杜小勇，陳峻，陳躍國

（1.中國人民大學(xué) 教育部數(shù)據(jù)工程與知識(shí)工程教育部重點(diǎn)實(shí)驗(yàn)室，北京 100872；2.中國人民大學(xué) 信息學(xué)院，北京 100872）

1 引言

關(guān)于大數(shù)據(jù)的討論，除了被廣泛認(rèn)可的海量(volume)、異構(gòu)(variety)、快變(velocity)3V特性[1]外，人們更關(guān)注于大數(shù)據(jù)的價(jià)值(value)?，F(xiàn)階段，主要通過2種技術(shù)手段來體現(xiàn)大數(shù)據(jù)的價(jià)值：數(shù)據(jù)服務(wù)(data serving)和數(shù)據(jù)分析。

1.1 數(shù)據(jù)服務(wù)與數(shù)據(jù)分析

數(shù)據(jù)服務(wù)是指將大數(shù)據(jù)組織管理起來，提供高效的數(shù)據(jù)查詢與信息檢索服務(wù)。數(shù)據(jù)查詢主要面向結(jié)構(gòu)化類型的數(shù)據(jù)，采用基于鍵值對(duì)模型的NoSQL數(shù)據(jù)庫技術(shù)，以行鍵、列名、版本號(hào)來確定數(shù)據(jù)的邏輯單元，并通過行鍵、列名和版本等信息來進(jìn)行基于鍵值的數(shù)據(jù)查詢。由于NoSQL數(shù)據(jù)庫弱化了數(shù)據(jù)事務(wù)一致性準(zhǔn)則（采用最終一致性），數(shù)據(jù)索引相對(duì)簡單，事務(wù)類型單一，適于并行化處理，其在一定規(guī)模的集群下能夠達(dá)到較高的數(shù)據(jù)讀寫吞吐率。信息檢索是指從大規(guī)模的數(shù)據(jù)集中快速查找滿足用戶需求的資料或數(shù)據(jù)片段的過程[2]。用戶通過關(guān)鍵詞（或自然語言語句）來表達(dá)信息需求。為了快速得到反饋，必須預(yù)先構(gòu)建好數(shù)據(jù)索引。完成檢索后，結(jié)果要根據(jù)與查詢的相關(guān)度進(jìn)行排序。無論數(shù)據(jù)查詢還是信息檢索，一般都采用“提交問題—返回結(jié)果”的一次性交互模式，查詢處理利用索引，快速定位滿足用戶需求的數(shù)據(jù)。因此，數(shù)據(jù)服務(wù)對(duì)數(shù)據(jù)價(jià)值的利用是最直接的。

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)大量數(shù)據(jù)進(jìn)行分析或建模，然后提取有用信息并形成結(jié)論，進(jìn)而輔助人們決策的過程[3]。在這個(gè)過程中，用戶會(huì)有一個(gè)明確的目標(biāo)，通過“數(shù)據(jù)清理、轉(zhuǎn)換、建模、統(tǒng)計(jì)”等一系列復(fù)雜的操作，獲得對(duì)數(shù)據(jù)的洞察，從而協(xié)助用戶進(jìn)行決策。常見的數(shù)據(jù)分析有在線聯(lián)機(jī)分析處理(OLAP分析)與深度分析。OLAP分析一般采用SQL查詢語句對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行多維度的聚集查詢處理；而深度分析則采用了復(fù)雜度較高的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的一些方法，可以處理結(jié)構(gòu)化數(shù)據(jù)甚至是非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)分析一般基于大量數(shù)據(jù)和較為復(fù)雜的運(yùn)算模型，其結(jié)果信息量通常很大，適用于宏觀決策。而對(duì)于細(xì)節(jié)層面信息的獲取，數(shù)據(jù)分析缺乏如索引和訪問控制等方面的技術(shù)支持。

表1總結(jié)歸納了數(shù)據(jù)服務(wù)和數(shù)據(jù)分析2種方式的特點(diǎn)：1）在用戶信息需求層面，這2種手段都要求用戶有明確的信息需求，相比數(shù)據(jù)分析，數(shù)據(jù)服務(wù)的信息需求更加單一；2）在搜索對(duì)象層面，數(shù)據(jù)服務(wù)的對(duì)象是數(shù)據(jù)集合內(nèi)的某些元素，而數(shù)據(jù)分析的對(duì)象是整個(gè)數(shù)據(jù)集或其子集；3）在觀察角度層面，數(shù)據(jù)服務(wù)的角度是微觀的，數(shù)據(jù)分析的角度是宏觀的；4）在用戶目的層面，數(shù)據(jù)服務(wù)是側(cè)重于查詢資料和數(shù)據(jù)片段，而數(shù)據(jù)分析的目的側(cè)重于決策支持；5）在交互模式層面，數(shù)據(jù)服務(wù)與數(shù)據(jù)分析主要是一次性的交互模式。但在交互式場(chǎng)景中，它們也會(huì)遇到查詢調(diào)整的問題，用戶通過多輪的交互來滿足信息需求，而各輪之間卻是獨(dú)立的查詢或者分析任務(wù)。

表1 各類大數(shù)據(jù)價(jià)值挖掘方式比較

1.2 數(shù)據(jù)探索

以上2種方式分別從2個(gè)角度發(fā)掘大數(shù)據(jù)的價(jià)值，數(shù)據(jù)服務(wù)強(qiáng)調(diào)從微觀層面獲取滿足用戶需求的精準(zhǔn)信息，數(shù)據(jù)分析強(qiáng)調(diào)從宏觀層面為用戶提供數(shù)據(jù)洞察，進(jìn)而提供決策支持。這2種方式能有效幫助用戶解決很多常見問題，發(fā)現(xiàn)大數(shù)據(jù)固有的價(jià)值。但仍然存在諸多場(chǎng)景（例如學(xué)習(xí)、調(diào)研），單純的微觀層面的信息獲取和宏觀層面的數(shù)據(jù)分析都不能有效協(xié)助用戶去發(fā)現(xiàn)和探索數(shù)據(jù)中的價(jià)值，用戶更需要的是一種可以在微觀層面和宏觀層面進(jìn)行自由切換的、深入淺出的、交互式的探索數(shù)據(jù)價(jià)值的方式。下面的旅行規(guī)劃問題是一個(gè)典型的例子。

小明第一次去某地旅游，為了旅途順利，想事先規(guī)劃一下。他大致思路如下。第1步，要選擇交通方式；第2步，要調(diào)研當(dāng)?shù)刂档皿w驗(yàn)的地方，如景點(diǎn)和小吃等；第3步，需要確定住宿；第4步，要設(shè)計(jì)規(guī)劃住宿地點(diǎn)到景點(diǎn)的交通路線。以上過程沒有明確的先后順序，但都需瀏覽、對(duì)比大量信息。在持續(xù)的瀏覽過程，他的某個(gè)決定隨時(shí)可能誘發(fā)其他某個(gè)環(huán)節(jié)的更改，進(jìn)而引發(fā)全局的調(diào)整，比如更換住宿地點(diǎn)，那么交通路線需要重新設(shè)計(jì)。在這個(gè)過程中，小明需要不斷地重復(fù)“搜索—思考”的過程來完成這次旅行規(guī)劃。

結(jié)合上述例子，小明起初的目標(biāo)是比較模糊的，他需要在不斷獲取信息的過程來調(diào)整搜索目標(biāo)。此外，小明需要系統(tǒng)提供額外的信息進(jìn)行引導(dǎo)，引導(dǎo)的過程中，目標(biāo)隨時(shí)可能改變，這種改變的動(dòng)機(jī)可能出自于獲取必要信息，也可能出于好奇心。出于這樣的目的，探索式搜索(exploratory search)的概念應(yīng)運(yùn)而生。

