Mining Dynamic Graph Streams for Predictive Queries Under Resource Constraints
Mining Dynamic Graph Streams for Predictive Queries Under Resource Constraints
复制标题
DOI：
10.1007/978-3-030-47436-2_3
复制
发表时间：
2020-04-17
期刊：
影响因子：
--
通讯作者：
Ge T
中科院分区：
文献类型：
--
作者：
Liu X;Ge T
知识图流是当今许多在线动态数据应用程序的基础数据模型。在这样的流上回答预测关系查询是非常具有挑战性的，因为不同种类的图流意味着知识事实的复杂的拓扑和时间相关性，以及随着时间的快速动态进入速率和统计模式变化。我们给出了我们的方法的两个主要组成部分：计数衰落草图和在线增量嵌入算法。我们使用嵌入结果来回答预测关系查询。在真实世界数据集上的大量实验表明，我们的方法明显优于两种基准方法，以较小的内存占用高效地产生准确的查询结果。
Knowledge graph streams are a data model underlying many online dynamic data applications today. Answering predictive relationship queries over such a stream is very challenging as the heterogeneous graph streams imply complex topological and temporal correlations of knowledge facts, as well as fast dynamic incoming rates and statistical pattern changes over time. We present our approach with two major components: a Count-Fading sketch and an online incremental embedding algorithm. We answer predictive relationship queries using the embedding results. Extensive experiments over real world datasets show that our approach significantly outperforms two baseline approaches, producing accurate query results efficiently with a small memory footprint.
登录
查看更多内容
影响因子：
8.1
作者：
Cafaro, Massimo;Pulimeno, Marco;Aloisio, Giovanni
通讯作者：
Aloisio, Giovanni
DOI：
10.4018/jswis.2009081901
发表时间：
2009-01-01
影响因子：
3.2
作者：
Bizer, Christian;Heath, Tom;Berners-Lee, Tim
通讯作者：
Berners-Lee, Tim
影响因子：
1.1
作者：
Alon, N;Matias, Y;Szegedy, M
通讯作者：
Szegedy, M
DOI：
10.1109/tkde.2018.2807452
发表时间：
2018-09-01
影响因子：
8.9
作者：
Cai, HongYun;Zheng, Vincent W.;Chang, Kevin Chen-Chuan
通讯作者：
Chang, Kevin Chen-Chuan
DOI：
10.1109/tkde.2017.2754499
发表时间：
2017-12-01
影响因子：
8.9
作者：
Wang, Quan;Mao, Zhendong;Guo, Li
通讯作者：
Guo, Li