CCF-腾讯犀牛鸟基金获奖者北京大学邹磊副教授在数据库领域顶级国际会议和期刊上成绩杰出

随着大数据时代的到来，传统的数据管理正逐步地向基于语义的知识管理转变。“知识图谱”作为一种知识表示方法，对于正确理解用户查询意图，提高互联网搜索精度能起到重要的提升作用；因此“知识图谱”近年来受到国内外主流的互联网公司普遍关注。 邹磊博士等在其VLDB Journal论文《gStore: a graph- based SPARQL query engine》中提出利用图数据库技术来存储基于RDF[1]标准的知识图谱数据。不同于传统的基于关系数据库方法来存储知识库图谱数据，基于图数据库索引技术能极大的降低搜索空间，提高查询性能。这种方法的原创性得到了ACM Fellow, T. J. Watson研究中心的Charu Aggarwal研究员在其VLDB 论文中的肯定 （引用原文：gStore, which is the first study that considers a subgraph matching-based query answering technique in RDF data 翻译：gStore是首个利用子图匹配查询的方法来用于管理RDF数据的技术。） 另外为了方便终端用户直接访问知识图谱数据，邹磊博士等在其SIGMOD 2014论文《 Natural language question answering over RDF: a graph data driven approach》中研究了基于自然语言理解的RDF知识库智能检索系统gAnswer。将用户输入的自然语言问题，转换为对于知识图谱的检索；其在文中创造性地提出将自然语言理解中的“消歧”过程和“知识库查询”过程结合起来，不仅提高查询的精度而且极大的提高了查询性能。在参加的面向RDF知识库的问答系统国际评测QALD-4中，其查询精度和查全率方面排名第二。在系统查询性能方面，QALD-4组织方评价gAnswer系统“ it's one of very few systems I've seen that reach real-time performance(翻译：它是我所见到极少可以达到实时性能的系统)”。 在理论研究的同时，该研究小组与腾讯微信事业群技术架构部模式识别中心团队等通力合作，开发了面向百万级别中文电影、音乐和书籍知识库的智能检索微信公共账号的原型系统；在近一年的项目过程中，双方合作申请了专利2项，申请国际专利1项，其中一项专利获得腾讯公司级专利奖。 附： SIGMOD是ACM数据库领域排名第一的顶级会议，每年录用论文80-100左右。SIGMOD 2014在美国犹他州的Snowbird举办。

[1] RDF: Resource Description Framework （资源描述框架）是W3C组织提出的语义网中的一种重要数据模型。目前各大互联网公司的知识图谱数据均采用（或者借鉴）RDF数据模型。

邹磊，1981年生，北京大学计算机科学技术研究所副教授。2009年毕业于华中科技大学计算机科学与技术学院，获工科博士学位；同年加入北京大学计算机科学技术研究所。其博士学位论文获得湖北省优秀博士学位论文奖和中国计算机学会优秀博士学位论文提名奖。邹磊获得2013年度CCF-腾讯犀牛鸟基金支持，与腾讯微信事业群技术架构部模式识别中心团队合作展开基于百万级别中文电影、音乐和书籍知识库的智能检索微信公共账号的原型系统研发工作。 邹磊博士长期以来从事海量图数据管理和基于图的RDF数据管理方面的研究工作。研究面向社会网络和语义网数据的存储机制和查询算法，以及RDF知识库构建等方面的研究工作。截止目前，发表数据管理方面的相关论文30余篇，其中包括VLDB, ICDE, VLDB Journal, TKDE等数据库领域顶级国际期刊/会议论文11篇 （顶级论文为中国计算机学会规定的A类论文）。截止2014年8月12日，项目申请人邹磊5年内相关论文被引用次数534次（根据google scholar统计），单篇最高引用次数160次（该文发表于2009年8月）。 在重视理论研究的同时，非常重视相关研究系统的研发工作。例如，研发了基于图模型的海量RDF存储和查询系统gStore和基于自然语言理解的RDF智能检索问题系统原型gAnswer。核心研究成果发表在数据库领域顶级会议VLDB 2011，13,VLDB Journal和SIGMOD 2014上。同时申请了多项图数据和语义管理相关专利，目前已授权4项,软件著作权1项。 近三年主要发表论文如下： 1. [VLDB J] Lei Zou, M. Tamer Özsu, Lei Chen, Xuchuan Sheng*, Ruizhe Huang*, Dongyan Zhao, "gStore: A Graph-based SPARQL Query Engine," VLDB Journal, 23(4): 565-590 (2014). (数据库领域国际顶级期刊) 2. [TKDE] Weiguo Zheng, Lei Zou, Xiang Lian, Dong Wang, Dongyan Zhao, “Efficient Graph Similarity Search over Large Graph Databases” , accepted by IEEE Transactions on Knowledge and Data Engineering (TKDE), to appear. (数据库领域国际顶级期刊) 3. [VLDB J] Lei Zou, Lei Chen, M. Tamer Özsu, Dongyan Zhao: Answering pattern match queries in large graph databases via graph embedding. VLDB J. 21(1): 97-120 (2012) (计算机学会推荐顶级国际期刊) 4. [TKDE] Lei Zou, Lei Chen: Pareto-Based Dominant Graph: An Efficient Indexing Structure to Answer Top-K Queries. IEEE Trans. Knowl. Data Eng. 23(5): 727-741 (2011) (计算机学会推荐顶级国际期刊) 5. [SIGMOD] Lei Zou, Ruizhe Huang, Haixun Wang, Jeffrey Xu Yu, Wenqiang He, Dongyan Zhao: Natural language question answering over RDF: a graph data driven approach. SIGMOD Conference 2014: 313-324 (计算机学会推荐顶级国际会议) 6. [VLDB] Weiguo Zheng, Lei Zou, Yansong Feng, Lei Chen, Dongyan Zhao: Efficient SimRank-based Similarity Join Over Large Graphs. Proc. Of VLDB 6(7): 493-504 (2013) (计算机学会推荐顶级国际会议)