探索式搜索主要是針對(duì)目標(biāo)可變的、持續(xù)的、多角度的搜索任務(wù)，其搜索過程是有選擇的、有策略的和反復(fù)進(jìn)行的[4]。它將以找到信息為目的的傳統(tǒng)信息檢索模式變?yōu)橐园l(fā)現(xiàn)、學(xué)習(xí)和決策為目的的信息搜尋模式。這樣的搜索模式結(jié)合了大量的分析與人機(jī)交互過程，適合于人們從數(shù)據(jù)中發(fā)現(xiàn)和學(xué)習(xí)更多的內(nèi)容。在某些領(lǐng)域，數(shù)據(jù)的探索式搜索也被稱為數(shù)據(jù)探索。

目前，隨著大數(shù)據(jù)研究的興起，探索式搜索這種交互式的分析和探索數(shù)據(jù)價(jià)值的方式，逐漸引起人們的重視[5]。很多數(shù)據(jù)類型已經(jīng)有了探索式搜索的應(yīng)用研究，如媒體數(shù)據(jù)[6]、網(wǎng)頁[7]、圖數(shù)據(jù)[8]、異構(gòu)信息網(wǎng)絡(luò)[9]、關(guān)系型數(shù)據(jù)[10]、RDF知識(shí)庫[11]等。在這些應(yīng)用中，尤其是面向大數(shù)據(jù)的探索式搜索方面，還有很多問題等待研究者們進(jìn)行深入的研究。

2 探索式搜索

最近幾年，探索式搜索逐漸獲得相關(guān)領(lǐng)域研究者們的關(guān)注。數(shù)據(jù)庫領(lǐng)域頂級(jí)會(huì)議SIGMOD于2014年針對(duì)探索式搜索舉辦了首次研討會(huì)，與會(huì)專家從多個(gè)角度討論了探索式搜索的重要性與必要性，并將探索式搜索與以往的交互模式做了區(qū)分[12]。次年，SIGMOD會(huì)議再次針對(duì)探索式搜索的技術(shù)實(shí)現(xiàn)舉辦了研討會(huì)，與會(huì)專家從系統(tǒng)實(shí)現(xiàn)層面討論了探索式搜索所需要克服的技術(shù)挑戰(zhàn)[13]。

探索式搜索的概念是于2006年被數(shù)字圖書館領(lǐng)域的權(quán)威學(xué)者M(jìn)archionini在ACM通信上首次明確提出的[4]。而對(duì)于探索式搜索的討論最早源于2005年，馬里蘭大學(xué)的幾位專家主導(dǎo)舉辦了有關(guān)探索式搜索界面設(shè)計(jì)的交叉學(xué)科研討會(huì)，該研討會(huì)召集了人機(jī)交互、信息檢索、信息搜尋以及信息可視化等領(lǐng)域的專家，探討這門交叉學(xué)科的界面設(shè)計(jì)、評(píng)價(jià)方法以及認(rèn)知過程[14]。此后，一系列研討會(huì)在相關(guān)頂尖會(huì)議上舉辦，如2006年SIGIR[15]討論了如何評(píng)估探索式搜索系統(tǒng)，2007年SIGCHI[16]討論滿足探索式搜索界面設(shè)計(jì)的要求以及面臨的挑戰(zhàn)。

2.1 探索式搜索的定義

Marchionini將人類對(duì)信息的需求從低到高分為3個(gè)層次[4]：1）探尋基本的事實(shí)，輔助解決一個(gè)短期的任務(wù)；2）聯(lián)系相關(guān)概念，幫助人們理解某個(gè)現(xiàn)象或者執(zhí)行某項(xiàng)較為復(fù)雜的任務(wù)；3）整合相關(guān)策略與知識(shí)，幫助成為某個(gè)領(lǐng)域的專家。為了支持后2個(gè)層次的需求，用戶需要通過不斷的交互過程，調(diào)整自己的信息搜尋目標(biāo)，全方位多角度地了解相關(guān)領(lǐng)域的信息。因此，交互模式需要獲得更大的突破。

然而，“提交查詢—返回結(jié)果”的一次性交互模式仍是眾多數(shù)據(jù)庫和信息檢索系統(tǒng)所采用的交互模式（如圖1所示），用戶只需提出一個(gè)查詢，即可獲得與該查詢相關(guān)的結(jié)果。事實(shí)上，很多信息系統(tǒng)的實(shí)際應(yīng)用卻經(jīng)常伴隨著多次的交互過程，用戶經(jīng)常要花費(fèi)大量精力去反復(fù)瀏覽、對(duì)比和分析反饋查詢結(jié)果，用戶體驗(yàn)糟糕。其本質(zhì)原因在于：1）用戶不夠了解數(shù)據(jù)域(data domain)，抽象而成的查詢不夠準(zhǔn)確；2）一次性交互模式不能很好地適應(yīng)用戶在檢索過程中對(duì)信息需求的多樣性與動(dòng)態(tài)性，并且忽略了查詢過程的上下文語境等因素[17]，無法很好地協(xié)助用戶與系統(tǒng)交互。

為了改善上述缺陷，信息檢索引入了迭代式查詢的理念，幫助用戶逐步縮小查詢范圍，最終定位到他們所需的信息。但是，很多情況下，用戶并沒有明確的搜索目標(biāo)，對(duì)知識(shí)的好奇是他們搜索的動(dòng)機(jī)，他們需要在搜索過程中被引導(dǎo)，從而明確他們的目標(biāo)?；谶@樣的背景，探索式搜索的概念被提出來了。

根據(jù)Marchionini[4]與White[17]給出的定義，探索式搜索由問題上下文與搜索進(jìn)程2個(gè)相輔相成的主體構(gòu)成，其問題上下文由用戶的信息需求驅(qū)動(dòng)，這種需求是開放式的、持續(xù)的、多角度的；其搜索進(jìn)程由用戶的行為組成，這種行為是有選擇的、有策略的和反復(fù)多次進(jìn)行的。

2.2 探索式搜索的模型

通過分析用戶的信息需求，Marchionini[4]將用戶的搜索任務(wù)分為3類（如圖2所示）：1）查閱(lookup)：通過構(gòu)建一個(gè)簡單、有效的查詢，在特定數(shù)據(jù)域中完成基本的信息檢索；2）學(xué)習(xí)(learn)：通過多次迭代查詢，對(duì)反饋的結(jié)果進(jìn)行查閱、對(duì)比，最終整合吸收；3）調(diào)研(investigate)：通過多輪多次迭代查詢，不斷關(guān)聯(lián)此前學(xué)習(xí)到的知識(shí)，加以輔助，進(jìn)一步對(duì)反饋的結(jié)果進(jìn)行更深層次的探索。這些任務(wù)之間存在不同程度的交集，查閱作為最基本的搜索任務(wù)，經(jīng)常被其他兩項(xiàng)搜索任務(wù)所涵蓋，而學(xué)習(xí)是調(diào)研的重要組成部分。探索式搜索的目的是為了更好地解決學(xué)習(xí)與調(diào)研2項(xiàng)搜索任務(wù)。

圖1 基于“提交查詢—返回結(jié)果”的一次性交互模式

圖2 搜索任務(wù)

對(duì)于探索式搜索用戶群體而言，其最大的特點(diǎn)是因缺乏對(duì)背景知識(shí)的了解，沒能形成明確的搜索目標(biāo)，其搜索的興趣點(diǎn)是被當(dāng)前的查詢結(jié)果和與當(dāng)前結(jié)果緊密關(guān)聯(lián)的數(shù)據(jù)內(nèi)容所引導(dǎo)和轉(zhuǎn)移的。與此同時(shí)，若用戶對(duì)某個(gè)興趣點(diǎn)感興趣，其隨時(shí)可以深入該興趣點(diǎn)，進(jìn)一步挖掘信息。

