冯佳颖^1,3,张小旺^1,3,冯志勇^2,3

¹(天津大学计算机科学与技术学院 天津 300350); ²(天津大学软件学院 天津 300350); ³(天津市认知计算与应用重点实验室 天津 300350) (fengjiaying@tju.edu.cn)

出版日期: 2018-03-01


基金资助:国家重点研发计划项目(2016YFB1000603)；国家自然科学基金项目(61672377)；天津市科技支撑重点项目(16YFZCGX00210)

Parallel Algorithms for RDF Type-Isomorphism on GPU

Feng Jiaying^1,3, Zhang Xiaowang^1,3, Feng Zhiyong^2,3

¹(School of Computer Science and Technology, Tianjin University, Tianjin 300350); ²(School of Computer Software, Tianjin University, Tianjin 300350); ³(Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin 300350)

Online: 2018-03-01

摘要/Abstract

摘要： 资源描述框架(resource description framework, RDF)作为W3C(World Wide Web Consortium)组织提出的语义网数据规范，描述了资源及其之间的关系.随着RDF数据规模不断增加，高效地检索RDF数据成为当前面临的重大挑战.在RDF数据上的查询响应问题可以被简化为子图同构问题.作为子图同构的重要部分，类型同构(type-isomorphism)在处理部分RDF查询，如星状查询和链状查询等，具有较高的性能.目前，现有解决类型同构的方法匹配效率均依赖于CPU的计算能力.近年来，图像处理单元(graphic processing units, GPU)的发展提高了图数据处理的性能.与CPU相比，GPU多处理器具有高并发、易扩展以及价格成本低等优势.由于CPU处理大规模RDF数据的计算能力有限，提出一种基于GPU的RDF类型同构算法，使类型同构问题在GPU架构上通过并行的方式解决.最后，实现了基于GPU的RDF类型同构算法，并在基准数据集LUBM上对该算法进行性能测试，实验结果表明:该算法显著优于基于CPU架构的算法.

参考文献

相关文章 3

[1]	邹磊,彭鹏. 分布式RDF数据管理综述[J]. 计算机研究与发展, 2017, 54(6): 1213-1224.
[2]	于静,刘燕兵,张宇,刘梦雅,谭建龙,郭莉. 大规模图数据匹配技术综述[J]. 计算机研究与发展, 2015, 52(2): 391-409.
[3]	袁平鹏 刘 谱 张文娅 吴步文. 高可扩展的RDF数据存储系统[J]. , 2012, 49(10): 2131-2141.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3659