69一区二三区好的精华液,中文字幕无码av波多野吉衣,亚洲精品久久久久久无码色欲四季,日本不卡高字幕在线2019

文章介紹

圖查詢自動完成（GQAC）將用戶的圖查詢作為輸入，并生成前k個查詢結果建議作為輸出，以幫助減輕可視化界面中冗長且容易出錯的圖查詢過程。要使用GQAC組合目標查詢，用戶可以迭代地采用建議或手動添加邊以擴充現有查詢。然而，當前最先進的GQAC方法只關注大量中小型圖?，F有GQAC方法所利用的子圖特征在大圖中要么太小，要么太少。對此，本文提出了用于大圖的靈活圖查詢自動完成方法，簡稱為FLAG，框架如圖1所示。本文首次在GQAC 的上下文中提出通配符標簽，并總結了具有不同標簽的查詢結構。FLAG允許使用帶有通配符標簽的子圖增量來擴展用戶的查詢以形成建議。為了支持啟用通配符的建議，本文提出了一種新的建議排名功能，提出一種高效的排名算法并通過擴展索引來進一步優化在線建議排名。本文進行了用戶研究和一組大規模模擬實驗，以驗證FLAG的有效性和效率。結果表明，查詢建議節省了大約50%的鼠標點擊，FLAG在幾秒鐘內返回建議。該論文在已有工作基礎上的主要貢獻如下： 

圖1. FLAG : 大圖的圖查詢自動完成

實驗效果

本文采用了幾種流行的指標來衡量建議的質量。其中，總利潤指標（TPM） 量化了在可視化查詢制定過程中采用建議所節省的鼠標點擊百分比，是FLAG的質量指標。

本文研究了FLAG的主要參數對三個數據集CITESEER、WORDNET和TWITTER的影響。例如，表1展示了代表性的模擬的TPM結果。

表1. δmax改變對三個數據集TPM值的影響

表1顯示了在三個數據集上具有各種δmax的Q5（即5條邊的查詢）的TPM值。結果表明，隨著δmax的增加，質量將會下降。TPM顯示FLAG在查詢公式中節省大約53%的手動專業化。同時，WORDNET和TWITTER的結果與CITESEER的趨勢相同。WORDNET和TWITTER的質量指標值低于CITESEER，因為WORDNET和TWITTER的作品數量相對較少。

圖2. 默認設置下FLAG的平均響應時間(ART)

本文對在線FLAG處理的效率進行了詳細評估。圖2報告了默認設置下FLAG的平均響應時間（ART）。對于CITESEER，ART為3秒左右。對于TWITTER，本文獲得了簡短的ART，因為作品的數量相對較少。因此，FLAG的響應時間通常很短。

圖3. 僅改變排名函數的α時FLAG的ART

圖3展示了僅改變排名函數的α時FLAG的ART。將α范圍從0到1，ART總是少于3.5s。同時，當α接近1時，ART會下降。α的值越高，GQAC過程更喜歡具有大專業化和小摘要的建議，這導致更新候選建議的摘要的時間更短。

圖4. 僅改變用戶指定的k時FLAG的ART

圖4中報告了僅改變用戶指定的k時FLAG的ART。本文將k設定為從10到50。k測試的最大值為50，對于常見的可視化界面來說已經足夠大了。結果表明，ART隨著k的增加而增加。當k小于20時，FLAG在5s內返回建議。當k達到50時，GQAC過程可能需要8s來提供建議。

圖5. 僅改變目標查詢大小|q|時FLAG的ART

圖5展示了僅改變目標查詢大小|q|時FLAG的ART。結果表明，對于最多8條邊的查詢，FLAG的自動完成過程在6秒內完成。查詢大小|q|增加時，ART增加，主要是因為大型查詢需要更多時間來生成更多候選建議，然后對它們進行排名。

結語

本文提出了FLAG模型，它利用通配符標簽概念生成top-k查詢建議，以幫助大型圖的查詢公式化?？紤]到現有GQAC研究利用的圖特征在大圖中要么不存在要么很少見，本文建議為查詢圖和查詢建議引入通配符標簽，以允許更多的查詢建議候選者。候選查詢建議由一個新的排名函數進行排名，該函數考慮了該建議對現有查詢的擴充程度以及它總結了多少其他建議。本文提出了有效的建議排名算法。本文的用戶研究和實驗驗證了FLAG的有效性和效率。

作者簡介

Peipei Yi，于2013年獲得中國電子科技大學計算機科學學士學位，于2018年獲得香港浸會大學計算機科學博士學位。畢業后就職于聯想機器的數據科學家香港情報中心。研究興趣包括圖數據處理和圖數據庫可用性。

Jianping Li，網絡工程師，于2013年獲得哈爾濱工業大學電氣和通信碩士學位。研究興趣包括數據庫系統的用戶界面。

Byron Choi副教授，于2006年獲得賓夕法尼亞大學計算機和信息科學博士學位，現為香港浸會大學數據庫研究組的成員。研究方向包括圖結構數據庫，數據庫安全，時間序列分析，數據庫系統的用戶界面和增量維護算法和視圖更新等。

Sourav S. Bhowmick，南洋理工大學計算機科學與工程學院副教授，研究興趣包括數據管理、數據分析、計算社會科學和計算系統生物學，在這些領域的主要會議發表了許多論文，例如SIGMOD、VLDB、ICDE、SIGKDD等國際會議。

徐建良教授，于2002年獲得香港科技大學計算機科學博士學位，畢業后加入香港浸會大學計算機科學系，于1998年獲得浙江大學計算機科學與工程學士學位，曾是賓夕法尼亞州立大學大學公園分校和復旦大學的訪問學者?，F為香港浸會大學區塊鏈和金融科技實驗室主任，并領導數據庫研究小組。研究方向包括大數據、區塊鏈、移動計算、數據安全和隱私。

期刊簡介

Data Science and Engineering（DSE）是由中國計算機學會（CCF）主辦、數據庫專業委員會承辦、施普林格 自然（Springer Nature）出版的Open Access期刊。為了迎合相關領域的快速發展需求，DSE致力于出版所有和數據科學與工程領域相關的關鍵科學問題與前沿研究熱點，以大數據作為研究重點，征稿范疇主要包括4方面：（1）數據本身，（2）數據信息提取方法，（3）數據計算理論，和（4）用來分析與管理數據的技術和系統。

目前期刊已被EI、ESCI與SCOPUS收錄，CiteScore 2021為6.4，在Computer Science Applications領域排名# 157/747（位列前21%）。稿件處理費由贊助商中新賽克（Sinovatio）承擔，歡迎大家免費下載閱讀期刊全文，并積極投稿。

論文原文鏈接：https://link.springer.com/article/10.1007/s41019-022-00182-8