為此，White[17]將探索式搜索抽象成為2個(gè)重要的過程：1）探索式瀏覽(exploratory browsing)；2）集中式搜索(focused searching)。探索式瀏覽的目的是為了更加開放地探索數(shù)據(jù)，在用戶未確定他們真正的搜索意圖前，探索式瀏覽會(huì)有策略地提供用戶更多的相關(guān)知識(shí)，幫助用戶在海量的數(shù)據(jù)中找到他們感興趣的內(nèi)容。集中式搜索目的是為了讓用戶更加深入地探索數(shù)據(jù)，當(dāng)用戶確定他們某個(gè)階段的興趣點(diǎn)，集中式搜索會(huì)協(xié)助用戶不斷深入該領(lǐng)域，幫助用戶挖掘細(xì)節(jié)。

如圖3所示，為了讓用戶獲取更多的知識(shí)，以上2種模式會(huì)交替出現(xiàn)在整個(gè)搜索進(jìn)程中，用戶隨時(shí)可以從某個(gè)興趣點(diǎn)轉(zhuǎn)移到另外一個(gè)興趣點(diǎn)。這種交替模式促進(jìn)了用戶與系統(tǒng)間的良性交互，系統(tǒng)在搜索過程中更加了解用戶的習(xí)慣與特點(diǎn)，從而提供更相關(guān)的興趣點(diǎn)與更準(zhǔn)確的內(nèi)容。此外，用戶的搜索目的也會(huì)隨著搜索進(jìn)程的推進(jìn)不斷波動(dòng)，最終趨于穩(wěn)定。

圖3 探索式搜索模型

2.3 探索式搜索的特點(diǎn)

結(jié)合Marchionini[4]與White[17]的觀點(diǎn)，探索式搜索有以下幾項(xiàng)特點(diǎn)。1）搜索過程是長期的：用戶的每次搜索會(huì)話都應(yīng)該被記錄下來，系統(tǒng)會(huì)分析利用這一連串會(huì)話，對(duì)用戶的行為進(jìn)行分析，從而更好地協(xié)助用戶去探索數(shù)據(jù)；2）信息需求是開放式的、持續(xù)的、多角度的，用戶具備好奇的屬性，好奇會(huì)導(dǎo)致他們的信息需求在搜索進(jìn)程中不斷發(fā)生變化，他們的搜索意圖也將會(huì)隨著搜索進(jìn)程的推進(jìn)而不斷波動(dòng)，這種變化將會(huì)讓用戶了解更多面的信息；3）探索與發(fā)現(xiàn)是重點(diǎn)，相比基本的查閱，探索式搜索強(qiáng)調(diào)發(fā)現(xiàn)更多相關(guān)的內(nèi)容，從而幫助用戶更加全面地了解某個(gè)話題。相比表1另外2種傳統(tǒng)價(jià)值發(fā)現(xiàn)的方式，探索式搜索強(qiáng)調(diào)用戶的充分參與，在搜索進(jìn)程中，該方式會(huì)為用戶提供大量相關(guān)信息，引導(dǎo)用戶明確信息需求，并拓展用戶知識(shí)面。因此，該方式更適合人們從數(shù)據(jù)中發(fā)現(xiàn)和學(xué)習(xí)更多的內(nèi)容。

探索式搜索涉及多方面的技術(shù)挑戰(zhàn)，既包括大數(shù)據(jù)的高效管理與查詢執(zhí)行等系統(tǒng)層面的技術(shù)，也涉及用戶與系統(tǒng)間交互的創(chuàng)新與突破，如人機(jī)交互、數(shù)據(jù)可視化等。下一節(jié)將從系統(tǒng)的角度分析探索式搜索系統(tǒng)需要應(yīng)對(duì)的具體挑戰(zhàn)與關(guān)鍵技術(shù)。

3 系統(tǒng)框架、挑戰(zhàn)與關(guān)鍵技術(shù)

White[17]歸納了探索式搜索系統(tǒng)的幾大要素。1）查詢構(gòu)建：協(xié)助用戶構(gòu)建查詢，并支持查詢的快速重構(gòu)；2）分類詳情：對(duì)返回結(jié)果的進(jìn)行分類，方便用戶進(jìn)行篩選；3）搜索上下文：記錄搜索進(jìn)程的上下文，理解用戶行為；4）可視化支持：提供可視化支持，便于用戶更加直觀地了解數(shù)據(jù)；5）輔助學(xué)習(xí)：提供充分的信息，協(xié)助用戶在搜索的過程中學(xué)習(xí)、理解知識(shí)；6）社交化操作：提供社交化的功能，提升用戶的參與感與興趣；7）會(huì)話記錄：記錄用戶的行為，方便用戶推進(jìn)自己的搜索進(jìn)程；8）任務(wù)管理：支持多會(huì)話、多用戶的場(chǎng)景。

根據(jù)上述觀點(diǎn)，參考現(xiàn)有研究的思路，設(shè)計(jì)了一個(gè)探索式搜索系統(tǒng)的參考框架，包括人機(jī)交互層、查詢處理層和數(shù)據(jù)管理層（如圖4所示）。在設(shè)計(jì)的過程中，采用了組件化的思想，其中，人機(jī)交互層涵蓋了交互界面組件、社交化組件以及可視化組件；查詢處理層涵蓋了查詢構(gòu)造組件、查詢執(zhí)行組件以及結(jié)果重構(gòu)組件；數(shù)據(jù)管理層涵蓋了會(huì)話管理組件、數(shù)據(jù)管理組件以及元數(shù)據(jù)管理組件。每個(gè)組件都有各自的功能與特點(diǎn)，組件之間相輔相成。

3.1 人機(jī)交互層

人機(jī)交互層是用戶與系統(tǒng)直接對(duì)話的平臺(tái)，好的人機(jī)交互層設(shè)計(jì)能讓用戶與系統(tǒng)之間的信息交換過程更加有效。因此，探索式搜索系統(tǒng)需要在人機(jī)交互層引入必要的交互元素，協(xié)助用戶更準(zhǔn)確表達(dá)、獲取自己的信息需求。

圖4 探索式搜索系統(tǒng)框架

3.1.1 交互界面組件

交互界面組件的設(shè)計(jì)需要關(guān)注以下幾點(diǎn)：1）交互界面各個(gè)元素的設(shè)計(jì)需要秉持用戶友好的準(zhǔn)則，盡量降低用戶的學(xué)習(xí)成本；2）探索式搜索是一個(gè)長期的搜索進(jìn)程，用戶需要知道自己所處搜索進(jìn)程的確切位置；3）需要協(xié)助用戶快速地構(gòu)建查詢，并能提供高效的查詢重構(gòu)方案，降低用戶輸入代價(jià)，提高查詢構(gòu)建的準(zhǔn)確性；4）需要提供與當(dāng)前查詢結(jié)果緊密關(guān)聯(lián)的數(shù)據(jù)內(nèi)容，發(fā)散用戶的興趣。

目前，交互界面方面已經(jīng)有很多工作。Agapie等[18]認(rèn)為長查詢利于系統(tǒng)返回相關(guān)結(jié)果，但用戶一般習(xí)慣輸入短查詢，為此，他設(shè)計(jì)了一種交互式查詢輸入系統(tǒng)。該系統(tǒng)隨著用戶輸入查詢的長短，輸入框的顏色發(fā)生變化，以此提高用戶輸入長查詢的概率。SearchPanel[19]的作者觀察到用戶在搜索的過程中，會(huì)重復(fù)性地訪問同個(gè)內(nèi)容，于是他們基于Chrome設(shè)計(jì)了一個(gè)插件，該插件記錄用戶的瀏覽過程，幫助用戶管理他們的搜索進(jìn)程。Querium[20]系統(tǒng)是一個(gè)探索式學(xué)術(shù)搜索系統(tǒng)，該系統(tǒng)在用戶界面設(shè)計(jì)方面集成了很多交互式的元素，包括提供搜索記錄、結(jié)果篩選、查詢提示等功能，有效地協(xié)助用戶找到他們所需的論文。Querium系統(tǒng)在交互的實(shí)時(shí)性上也提供很多借鑒，如圖5所示，該系統(tǒng)在每條答案右側(cè)提供了支持與反對(duì)2個(gè)按鈕，用戶在點(diǎn)擊之后，系統(tǒng)會(huì)根據(jù)用戶的選擇情況，實(shí)時(shí)更新答案列表，這讓用戶與系統(tǒng)之間的交互性更強(qiáng)。

