論文の概要: Integrating connection search in graph queries

• arxiv url: http://arxiv.org/abs/2208.04802v1
• Date: Tue, 9 Aug 2022 14:27:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-10 12:55:58.745089
• Title: Integrating connection search in graph queries
• Title（参考訳）: グラフクエリへの接続検索の統合
• Authors: Angelos Christos Anadiotis and Ioana Manolescu and Madhulika Mohanty
• Abstract要約: SPARQLやCypherといったグラフクエリ言語に接続ツリーパターン(CTP)を統合する方法を示す。 非常に大きな探索空間に対処するため,我々は効率的な刈り込み手法を提案し,我々のアルゴリズムMOLESPがプルーニングでも完備しているケースの集合を正式に確立する。
• 参考スコア（独自算出の注目度）: 6.948362325254044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph data management and querying has many practical applications. When graphs are very heterogeneous and/or users are unfamiliar with their structure, they may need to find how two or more groups of nodes are connected in a graph, even when users are not able to describe the connections. This is only partially supported by existing query languages, which allow searching for paths, but not for trees connecting three or more node groups. The latter is related to the NP-hard Group Steiner Tree problem, and has been previously considered for keyword search in databases. In this work, we formally show how to integrate connecting tree patterns (CTPs, in short) within a graph query language such as SPARQL or Cypher, leading to an Extended Query Language (or EQL, in short). We then study a set of algorithms for evaluating CTPs; we generalize prior keyword search work, most importantly by (i) considering bidirectional edge traversal and (ii) allowing users to select any score function for ranking CTP results. To cope with very large search spaces, we propose an efficient pruning technique and formally establish a large set of cases where our algorithm, MOLESP, is complete even with pruning. Our experiments validate the performance of our CTP and EQL evaluation algorithms on a large set of synthetic and real-world workloads.
• Abstract（参考訳）: グラフデータ管理とクエリには多くの実用的応用がある。 グラフが非常に異質で、あるいはユーザがその構造に精通していない場合、ユーザが接続を記述できない場合でも、2つ以上のノード群がグラフでどのように接続されているかを見つける必要がある。 これは、パスを検索できる既存のクエリ言語でのみサポートされているが、3つ以上のノードグループを接続するツリーについてはサポートされていない。 後者はNP-hard Group Steiner Tree問題と関連しており、以前はデータベース内のキーワード検索として検討されていた。 本稿では、sparqlやcypherといったグラフクエリ言語に木パターン(ctp、略してctp)を結合する方法を正式に示し、拡張クエリ言語(あるいはeql、略してeql)へと導く方法を示す。 次に,ctp評価のための一連のアルゴリズムについて検討し,最も重要となる先行キーワード検索作業を一般化する。 (i)双方向のエッジトラバーサル及び (ii)ctp結果のランク付けには任意のスコア関数を選択できる。 非常に大きな探索空間に対処するため,我々は効率的な刈り込み手法を提案し,我々のアルゴリズムMOLESPがプルーニングでも完備しているケースの集合を正式に確立する。 我々のCTPおよびEQL評価アルゴリズムの性能を、大規模な合成および実世界のワークロードで検証した。

関連論文リスト

• DAGE: DAG Query Answering via Relational Combinator with Logical Constraints [24.60431781360608]
  DAGEと呼ばれるDAGクエリに対するクエリ埋め込み手法を提案する。 DAGEは2つのノード間の可能性のある複数のパスを、トレーニング可能なオペレータで単一のパスに結合する。 既存のクエリ埋め込みメソッド上にDAGEを実装することが可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-29T15:02:48Z)
• NL2KQL: From Natural Language to Kusto Query [1.7931930942711818]
  NL2KQLは、大規模言語モデル(LLM)を使用して自然言語クエリ(NLQ)をKusto Query Language(KQL)クエリに変換する革新的なフレームワークである。 NL2KQLのパフォーマンスを検証するために、オンライン(クエリ実行に基づく)とオフライン(クエリ解析に基づく)メトリクスの配列を使用します。
  論文  参考訳（メタデータ） (2024-04-03T01:09:41Z)
• Neural Graph Reasoning: Complex Logical Query Answering Meets Graph Databases [63.96793270418793]
  複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。 ニューラルグラフデータベース(NGDB)の概念を紹介する。 NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
  論文  参考訳（メタデータ） (2023-03-26T04:03:37Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• Improving Text-to-SQL Semantic Parsing with Fine-grained Query Understanding [84.04706075621013]
  トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。 我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
  論文  参考訳（メタデータ） (2022-09-28T21:00:30Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• Navigable Proximity Graph-Driven Native Hybrid Queries with Structured and Unstructured Constraints [10.842138336245384]
  本稿では,近接グラフ(PG)に基づくネイティブハイブリッドクエリ(NHQ)フレームワークを提案する。 エッジ選択とルーティング戦略を最適化したナビゲーション可能な新しいPGを2つ提案し、既存のPGよりも全体的な性能が向上した。
  論文  参考訳（メタデータ） (2022-03-25T12:02:37Z)
• Improving Candidate Retrieval with Entity Profile Generation for Wikidata Entity Linking [76.00737707718795]
  本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。 我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。 本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
  論文  参考訳（メタデータ） (2022-02-27T17:38:53Z)
• Learning Query Expansion over the Nearest Neighbor Graph [94.80212602202518]
  グラフクエリ拡張(GQE)が提示され、教師付き方法で学習され、クエリの拡張近傍で集約を実行する。 この技術は既知のベンチマークよりも最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-12-05T19:48:42Z)
• Outlining and Filling: Hierarchical Query Graph Generation for Answering Complex Questions over Knowledge Graph [16.26384829957165]
  クエリグラフを構築するための新しい2段階のアプローチを提案する。 最初の段階では、上位$kの関連インスタンスは単純な戦略で収集される。 第2段階では、グラフ生成モデルが階層生成を行う。
  論文  参考訳（メタデータ） (2021-11-01T07:08:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。