S2CTrans: Building a bridge from SPARQL to Cypher
本文提出了 S2CTrans 框架，基于图关系代数实现了从 SPARQL 到 Cypher 的翻译，在保持语义一致性的同时，有效提升了使用 SPARQL 查询属性图数据库的互操作性与效率。
2023-04-02 cs.DB
gSMat: A Scalable Sparse Matrix-based Join for SPARQL Query Processing
资源描述框架（RDF）已被广泛用于表示Web上的信息，而SPARQL是操作RDF数据的标准查询语言。给定一个SPARQL查询，往往存在多个连接，这是查询处理效率的瓶颈。此外，真实的RDF数据集往往表现出较强的数据稀疏性，这表明即使资源总数很大，一个资源往往只与少数资源相关。在本文中，我们提出了一个稀疏矩阵为基础的（SM为基础的）SPARQL查询处理方法在RDF数据集，同时考虑到连接优化和数据稀疏性。首先，我们提出了一个基于SM的RDF数据存储，以提高存储效率，其中只存储有效的边缘，然后在存储上引入一个基于谓词的哈希索引。其次，我们开发了一个可扩展的SM为SPARQL查询处理的连接算法。最后，我们通过累加所有中间结果来分析总体开销，并设计了一个查询计划生成算法。此外，我们扩展了我们的SM为基础的连接算法在GPU上的并行SPARQL查询处理。我们已经评估了我们的方法相比，国家的最先进的RDF引擎在基准RDF数据集和实验结果表明，我们的建议可以显着提高SPARQL查询处理具有高可扩展性。
2018-07-20 cs.DB
A Framework for Federated SPARQL Query Processing over Heterogeneous Linked Data Fragments
链接数据片段（LDFs）是指允许访问和查询Web上的知识图谱的Web接口。这些接口（如SPARQL端点或Triple Pattern Fragment服务器）在它们可以计算的SPARQL表达式和它们提供的元数据方面有所不同。已经提出了客户端查询处理方法，并且这些方法被定制以评估各个接口上的查询。此外，联邦查询处理集中在具有单一类型LDF接口（通常是SPARQL端点）的联邦上。在这项工作中，我们解决的挑战，SPARQL查询处理联邦异构LDF接口。为此，我们形式化的概念联邦的关联数据片段，并提出了一个框架，联邦查询异构联邦不同LDF接口。该框架包括查询分解，查询规划，和适应不同LDF接口的特殊性的物理操作符。此外，我们提出了一种方法，我们的框架的每个组成部分，并评估他们在著名的FedBench基准的实验研究。结果表明，通过设计这些接口感知的方法，利用联邦中的异构接口的能力，实现了性能的大幅改善。
2021-02-26 cs.DB
ROSIE: Runtime Optimization of SPARQL Queries Using Incremental Evaluation
关系数据库在资源描述框架（RDF）数据管理中得到了广泛的应用。为了有效地进行SPARQL查询评估，需要重新考虑遗留查询优化器。其中一个重要的问题是如何解决由于基数估计容易出错而导致的查询计划不理想的问题。考虑到RDF数据的无模式特性和SPARQL查询的Join密集特性，在实际评估的查询是昂贵的甚至是不可行的之前确定最佳执行顺序，特别是对于大规模数据的复杂查询。在本文中，我们提出了ROSIE，一个迭代优化框架，迭代地重新优化SPARQL查询计划，根据实际基数来自增量部分查询评估。通过引入一种基于启发式的计划生成方法，以及一种在运行时检测基数估计错误的机制，ROSIE以一种有效的方式缓解了有偏基数传播的问题，从而对复杂的查询评估更具弹性。在真实数据和基准数据上进行的大量实验表明，与最先进的技术相比，ROSIE在复杂查询上的表现一直优于几个数量级。
2016-05-23 cs.DB
Processing SPARQL Queries Over Distributed RDF Graphs
我们提出了在分布式环境中处理大型RDF图上的SPARQL查询的技术。我们采用“部分评估和组装”框架。查询SPARQL查询Q等价于在RDF图G上找到查询图Q的子图匹配。基于分布式图上子图匹配的性质，我们在RDF图G的每个片段中引入局部部分匹配作为部分答案。对于组装，我们提出了两种方法：集中式组装和分布式组装。我们从理论和实验两方面分析了我们的算法。大量的实验在真实的和基准RDF存储库的数十亿个三元组证实，我们的方法是优于国家的最先进的方法在系统的性能和可扩展性。
2016-03-21 cs.DB cs.DC
Strengthening LargeRDFBench for Interoperable Federated SPARQL Evaluation
Ghent University -- imec（根特大学 -- imec）；University Leipzig（莱比锡大学）
本研究修复了LargeRDFBench的数据质量问题，将其预期结果转为标准格式，还比较了FedX算法的源选择方式，增强了该基准的适用性与可复现性。
2026-09-01 cs.DB
Efficient Handling of SPARQL OPTIONAL for OBDA (Extended Version)