3.1.2 社交化組件

社交化組件強(qiáng)調(diào)幫助用戶進(jìn)行協(xié)同搜索(collaborative search)，并基于用戶社交行為為用戶提供更加精準(zhǔn)的內(nèi)容推薦。

圖5 Querium查詢結(jié)果

一些大型搜索任務(wù)（如醫(yī)學(xué)領(lǐng)域的搜索）不是單個(gè)用戶能完成的，往往需要支持多名用戶協(xié)同搜索。Golovchinsky等[21]認(rèn)為協(xié)同搜索可以融合不同用戶的個(gè)人見解、經(jīng)驗(yàn)、專業(yè)領(lǐng)域知識(shí)等，從而發(fā)揮群體優(yōu)勢(shì)。在團(tuán)隊(duì)協(xié)作下，用戶彼此的交流能幫助用戶更加明確個(gè)人的信息需求。此外，用戶可以在協(xié)同搜索的過程中共享他人的搜索結(jié)果、吸收他人的知識(shí)。SearchTogether[22]是一個(gè)協(xié)同搜索領(lǐng)域較早的原型系統(tǒng)，該系統(tǒng)支持團(tuán)隊(duì)式的搜索，大型的搜索任務(wù)可以被拆分成多個(gè)子任務(wù)，團(tuán)隊(duì)成員可以在搜索的進(jìn)程中交互交流，并共享搜索成果。

除團(tuán)隊(duì)式的協(xié)同搜索外，系統(tǒng)可以提供其他形式的社交元素，讓用戶在搜索進(jìn)程中激發(fā)更多的興趣。目前，社交媒體包括微博、Twitter在這方面有諸多工作可以借鑒。以微博為例，微博為每條內(nèi)容提供收藏、轉(zhuǎn)發(fā)、評(píng)論以及點(diǎn)贊等社交化元素，這些元素不僅能吸收用戶的智慧，還能讓用戶對(duì)這些信息有其他維度的認(rèn)知。與此同時(shí)，微博能通過分析用戶的社交圈，為用戶推薦其他感興趣的內(nèi)容。這種社交化的模式可以最大程度地發(fā)揮用戶群體的智慧，非常適合探索式搜索的理念。

3.1.3 可視化組件

可視化組件能加強(qiáng)用戶對(duì)信息的認(rèn)知，使用戶能夠目睹、探索以至快速理解大量的信息。據(jù)研究表明，人類從外界獲得的信息約80%以上來自于視覺系統(tǒng)[23,24]，當(dāng)數(shù)據(jù)以圖像的形式展現(xiàn)時(shí)，用戶往往能夠一眼洞悉數(shù)據(jù)背后所隱含的價(jià)值，而這種價(jià)值可能在其他形式下不易發(fā)覺。例如，圖6是Google知識(shí)圖譜的一個(gè)查詢，當(dāng)用戶輸入達(dá)芬奇，系統(tǒng)自動(dòng)反饋與達(dá)芬奇相關(guān)的實(shí)體，實(shí)體間關(guān)系的強(qiáng)弱、遠(yuǎn)近在可視化地展示下，更適合用戶從視覺上獲取容易被忽略的信息。因此，為了更有效地探索數(shù)據(jù)價(jià)值，數(shù)據(jù)的可視化分是不可或缺的重要手段與工具[25]。

圖6 Google知識(shí)圖譜

目前，可視化研究領(lǐng)域主要關(guān)注文本可視化、網(wǎng)絡(luò)可視化、時(shí)空數(shù)據(jù)可視化以及多維數(shù)據(jù)可視化的研究[26]。然而，可視化技術(shù)與探索式搜索的結(jié)合還不深入，但已經(jīng)逐漸有各方面的嘗試。如圖5所示，Querium系統(tǒng)提供了一個(gè)位于返回結(jié)果左側(cè)的可視化插件。該插件以直方圖的形式直觀地反應(yīng)了結(jié)果與最近幾個(gè)查詢的關(guān)聯(lián)程度。Polaris[27]系統(tǒng)將多維數(shù)據(jù)進(jìn)行可視化展示，讓用戶對(duì)多維數(shù)據(jù)有更加直觀地認(rèn)識(shí)。VizDeck[28]是一個(gè)自動(dòng)化的可視化組件管理工具，可以通過分析查詢結(jié)果，給出適合的可視化方案，幫助用戶獲取更多隱含信息。

3.2 查詢處理層

探索式搜索對(duì)信息的獲取也是通過查詢來實(shí)現(xiàn)的。因?yàn)槟繕?biāo)不確定是探索式搜索的重要特點(diǎn)，因此查詢層需要提供更多的功能支持交互層。

3.2.1 查詢構(gòu)造組件

查詢構(gòu)造組件支持交互層的查詢推薦與查詢重構(gòu)。查詢推薦在傳統(tǒng)的搜索引擎中已得到充分的運(yùn)用，每當(dāng)用戶輸入部分關(guān)鍵詞，系統(tǒng)會(huì)快速地補(bǔ)齊缺失的語義，并在下拉框內(nèi)提供多條查詢建議，降低了用戶的操作代價(jià)。

當(dāng)前查詢?nèi)舨粷M足用戶的意圖，用戶會(huì)開始下一輪的查詢，但用戶往往缺乏對(duì)數(shù)據(jù)的了解，因此系統(tǒng)需要支持用戶快速重構(gòu)查詢。目前，Web與數(shù)據(jù)庫領(lǐng)域都有相關(guān)研究。在數(shù)據(jù)庫中，用戶常常因?yàn)椴皇煜け碇g的關(guān)聯(lián)結(jié)果，導(dǎo)致SQL查詢的構(gòu)建連接操作時(shí)存在問題，DataPlay[29]對(duì)關(guān)系型數(shù)據(jù)的表結(jié)構(gòu)進(jìn)行了圖形化展示，方便用戶調(diào)整SQL語句。此外，為了獲取準(zhǔn)確的信息，用戶需要在查詢的基礎(chǔ)上加上限制條件，但往往因?yàn)槿狈?duì)數(shù)據(jù)的了解，導(dǎo)致難以提供準(zhǔn)確的限制條件，Qarabaqi[30]對(duì)于上述情況提出了一個(gè)交互式框架，協(xié)助用戶逐步構(gòu)建準(zhǔn)確的查詢。Tran等[31]發(fā)現(xiàn)有些用戶很難將他們的信息需求抽象成查詢，但當(dāng)他們獲取到一些有關(guān)信息之后，可以順利重構(gòu)查詢。

3.2.2 查詢執(zhí)行組件

獲取查詢之后，查詢執(zhí)行組件會(huì)返回查詢結(jié)果與相關(guān)內(nèi)容。因?yàn)樘剿魇剿阉魇莻€(gè)長期的過程，系統(tǒng)可以有效地關(guān)聯(lián)用戶的搜索進(jìn)程，進(jìn)而提升返回結(jié)果的準(zhǔn)確性。Shokouhi[32]在文中指出，短查詢?nèi)菀桩a(chǎn)生歧義，但通過分析用戶的搜索記錄，搜索結(jié)果會(huì)更加精準(zhǔn)。與此同時(shí)，通過關(guān)聯(lián)用戶的操作行為，系統(tǒng)會(huì)對(duì)用戶的搜索意圖具備更深層次的理解，從而優(yōu)化得搜索結(jié)果[33～35]。

