Resumen

Con el rápido desarrollo de Internet y big data, la recuperación de lugares se ha convertido en una parte indispensable de la vida diaria. Sin embargo, la tecnología de recuperación tradicional no puede satisfacer las necesidades semánticas de los usuarios. El grafo de conocimiento ha sido introducido en los sistemas de recuperación de nueva generación para mejorar el rendimiento de la recuperación. El grafo de conocimiento abstrae cosas en entidades y establece relaciones entre entidades, que se expresan en forma de triples. Sin embargo, con la expansión del grafo de conocimiento y el rápido aumento del volumen de datos, los métodos tradicionales de recuperación de lugares en el grafo de conocimiento tienen un bajo rendimiento. Este artículo diseña un método de recuperación de lugares para mejorar la eficiencia de la recuperación de lugares. En primer lugar, se realiza el preprocesamiento de datos y la construcción del modelo de problema en la etapa offline. Mientras tanto, se construye un índice de distancia semántica, un índice de cuadrícula espacial y un índice híbrido semántico espacial según la

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Internet; Big data; Knowledge graph; Retrieval; Performance; Efficiency internet; Big data; Grafo de conocimiento; Recuperación; Rendimiento; Eficiencia
• Keywords:Internet; Big data; Knowledge graph; Retrieval; Performance; Efficiency