OPTIONAL是SPARQL中用于处理缺失信息的一个关键特性。虽然这个操作符被广泛使用，但它也以其复杂性而闻名，这可能会使使用OPTIONAL的查询的有效评估具有挑战性。我们在基于本体的数据访问（OBDA）设置中解决了这个问题，其中数据存储在SQL关系数据库中，并通过R2RML映射作为虚拟RDF图公开。我们从SPARQL片段到SQL的简洁转换开始。它充分尊重包语义和三值逻辑，并依赖于LEFT JOIN运算符和COALESCE函数的广泛使用。然后，我们提出了优化技术，以减少的大小和改进生成的SQL查询的结构。我们的优化捕获JOIN，LEFT JOIN，COALESCE和完整性约束（如属性为空性，唯一性和外键约束）之间的交互。最后，我们在BSBM OBDA基准上实证验证了我们的技术的有效性。
2018-06-18 cs.DB
An Analytical Study of Large SPARQL Query Logs
随着RDF作为关联数据和语义Web的数据模型的采用，来自最终用户的查询规范在SPARQL端点中变得越来越普遍。在本文中，我们进行了深入的分析研究的查询制定的最终用户和收获的大型和最新的查询日志从各种各样的RDF数据源。与以前的研究相反，我们是第一次对大量查询语料库进行评估，跨越了几年，涵盖了许多代表性的SPARQL端点。除了句法结构的查询，表现出已经有趣的结果，在这个广义的语料库，我们钻更深的结构charteristics相关的图和超图表示的查询。我们概述了最常见的形状的查询时，在视觉上显示为伪图，和字符-achts他们的（超）树的宽度。此外，我们通过引入条纹的新概念，即，作为种子查询的后续修改出现的查询序列。我们的研究提供了一些新的见解已经丰富的查询功能的真实SPARQL查询制定的真实用户，并使我们得出一些结论，并指出未来的方向，rections为SPARQL查询评估，查询优化，调优，和基准测试。
2017-08-01 cs.DB
SPARQL in N3: SPARQL CONSTRUCT as a rule language for the Semantic Web (Extended Version)
本文提出将 SPARQL CONSTRUCT 查询用作语义网逻辑规则，并翻译为 N3 规则语言以支持一般递归和现有推理机制，从而提升规则推理的表达力、可交换性与性能。
2025-08-18 cs.DB cs.LO
GRASP: Generic Reasoning And SPARQL Generation across Knowledge Graphs
University of Freiburg（弗赖堡大学）
GRASP通过大型语言模型实现跨知识图谱的通用推理与SPARQL生成，无需微调，在多个基准中达到先进水平。
2026-01-09 cs.CL cs.DB cs.IR
Assessing SPARQL capabilities of Large Language Models
Institute for Applied Informatics at Leipzig University（莱比锡大学应用信息学研究所）；Leipzig University（莱比锡大学）
本文在LLM-KG-Bench框架中实现了多维度基准测试任务，定量评估了GPT、Gemini和Claude等模型处理SPARQL SELECT查询的开箱即用能力，发现生成语义正确的查询对LLMs仍具挑战性。
2025-04-04 cs.AI cs.CL cs.DB
InteracSPARQL: An Interactive System for SPARQL Query Refinement Using Natural Language Explanations
University of Waterloo（滑铁卢大学）
本文提出交互式系统InteracSPARQL，结合LLM与基于规则的方法生成自然语言解释，支持用户通过直接反馈或LLM自我优化实时修正SPARQL查询，显著提升了查询准确率、解释清晰度与用户满意度。
2025-11-03 cs.AI cs.DB cs.IR
The Odyssey Approach for Optimizing Federated SPARQL Queries
通过SPARQL端点联合执行查询需要组合来自多个数据源的数据。在这样的场景中优化查询是特别具有挑战性的，这不仅是因为（i）正确回答查询的各种各样的可能的查询执行计划，而且还因为（ii）对关于远程源的模式和实例数据的统计数据的访问是有限的。为了克服这些挑战，大多数联邦查询引擎依赖于算法来减少可能的查询执行计划的空间，或者依赖于动态规划策略来产生最优计划。然而，这些计划可能仍然表现出大量的中间结果或高执行时间，因为成本估算和不准确的成本估算。在本文中，我们提出了奥德赛，一种方法，使用统计数据，允许更准确的成本估计联邦查询，因此使奥德赛产生更好的查询执行计划。我们的实验结果表明，奥德赛产生的查询执行计划，更好的数据传输和执行时间比国家的最先进的优化。我们使用FedBench基准测试的实验显示，平均执行时间至少增加了25倍。
2017-11-02 cs.DB
PIPE-RDF: An LLM-Assisted Pipeline for Enterprise RDF Benchmarking
UC San Deigo（加州大学圣地亚哥分校）
PIPE-RDF通过反向查询和检索增强提示构建企业RDF基准测试，生成450个问题-SPARQL对，实现100%有效性验证。
2026-02-15 cs.AI cs.DB