此外，為了引導(dǎo)用戶進(jìn)一步探索數(shù)據(jù)，相關(guān)內(nèi)容的推薦不可或缺。對(duì)于信息推薦而言，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)有大量工作值得借鑒。例如，YmalDB[36]通過對(duì)關(guān)系數(shù)據(jù)庫查詢結(jié)果的分析，推薦出用戶可能感興趣屬性值對(duì)的組合，作為查詢結(jié)果的附加信息呈現(xiàn)給用戶，以引導(dǎo)用戶進(jìn)一步探索數(shù)據(jù)庫中的數(shù)據(jù)。現(xiàn)階段，像百度、Google以及Bing這些大型搜索引擎都提供了類似的功能，用戶不但可以在獲取與查詢有關(guān)的文檔，還能探索與結(jié)果相關(guān)的內(nèi)容。

3.2.3 結(jié)果重構(gòu)組件

傳統(tǒng)搜索引擎返回給用戶的是與查詢最為相關(guān)的多個(gè)文檔，但用戶仍然需要花很多的精力在文檔內(nèi)找尋他們想要的信息。因此，為了讓用戶更加直觀地獲取信息，系統(tǒng)需要將返回的結(jié)果加以抽取、重構(gòu)，以更加結(jié)構(gòu)化的方式展示給用戶。目前，大量的信息抽取與信息集成領(lǐng)域的工作與該組件密切相關(guān)。MobEx[37]是一個(gè)基于移動(dòng)設(shè)備的探索式搜索系統(tǒng)，該系統(tǒng)通過Web端結(jié)果獲取頁面信息之后，通過信息抽取的方式將文本信息以圖的形式展現(xiàn)給了用戶，類似的系統(tǒng)還有微軟的人立方。

與此同時(shí)，用戶在瀏覽過程中會(huì)不斷擴(kuò)大、縮小他們的瀏覽深度，這要求系統(tǒng)對(duì)返回結(jié)果進(jìn)行分類，從而為人機(jī)交互層提供輔助用戶快速篩選反饋結(jié)果的信息。目前，很多系統(tǒng)提供了類似功能，如Hippalus[38]系統(tǒng)通過分析返回結(jié)果，將內(nèi)容以多級(jí)層次的形式展現(xiàn)給用戶，用戶可以通過篩選層次以及分類來快速定位到他們所需要的信息。除此之外，返回結(jié)果的元數(shù)據(jù)也可以作為分類的依據(jù)，如學(xué)術(shù)搜索引擎會(huì)將論文的年份、學(xué)科以及作者等數(shù)據(jù)作為分類信息，幫助用戶快速過濾掉無關(guān)的內(nèi)容。

3.3 數(shù)據(jù)管理層

高性能查詢處理是探索式搜索能被廣大用戶接受的前提。與此同時(shí)，系統(tǒng)同時(shí)需要具備良好的可擴(kuò)展性。為了滿足上述需求，數(shù)據(jù)管理層的設(shè)計(jì)尤為關(guān)鍵。

3.3.1 會(huì)話管理組件

會(huì)話管理組件管理用戶在搜索進(jìn)程中的行為，系統(tǒng)會(huì)在用戶的搜索進(jìn)程中記錄用戶每個(gè)操作以及用戶瀏覽的信息。雖然用戶在探索初期的目的不太明確，但通過分析用戶的操作上下文，系統(tǒng)能猜測(cè)用戶的大致目標(biāo)與興趣，從而更加高效地引導(dǎo)用戶。為了支持記錄與分析功能，會(huì)話層需要同時(shí)支持不斷記錄和實(shí)時(shí)分析用戶的操作行為。

3.3.2 數(shù)據(jù)管理組件

數(shù)據(jù)管理組件不同于會(huì)話管理組件，沒有數(shù)據(jù)持久化的事務(wù)性要求，因此，快速的獲取信息以及支持小規(guī)模數(shù)據(jù)量的分析是數(shù)據(jù)管理層需要面對(duì)的挑戰(zhàn)。目前，有部分研究通過數(shù)據(jù)預(yù)取(data prefetching)降低查詢時(shí)間。該技術(shù)通過分析用戶當(dāng)前查詢的內(nèi)容，提前載入未來可能需要的數(shù)據(jù)，進(jìn)而降低用戶在下個(gè)查詢時(shí)所需要的I/O開銷，該技術(shù)已在空間數(shù)據(jù)查詢[39]得到驗(yàn)證。除此之外，若用戶可以接受一定范圍內(nèi)的誤差，查詢近似(query approximation)是可采取的技術(shù)之一，該技術(shù)通過采樣數(shù)據(jù)[40～44]犧牲部分精度，目的是為了快速返回近似結(jié)果，幫助用戶對(duì)數(shù)據(jù)有初步的了解。

4 知識(shí)庫的探索式搜索

近年來，信息抽取和數(shù)據(jù)集成等技術(shù)發(fā)展迅速，催生了大量大規(guī)模的RDF(resource description framework)注1注1 http://www.w3.org/RDF/。數(shù)據(jù)集。如 DBPedia注2注2 http://dbpedia.org/。、Freebase注3注3 http://www.freebase.com/。、OpenCyc注4注4 http://opencyc.org/。、Wikidata注5注5 http://wikidata.org/。、YAGO[45]等。目前常見的RDF數(shù)據(jù)查詢檢索方法有2種：使用關(guān)鍵詞查詢RDF數(shù)據(jù)或者利用SPARQL注6注6 http://www.w3.org/TR/rdf-sparql-query/。查詢語言檢索RDF數(shù)據(jù)。但SPARQL查詢受限于用戶對(duì)RDF數(shù)據(jù)的了解程度，而關(guān)鍵詞查詢語義表達(dá)能力太弱，無法對(duì)RDF數(shù)據(jù)給出結(jié)構(gòu)層面的約束。面對(duì)結(jié)構(gòu)復(fù)雜、規(guī)模龐大的RDF數(shù)據(jù)庫，用戶通常很難明確自己的信息需求，很難通過簡單的查詢檢索到理想的數(shù)據(jù)。探索式搜索的提出能有效地協(xié)助用戶解決上述問題，用戶通過多輪的交互和探索過程，可以逐步調(diào)整搜索目標(biāo)，進(jìn)而從龐大復(fù)雜的RDF數(shù)據(jù)庫中找到感興趣的數(shù)據(jù)。在這節(jié)中，以RDF知識(shí)庫上的探索式搜索為例，探討探索式搜索所要面臨的一些挑戰(zhàn)性問題和解決這些問題的關(guān)鍵技術(shù)。

4.1 RDF知識(shí)庫

RDF是由WWW提出的對(duì)萬維網(wǎng)(world wide web)上信息進(jìn)行描述的一個(gè)框架，它為Web上的各種應(yīng)用提供信息描述規(guī)范[46]。RDF用主語、謂詞、賓語的三元組形式來描述Web上的資源。其中，主語一般用統(tǒng)一資源標(biāo)識(shí)URI(uniform resource identifiers)表示W(wǎng)eb上的信息實(shí)體（或者概念）；謂詞描述實(shí)體所具有的相關(guān)屬性；賓語為對(duì)應(yīng)的屬性值。這樣的表述方式使RDF可以用來表示W(wǎng)eb上的任何被標(biāo)識(shí)的信息[47]。

