驗與分析

6.1 實驗環境

本實驗硬件環境為單臺Intel?Core?i5-6500 @3.20 GHz四核處理器的計算機，擁有16 GB DDR3內存和1 TB 機械硬盤。為了保證實驗運行的公平性，沒有采用GPU、TPU或FPGA等硬件加速。操作系統為64位Ubuntu 16.04操作系統。

實驗數據將通過本文設計的商品知識圖譜框架組織，其中知識圖譜的數據為真實數據與仿真數據相結合，數據集的總體概況如表12 所示。其中商品分類、商品信息、用戶知識為真實數據，來自于亞馬遜平臺，其中包含商品實體總數為478 626，用戶實體總數為1 000 000。用戶評論、觀點知識為仿真數據，每個用戶隨機挑選商品并發表評論，評論中包含隨機數量的觀點知識。

表12 數據集的一些統計信息

6.2 實驗結果與分析

6.2.1 學習映射字典

實驗從存儲空間和響應時間兩個方面進行分析。由于學習映射字典與傳統映射字典都采用了B-tree 結構，為了減少實驗環境的差異性，實驗中兩者采用相同的B-tree。此外B-tree的階數對數據存儲空間和查詢響應時間存在影響，將針對B-tree的階數進行討論。兩種映射字典存儲所占用的空間如表13所示。

表13 數據對應映射詞典所消耗的存儲空間 MB

根據結果顯示，隨著B-tree 階數的增加，兩種映射字典在存儲空間上都呈現減少的趨勢。當兩個映射字典采用相同階數時，學習映射字典的存儲空間比傳統的映射字典占用的空間少。學習映射字典中第一層只需要保存機器學習模型的參數，其占用的存儲空間遠小于整體存儲空間，本實驗中，模型存儲空間占用約1 KB。在學習映射字典第二層中，第一層學習模型將數據切分成多個小規模的數據分片，每個數據分片對應的B-tree的高度均不高于傳統映射字典中B-tree，同時其所有B-tree 內部節點包含鍵的總數也比傳統映射字典中B-tree少。由于內部節點鍵的數量占用了絕大部分存儲空間，所以學習映射字典相比傳統映射字典的所占用的存儲空間小。

接下來進一步驗證學習映射字典的查詢效率。首先討論B-tree的階數對響應時間的影響，這里隨機查詢URI 文本100 000 次，然后統計平均單次查詢URI 文本的響應時間，如圖13所示。

圖13 不同階數B-tree的平均響應時間

實驗結果顯示，當B-tree 采用不同階數時，學習映射字典的平均響應時間比傳統映射字典的平均響應時間更短。此外，隨著B-tree 階數的增加，學習映射字典查詢效率提升更加明顯。

然后針對隨機查詢URI文本的次數進行比較，這里采用128 階B-tree，統計平均單次查詢URI 文本的響應時間，結果如圖14所示。

實驗結果表明，在處理不同隨機訪問次數時，學習映射字典的平均響應時間比傳統映射字典的平均響應時間更短。

圖14 B-tree階為128時平均查詢時間

學習映射字典利用機器學習模型將大規模URI 文本集分割成多個小規模URI文本集分片，當查詢URI文本時，只需要對其中一個URI 文本集分片進行查詢，相比傳統映射字典，學習映射字典減少了查詢過程中比較操作的次數。同時第一層的機器學習模型采用單隱層全連接神經網絡模型，其模型復雜度較低，執行效率較高，使用CPU處理器執行此模型，平均單次執行時間小于100 ns，小于整體查詢時間。

6.2.2 連接策略

實驗針對商品知識圖譜，圍繞商品的主觀與客觀知識，設計了常用的商品知識查詢語句，如表14所示。

上述SPARQL查詢對應的含義如下：

Q1：在商品分類C1下，查找商品屬性F1具有O1觀點的商品。

Q2：查詢商品P1所有的用戶觀點和對應的商品屬性。

Q3：查詢一個商品分類C1下所有商品，用戶更加關心哪些屬性。通過查詢所有該商品分類下所有商品以及對應的用戶觀點和特征，并將數據通過商品屬性進行聚合操作，然后統計數量。

Q4：查詢與用戶U1愛好相同的用戶，這些用戶不僅與用戶U1購買過相同的商品，并且他們對該商品的某一商品屬性發表過相同的觀點。

SPARQL查詢運行時間結果如表15所示。

實驗結果顯示，在查詢Q1的查詢性能相似，由于查詢中不包含對商品屬性和用戶觀點的查詢，優化策略沒有起到作用。而針對查詢Q2、Q3 和Q4，這些查詢中都包含商品屬性和用戶觀點的查詢，此時優化的查詢策略發揮作用，采用AOC 策略的系統比gStore 具有更高的查詢效率。其中查詢Q2 語句較為簡單，不存在復雜的關系，并且查詢針對一個商品，相關的信息量較少，采用AOC 連接策略的系統相比gStore 性能提升了2 倍。查詢Q3 語句同樣較為簡單，但查詢涉及一個商品分類所有商品的數據，相關的數據量較大，gStore查詢超過1個小時未獲得結果，而采用AOC 策略的系統在較短時間內完成查詢，通過減少中間結果的產生，提高了查詢的效率。查詢Q4的語言的復雜度比查詢Q2，Q3大，gStore同樣無法在1 h內完成該查詢，采用AOC策略的系統在較短時間內完成查詢，由于避免了生成無效的中間結果，從而提高了查詢效率。

表14 商品知識查詢

表15 SPARQL查詢運行時間

7 結束語

首先，為了統一管理商品客觀信息與用戶觀點主觀信息，本文設計了一種融合商品客觀與主觀知識的商品知識圖譜框架。然后，為了提升查詢效率，降低URI 文本轉換成對應ID值的代價，結合學習索引，提高查詢效率，并利用前綴樹對URI 文本中冗余的前綴進行壓縮，進一步提高查詢效率。接著，為了提高商品知識查詢的效率，設計了商品屬性觀點變量組合的連接策略，具有較高的商品知識查詢效率。最后在商品知識圖譜數據上驗證了本文提出的方法具有性能上的提升。在之后的工作中，將會考慮利用GPU構建異構計算平臺，進一步提升商品知識檢索的效率。