0.总体概要
针对知识图谱领域中数据模型不统一、查询语言多样、低效存储和查询的问题，新型知识图谱数据库管理系统(KGDB)通过基于关系模型的统一存储方案，统一RDF图和属性图数据模型，实现SPARQL和Cypher两种查询语言的互操作，优化了存储结构，提高了查询效率。如下图所示，KGDB的总体架构，包括用户输入层、系统处理层和用户界面层，清晰地展示了系统的工作流程和组件交互。
知识图谱作为人工智能的重要基础，目前主要有两种数据模型：RDF图和属性图。分别对应不同的查询语言SPARQL和Cypher。由于数据模型和查询语言的不统一，限制了知识图谱的广泛应用。下表给出了RDF图和属性图使用的主要符号及其含义：
具体而言，对于RDF图数据，如下图所示存储方案包括直接利用三元组特性、依据数据类型特征和语义信息进行存储的方法，但存在空间利用效率低和成熟度不足的问题。
RDF图示例
https://jos.org.cn/html/2021/3/6181.htm
对于属性图数据，如下图所示则有基于关系和文档的存储方案，但灵活度和存储效率有待提高。
属性图示例
https://jos.org.cn/html/2021/3/6181.htm
在查询处理方面，RDF图数据主要使用SPARQL语言，属性图数据则使用Cypher语言，但两种语言的互操作性不足。
2.实际问题分析
①数据模型不统一：知识图谱领域中存在多种数据模型，如RDF图和属性图，它们在结构和表示方式上有所不同，导致数据管理和查询处理变得复杂。
②查询语言多样性：不同的数据模型通常对应不同的查询语言，如RDF图使用SPARQL，属性图使用Cypher，这增加了用户的学习成本和系统的开发难度。
③存储效率和查询性能：随着知识图谱数据规模的增大和复杂性的提高，如何高效地存储和管理数据，以及如何快速地执行查询，成为实际应用中的挑战。
④无类型实体处理：在知识图谱中，可能会存在一些未指定类型的实体，这些实体的存储和查询处理需要特殊的策略。
3.解决方案-新型知识图谱数据库管理系统(KGDB)
①统一存储方案：
KGDB基于关系模型提出了统一的存储方案，通过将数据按类型聚类存储到对应的关系表中，支持RDF图和属性图的高效存储。该方案使用字典编码方法减少数据的存储空间，满足知识图谱数据存储和查询负载的需求。如下图所示：
②查询语言互操作：
KGDB实现了SPARQL和Cypher两种不同知识图谱查询语言的互操作，允许用户使用这两种语言操作同一个知识图谱。通过将两种语言的语义对齐到统一的关系代数表示，实现了查询语义的一致性。
③无类型实体存储优化：
针对无类型实体的存储问题，KGDB采用基于特征集的聚类方法，将无类型实体归入与其谓语组相似的数据类型中，从而解决了无类型实体数据的存储问题，提高了查询效率。
④实验验证：
在真实数据集和合成数据集上进行的实验表明，KGDB与现有的知识图谱数据库管理系统相比，不仅能够提供更加高效的存储管理，而且具有更高的查询效率。KGDB平均比gStore和Neo4j节省了30%的存储空间，在基本图模式查询上的查询速度普遍高于gStore和Neo4j，最快可提高2个数量级。
4.总结
KGDB遵循“统一存储”-“兼容语法”-“统一语义”的技术路线，从底层存储到查询表达，再到查询处理，提供了一套完整的解决方案。具体而言，KGDB提出了基于关系模型的统一存储方案，实现了SPARQL和Cypher两种查询语言的语义对齐，实现了无类型实体的存储优化，在存储效率和查询性能上均优于现有的知识图谱数据库管理系统，如gStore和Neo4j，为知识图谱的广泛应用提供了强有力的支持。
参考文献：
Liu BZ, Wang X, Liu PK, Li SZ, Zhang XW, Yang YJ. KGDB: Knowledge Graph Database System with Unified Model and Query Language[J]. Journal of Software, 2021, 32(3): 781-804.
Wang X, Zou L, Wang CK, Peng P, Feng ZY. Research on knowledge graph data management: A survey. Ruan Jian Xue Bao/Journal of Software, 2019,30(7):2139-2174