此外，人們還提出了關(guān)聯(lián)數(shù)據(jù)(linking open data)注7注7 http://linkeddata.org/。的概念，用于將不同組織機(jī)構(gòu)發(fā)布的數(shù)據(jù)關(guān)聯(lián)起來，形成規(guī)模更為龐大的RDF數(shù)據(jù)集。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，關(guān)聯(lián)數(shù)據(jù)的規(guī)模在近幾年快速增加，已經(jīng)從2011年的295個(gè)數(shù)據(jù)增加到2014年的1 014個(gè)注8注8 http://lod-cloud.net/。。很多海量的RDF數(shù)據(jù)集由于包含了大量來自不同領(lǐng)域的實(shí)體以及實(shí)體之間的關(guān)聯(lián)信息，也常被稱為RDF知識(shí)庫（或知識(shí)圖譜）。一些應(yīng)用開始借助RDF知識(shí)庫所能提供的知識(shí)，支持實(shí)體搜索、語義搜索、問答系統(tǒng)等應(yīng)用，谷歌的Knowledge Graph就是其中一個(gè)典型的例子。

4.2 知識(shí)庫探索的挑戰(zhàn)與關(guān)鍵技術(shù)

面對(duì)規(guī)模龐大的RDF知識(shí)庫，用戶通常難以明確自己的信息需求。然而，在探索式搜索的協(xié)助下，用戶可以逐步調(diào)整和改進(jìn)搜索目標(biāo)，更有效地從龐大復(fù)雜的RDF知識(shí)庫中找到感興趣的數(shù)據(jù)。在交互過程中，用戶還可以深入了解RDF數(shù)據(jù)的結(jié)構(gòu)（包括數(shù)據(jù)間的關(guān)聯(lián)）、數(shù)據(jù)的分布、數(shù)據(jù)的豐富度等有價(jià)值的信息，也能夠發(fā)現(xiàn)一些因各種原因造成的數(shù)據(jù)質(zhì)量問題。

4.2.1 人機(jī)交互

用戶交互界面是RDF知識(shí)庫探索系統(tǒng)研制的一個(gè)重要環(huán)節(jié)，該環(huán)節(jié)可以根據(jù)應(yīng)用層的不同需求進(jìn)行個(gè)性化的設(shè)計(jì)。用戶界面設(shè)計(jì)的好壞直接影響到系統(tǒng)的易用性，在追求功能的同時(shí)，需要保證界面的直觀簡潔，第3節(jié)所提到一些研究成果可以作為系統(tǒng)實(shí)現(xiàn)的參考。在另一方面，搜索結(jié)果的可視化也是需要研究的內(nèi)容，針對(duì)RDF圖數(shù)據(jù)的特點(diǎn)，使用一些信息可視化技術(shù)展示查詢結(jié)果以及數(shù)據(jù)之間的關(guān)聯(lián)，促進(jìn)用戶對(duì)查詢結(jié)果的理解，降低查詢結(jié)果上下文語境理解的難度，以增強(qiáng)RDF知識(shí)庫數(shù)據(jù)可視化的交互式數(shù)據(jù)分析的功能。

4.2.2 查詢處理

現(xiàn)階段，人們對(duì)海量RDF知識(shí)庫的存儲(chǔ)、信息查詢以及分析等方面已經(jīng)做了大量的研究工作[47]。然而，目前的解決方案存在的一個(gè)較大問題是缺少表達(dá)能力強(qiáng)且簡單易用的RDF數(shù)據(jù)查詢方法。關(guān)鍵詞查詢目的是在RDF數(shù)據(jù)庫中，找到包含所有關(guān)鍵詞的、結(jié)構(gòu)緊湊的子圖/樹。其雖然靈活度大、實(shí)用性強(qiáng)，卻很難保障結(jié)果的查準(zhǔn)率和查全率。而且關(guān)鍵詞查詢語義表達(dá)能力弱，不能對(duì)RDF圖數(shù)據(jù)給出結(jié)構(gòu)上的約束。在另一方面，結(jié)構(gòu)化的SPARQL查詢力圖在數(shù)據(jù)庫中找到滿足SPARQL查詢條件的子圖，其有著較為復(fù)雜的語法定義，需要用戶熟悉它的語法規(guī)則并了解RDF數(shù)據(jù)的模式信息（如謂詞和前綴等），才能夠使用該語言查詢RDF數(shù)據(jù)，這對(duì)于一些包含簡單模式的垂直應(yīng)用尚可。但對(duì)于謂詞數(shù)量繁多的、面向開放領(lǐng)域的海量RDF數(shù)據(jù)集而言，SPARQL語言對(duì)于普通用戶甚至專業(yè)開發(fā)人員都不具備良好的實(shí)用性。為此，需要研究針對(duì)RDF知識(shí)庫的探索式搜索所需要的基本操作，設(shè)計(jì)新的基本原語。

在設(shè)計(jì)基本原語的過程中，需要結(jié)合RDF數(shù)據(jù)與探索式搜索的特點(diǎn)。在每次交互過程中，系統(tǒng)能夠分析出上幾次交互的查詢結(jié)果的特征，以及和這些結(jié)果緊密關(guān)聯(lián)的相關(guān)數(shù)據(jù)的特征。在此基礎(chǔ)上，識(shí)別用戶可能進(jìn)一步感興趣的數(shù)據(jù)內(nèi)容，簡明合理地向用戶展示查詢結(jié)果和與其緊密關(guān)聯(lián)的用戶潛在感興趣的數(shù)據(jù)內(nèi)容，以引導(dǎo)用戶改進(jìn)和調(diào)整查詢目標(biāo)，探索新的關(guān)聯(lián)信息。這其中會(huì)存在一些基于頂點(diǎn)、路徑、子圖的圖數(shù)據(jù)探索和分析操作，他們可以抽象成為RDF數(shù)據(jù)的一些基本原語。對(duì)于每個(gè)基本原語，需要明確定義其輸入數(shù)據(jù)的形式、所執(zhí)行的基本運(yùn)算操作、輸出結(jié)果的形式，并研究相應(yīng)的計(jì)算復(fù)雜性。在此基礎(chǔ)上，還要研究不同基本原語之間的關(guān)聯(lián)關(guān)系，研究如何在不同基本原語之間建立邏輯上的關(guān)聯(lián)，以及如何通過基本原語的組合，邏輯上形成一個(gè)完整的探索式搜索會(huì)話過程，作為探索式搜索系統(tǒng)的基礎(chǔ)交互模型。

4.2.3 數(shù)據(jù)管理

在海量RDF數(shù)據(jù)上進(jìn)行探索式搜索是本項(xiàng)目面臨的最大挑戰(zhàn)。圖數(shù)據(jù)處理的算法復(fù)雜性通常遠(yuǎn)高于關(guān)系數(shù)據(jù)處理的復(fù)雜性，且算法需要經(jīng)常隨機(jī)讀取數(shù)據(jù)。即便是當(dāng)前一些包含上億三元組的RDF數(shù)據(jù)集，已經(jīng)是超大規(guī)模的圖數(shù)據(jù)。單節(jié)點(diǎn)的基于外存模式的很多圖數(shù)據(jù)處理算法都遠(yuǎn)不能滿足在這樣的數(shù)據(jù)集上交互式查詢處理的性能需求（亞秒級(jí)）。因此，需要從體系結(jié)構(gòu)的角度研究支撐海量RDF數(shù)據(jù)探索式搜索的數(shù)據(jù)存儲(chǔ)與索引策略，而現(xiàn)有的圖數(shù)據(jù)庫[48～51]、MPP分析型數(shù)據(jù)庫[52～54]、分布式內(nèi)存數(shù)據(jù)庫[55～58]等相關(guān)工作均可以作為借鑒。

目前，分布式圖數(shù)據(jù)庫系統(tǒng)是針對(duì)大規(guī)模RDF數(shù)據(jù)管理常用的技術(shù)手段，典型的有Pregel[48]、GraphLab[49]、GraphX[50]、Trinity[51]等。但是，在分布式的計(jì)算環(huán)境下，很多圖算法因計(jì)算同步很容易造成過多的消息傳遞，影響性能。如Pregel、GraphLab以及GraphX都是基于BSP計(jì)算模型[59]，它們將圖數(shù)據(jù)分析過程分解成一系列超步，計(jì)算以圖的頂點(diǎn)為中心，并利用超步的狀態(tài)傳遞中間計(jì)算結(jié)果、同步節(jié)點(diǎn)間的計(jì)算，獲得了高性能、擴(kuò)展性好的大規(guī)模圖數(shù)據(jù)分析解決方案。然而，這些方法都是針對(duì)全圖的離線分析，在大規(guī)模數(shù)據(jù)的情況下無法提供實(shí)時(shí)地返回分析結(jié)果。Trinity則通過內(nèi)存云的引入，使用鍵值對(duì)方式分布式存儲(chǔ)圖數(shù)據(jù)，并借助內(nèi)存數(shù)據(jù)存取來提升圖數(shù)據(jù)隨機(jī)訪問的性能，進(jìn)而支持一些高性能的圖數(shù)據(jù)在線查詢處理。

因此，以分布式的方式存儲(chǔ)和處理海量RDF數(shù)據(jù)是提高大規(guī)模圖數(shù)據(jù)處理可擴(kuò)展性的一條重要途徑。此外，內(nèi)存數(shù)據(jù)管理方法的使用也是性能提升的重要保障。因?yàn)樘剿鬟^程中會(huì)涉及到很到信息片段，高效的索引支持是必須的。與此同時(shí)，存儲(chǔ)管理方面的優(yōu)化，如數(shù)據(jù)壓縮、存儲(chǔ)格式都會(huì)是提升性能的重要方式[58]。

4.3 原型系統(tǒng)SEED

目前，筆者在人機(jī)交互層面與查詢處理層做了一些嘗試，基于前期研究，現(xiàn)已實(shí)現(xiàn)了一個(gè)原型系統(tǒng)SEED。該系統(tǒng)采用實(shí)體集合擴(kuò)展的方法來探索RDF知識(shí)庫，用戶通過交互界面輸入若干個(gè)實(shí)體，該系統(tǒng)可以挖掘?qū)嶓w在知識(shí)庫中存在的語義關(guān)聯(lián)，獲得該實(shí)體集合的共同特征，進(jìn)而獲取所有其他的相關(guān)實(shí)體，并將語義關(guān)系呈現(xiàn)給用戶。如用戶輸入數(shù)據(jù)庫領(lǐng)域的專家Jim Gray、Edgar F Codd、Charles Bachman與Michael Stonebraker，系統(tǒng)會(huì)返回所有該領(lǐng)域的專家，并提供實(shí)體集合的語義關(guān)系(如subject-category:database researches)，幫助用戶快速獲取知識(shí)。

SEED的架構(gòu)（如圖7所示）與第3節(jié)所描述的框架一致，包含了人機(jī)交互層、查詢處理層與數(shù)據(jù)管理層。人機(jī)交互層為用戶提供可視化的界面，方便用戶探索知識(shí)庫。查詢處理層涵蓋2個(gè)模塊，實(shí)體集合擴(kuò)展模塊和實(shí)體關(guān)系預(yù)測(cè)模塊。為了高效地探索知識(shí)庫，數(shù)據(jù)管理層需要引入索引。

圖7 SEED系統(tǒng)架構(gòu)

用戶在探索知識(shí)庫時(shí)，可能會(huì)發(fā)現(xiàn)知識(shí)庫信息不完善的缺陷?；谏鲜鲈?，系統(tǒng)為用戶提供了糾錯(cuò)的功能，目前已提供知識(shí)庫信息補(bǔ)全的功能，用戶可以結(jié)合自己的背景知識(shí)和系統(tǒng)的推薦信息進(jìn)行添加操作。如圖8所示，當(dāng)用戶在左側(cè)實(shí)體列表中點(diǎn)擊Michael Stonebraker時(shí)，右側(cè)會(huì)即時(shí)返回該實(shí)體與全部語義關(guān)系之間的聯(lián)系，加號(hào)表示該實(shí)體與語義關(guān)系所形成的三元組不存在于數(shù)據(jù)庫，因獲取數(shù)據(jù)集的時(shí)候，Michael Stonebraker未獲得圖靈獎(jiǎng)，但SEED通過分析相關(guān)實(shí)體的語義關(guān)系，可以預(yù)測(cè)Michael Stonebrake獲得圖靈獎(jiǎng)的概率，為用戶的操作提供相應(yīng)的推薦。

此外，為了充分了解各個(gè)實(shí)體的信息，用戶可以通過點(diǎn)擊實(shí)體，獲取與該實(shí)體直接聯(lián)系的實(shí)體，這些實(shí)體與相應(yīng)的關(guān)系將以有向圖的方式展示給用戶（如圖9所示）。

5 結(jié)束語

圖8 SEED系統(tǒng)糾錯(cuò)功能

圖9 實(shí)體關(guān)聯(lián)展示

探索式搜索是適合大數(shù)據(jù)價(jià)值挖掘的新手段。本文在對(duì)比了傳統(tǒng)的數(shù)據(jù)價(jià)值發(fā)掘方式基礎(chǔ)上，著重介紹了探索式搜索的概念與模型，并總結(jié)了探索式搜索的特點(diǎn)與需要面臨的挑戰(zhàn)。隨后，基于組件化思想，設(shè)計(jì)了探索式搜索系統(tǒng)的系統(tǒng)框架，包括人機(jī)交互層、查詢處理層以及數(shù)據(jù)管理層，分別闡述了各個(gè)組件的功能要求，并綜述相關(guān)工作。本文最后以RDF知識(shí)庫為例，梳理知識(shí)庫探索式搜索在各個(gè)層面需要應(yīng)對(duì)的挑戰(zhàn)與關(guān)鍵技術(shù)，并簡要介紹了筆者的原型系統(tǒng)。探索式搜索作為一個(gè)新的研究方向，仍然有大量的問題與挑戰(zhàn)需要深入的研究與突破。下一步，將借鑒現(xiàn)有的前沿研究成果，在支持大規(guī)模知識(shí)庫探索式搜索的關(guān)鍵技術(shù)上取得突破。

[1] MENG X F,CI X.Big data management:concepts,techniques and challenges[J].Journal of Computer Research and Development,2013,50(1):146-169.

[2]MANNING C,RAGHAVAN P,SCHüTZE H.Introduction to Information Retrieval[M].Cambridge University Press,2008.

[3]JUDD C,MCCLELLAND G,RYAN C.Data Analysis:a Model comparison approach[M].Routledge Press,2009.

[4] MARCHIONINI G. Exploratory search: from finding to understanding[J].Communication of theACM,2006,49(4):41-46.

[5]HECHT B,CARTON S,QUADERI M,et al.Explanatory semantic relatedness and explicit spatialization for exploratory search[A].SIGIR[C].2012.415-424.

[6]ROITMAN H,YOGEV S,TSIMERMAN Y,et al.Exploratory search over social-medical data[A].CIKM[C].2011,2513-2516.

[7] BOZZON A,BRAMBILLA M,CERI S,et al.Exploratory search in multi-domain information spaces with liquid query[A].WWW[C].2011.189-192.

[8] HAM F,PERER A.Search,show context,expand on demand:supporting large graph exploration with degree-of-interest[J].IEEE Transaction on Visualization and Computer Graphics,2009,15(6):953-960.

[9] DUNNE C,RICHE N,LEE B,et al.GraphTrail:analyzing large multivariate,heterogeneous networks while supporting exploration history[A].CHI[C].2012.1663-1672.

[10]YOGEV S,ROITMAN H,CARMEL D,et al.Towards expressive exploratory search over entity-relationship data[A].WWW[C].2012.83-92.

[11]MIRIZZI R,RAGONE A,SCIASCIO E.Like breadcrumbs in the forest:a tool for semantic exploratory search[A].EDBT/ICDT Workshop on Linked Web Data Management[C].2011.32-33.

[12]KOUTRIKA G,LAKSHMANAN L,RIEDEWALD M,et al.Report on the first international workshop on exploratory search in databases and the Web[J].SIGMOD Record,2014,43(2):49-52.

[13]IDREOS S,PAPAEMMANOUIL O,CHAUDHURI S.Overview of data exploration techniques[A].SIGMOD[C].2015.277-281.

[14]WHITE R,KULES B,BEDERSON B.Exploratory search interfaces:categorization,clustering and beyond[J].SIGIR Forum,2005,39(2):52-56.

[15]WHITE R,MURESAN G,MARCHIONINI G.Report on ACM SIGIR 2006 workshop on evaluating exploratory search systems[J].SIGIR Forum,2006,40(2):52-60.

[16]WHITE R,DRUKER S,MARCHIONINI G,et al.Exploratory search and HCI:designing and evaluating interfaces to support exploratory search interaction[A].SIGCHI[C].2007.2877-2880.

[17]WHITE R,ROTH R.Exploratory search:beyond the query-response paradigm[M].Morgan&Claypool Publishers,2009.

[18]AGAPIE E,GOLOVCHINSKY G,QVARFORDT P.Leading people to longer queries[A].CHI[C].2013.3019-3022.

[19]TRETTER S,GOLOVCHINSKY G,QVARFORDT P.SearchPanel:a browser extension for managing search activity[A].EuroHCIR[C].2013.51-54.

[20]GOLOVCHINSKY G,DIRIYE A,DUNNIGAN T.The future is in the past:designing for exploratory search[A].IIiX[C].2012.52-61.

[21]GOLOVCHINSKY G,QVARFORDT P,PICKENS J.Collaborative information seeking[J].IEEE Computer Society,2009,42(3):47-51.

[22]MORRIS M,HORVITZ E.SearchTogether:an interfacefor collaborative web search[A].UIST[C].2007.3-12.

[23]REN L.Research on Interaction Techniques in Information Visualization[D].Beijing:ChineseAcademy of Sciences.2009.

[24]CARD K,MACKINLAY D,SHNEIDERMAN B.Readings in Information Visualization:Using Vision to Think[M].San Francisco:Morgan-Kaufmann Publishers,1999.

[25]KEIM D.Information visualization and visual data mining[J].IEEE Transaction on Visualization and Computer Graphics,2002,8(1):1-8.

[26]REN L,DU Y,MA S,ZHANG XL,et al.Visual analytics towards big data[J].Journal of Software,2014,25(9):1909-1936.

[27]STOLTE C,TANG D,HANRAHAN P.Polaris:a system for query,analysis and visualization of multi-dimensional relational databases[J].IEEE Transactions on Visualization and Computer Graphics, 2002.8(1)

[28]KEY A,HOWE B,PERRY D,et al.VizDeck:self-organizing dashboards for visual analytics[A].SIGMOD[C].2012.681-684.

[29]ABOUZIED A,HELLERSTEIN J,SILBERSCHATZ A.Playful query specification with dataplay[J].Proceedings of the Very Large Data Bases Endowment,2012,5(12):1938-1941.

[30]QARABAQIB,RIEDEWALD M.User-drivenrefinementof imprecise queries[A].ICDE[C].2014.916-927.

[31]TRAN Q,CHAN CY,PARTHASARATHY S.Query by output[A].SIGMOD[C].2009.535-548.

[32]SHOKOUHI M,SLOAN M,BENNETT PN,et al.Query suggestion and data fusion in contextual disambiguation[A].WWW[C].2015.971-980.

[33]GAO J,YUAN W,LI X,et al.Smoothing click through data for Web search ranking[A].SIGIR[C].2009.355-362.

[34]GUO F,LIU C,KANNAN A,et al.Click chain model in Web search[A].WWW[C].2009.11-20.

[35]AGICHTEIN E,BRILL E,DUMAIS S.Improving Web search ranking by incorporating user behavior information[A].SIGIR[C].2006.19-26.

[36]DROSOU M,PITOURA E.YmalDB:exploring relational databases via result-driven recommendations[J].Proceedings of the Very Large Data Bases Endowment,2013,22(6):849-874.

[37]SCHMEIER S.Exploratory search on mobile devices[D].German Research Center for Artificial Intelligence and Saarland University.2013.

[38]PAPADAKOS P,TZITZIKAS Y.Hippalus:preference-enriched faceted exploration[A].EDBT/ICDT Workshops[C].2014.167-172.

[39]TAUHEED F,HEINIST,SCHURMANN F,etal.SCOUT:prefetching for latent structure following queries[J].Proceedings of the Very Large Data Bases Endowment,2012,5(11):1531-1542.

[40]SIDIROURGOS L,KERSTEN M L,BONCZ PA.Scientific discovery through weighted sampling[A].Big Data Conference[C].2013.300-306.

[41]SIDIROURGOS L,KERSTEN M L,BONCZ P A.SciBORQ:scientific data management with bounds on runtime and quality[A].Biennial Conference on Innovative Data Systems Research(CIDR)[C].2011.296-301.

[42]ACHARYA S,GIBBONSP,POOSALA V,etal.Theaqua approximate query answering system[A].SIGMOD[C].1999.574-576.

[43]AGARWAL S,MILNER H,KLEINER A,et al.Knowing when you're wrong:building fast and reliable approximate query processing systems[A].SIGMOD[C].2014.481-492.

[44]AGARWAL S,MOZAFARI B,PANDA A,et al.BlinkDB:queries with bounded errors and bounded response times on very large data[A].EuroSys[C].2013.29-42.

[45]HOFFART J,SUCHANEK F,BERBERICH K,et al.YAGO2:exploring and querying world knowledge in time,space,context,and many languages[A].WWW[C].2011.229-232.

[46]RDF model and syntax specification[S].1999.

[47]DU F,CHEN Y G,DU X Y.Survey of RDF query processing techniques.Journal of Software,2013,24(6):1222-1242.

[48]MALEWICZ G,AUSTERN M,BIK A,et al.Pregel:a system for large-scale graph processing[A].SIGMOD[C].2010.135-146.

[49]LOW Y C,GONZALEZ J,KYROLA A,et al.Distributed GraphLab:a framework for machine learning in the cloud[J].Proceedings of the Very Large Data Bases Endowment,2012,5(8):716-727.

[50]GONZALEZ J E,XIN RS,DAVE A,et al.GraphX:graph processing in a distributed dataflow framework[A].OSDI[C].2014.599-613.

[51]SHAO B,WANG H,LI Y.Trinity:a distributed graph engine on a memory cloud[A].SIGMOD[C].2013.505-516.

[52]CHANG L,WANG ZW,M A T,et al.HAWQ:a massively parallel processing SQL engine in hadoop[A].SIGMOD[C].2015.1223-1234.

[53]LI J Z,GAO H,LUO J Z,et al.InfiniteDB:a pc-cluster based parallel massive database management system[A].SIGMOD[C].2007.899-909.

[54]Cloudera Impala[EB/OL].http://www.cloudera.com/.

[55]DIACONU C,FREEDMAN C,ISMERT E,et al.Hekaton:SQL server‘s memory-optimized OLTP engine[A].SIGMOD[C].2013.1243-1254.

[56]SAP HANA[EB/OL].http://www.saphana.com/.

[57]MonetDB[EB/OL].http://www.monetdb.org/.

[58]ANTOVAL,EL-HELWA,SOLIMAN M,et al.Optimizing queries over partitioned tables in MPPsystems[A].SIGMOD[C].2014.373-384.

[59]VALIANT L.A bridging modelforparallelcomputation[J].Communication onACM,1990,33(8):103-111.