RENSA: Rich Environment Metadata to Navigate Shared and Distributed Endpoints for Automated Federated SPARQL Query Generation
Graduate University for Advanced Studies, SOKENDAI（综合研究大学院大学（SOKENDAI））；National Institute of Informatics（信息学研究所）；Database Center for Life Science（生命科学数据库中心）
RENSA是利用扩展SBM的联邦SPARQL查询生成框架，可精准选择数据源、消除ASK查询开销，在LargeRDFBench上表现优异，还能为查询变量推断约束。
2026-09-01 cs.CL cs.DB
Leveraging LLMs in Scholarly Knowledge Graph Question Answering
Universität Hamburg（汉堡大学）；Leuphana Universität Lüneburg（吕讷堡大学）
本文提出一种利用大语言模型以少样本方式生成SPARQL查询的学术知识图谱问答系统，在SciQA基准上取得99.0%的F1分数。
2023-11-16 cs.AI cs.CL cs.DB
Geographica: A Benchmark for Geospatial RDF Stores
SPARQL的地理空间扩展（如GeoSPARQL和stSPARQL）最近已被定义，并实现了相应的地理空间RDF存储。然而，没有广泛使用的基准评估地理空间RDF商店，考虑到最近的进展，在这一领域的最先进的。在本文中，我们开发了一个基准，称为地理，它使用真实世界和合成数据来测试提供的功能和性能的一些突出的地理空间RDF商店。
2013-05-24 cs.DB
Enhancing Virtual Ontology Based Access over Tabular Data with Morph-CSV
基于本体的数据访问（OBDA）传统上专注于提供异构数据集的统一视图，通过将集成数据具体化为RDF或通过SPARQL查询转换执行动态查询。在表格数据集被表示为若干CSV或Excel文件的特定情况下，通过将每个源视为可以被加载到关系数据库管理系统（RDBMS）中的单个表来应用查询转换方法。然而，这些表上的约束并没有表示出来;因此，属性之间的一致性和表上的索引都没有强制执行。因此，SPARQL到SQL转换过程的效率以及在评估所生成的SQL查询期间产生的答案的完整性可能受到影响。我们的工作重点是应用隐式约束的OBDA查询翻译过程中的表格数据。我们提出了Morph-CSV，这是一个用于查询表格数据的框架，它利用了来自典型OBDA输入的信息（例如，映射、查询）来强制约束，这些约束可以与任何SPARQL到SQL OBDA引擎一起使用。Morph-CSV依赖于约束组件和一组约束运算符。对于一组给定的约束，操作符应用于每种类型的约束，目的是提高查询的完整性和性能。我们评估Morph-CSV在几个领域：电子商务与BSBM基准;交通与基准使用GTFS数据集从马德里地铁;和生物学与从Bio 2 RDF项目中提取的用例。我们比较和报告两个SPARQL到SQL OBDA引擎的性能，没有和合并MorphCSV。观察到的结果表明，Morph-CSV能够加快总的查询执行时间高达两个数量级，同时它能够产生所有的查询答…
2021-02-21 cs.DB
Querying Linked Data: An Experimental Evaluation of State-of-the-Art Interfaces
语义网技术的采用，特别是开放数据倡议，促进了网上可访问的数据集和三元组数量的稳步增长。最常见的是，RDF数据上的查询是在SPARQL端点上进行评估的。然而，最近已经提出了诸如TPF之类的替代方案，其目标是将查询处理负载从运行SPARQL端点的服务器转移到发出查询的客户机。虽然这些接口已经对标准基准和测试平台进行了评估，这些基准和测试平台显示了它们在以前的工作中的优势，但对哪些类型的查询利用了不同可用接口的优势的细粒度评估从未完成。在本文中，我们提出了我们深入评估现有的RDF接口的结果。此外，我们还研究了后端对这些接口的性能的影响。使用基于公共SPARQL端点的查询日志的代表性和多样的查询负载，我们对不同的接口和后端进行压力测试，并确定它们的优点和缺点。
2019-12-17 cs.DB
Reflective Compositional Grounding for Natural-Language-to-SPARQL
Idiap Research Institute（伊迪亚普研究所）；EPFL（洛桑联邦理工学院）；Merck KGaA（默克KGaA）
针对自然语言转SPARQL的词汇问题，提出NL2SPARQL框架，通过概念编码器、语义排序与反思性细化提升性能，在五个基准上召回率@10达0.837，提示重写可提升答案F1。
2026-10-16 cs.DB
Efficient Analytical Queries on Semantic Web Data Cubes
由于诸如开放数据和开放政府数据等倡议，在语义网（SW）上发布的多维数据量不断增加。因此，需要能够有效获取有价值信息的模型、语言和工具。多维数据通常表示为数据立方体，并使用联机分析处理（OLAP）技术进行开发。RDF数据立方体词汇表，也表示QB，是当前W3C标准，以表示统计数据的SW。由于QB不包括OLAP分析所需的关键功能，在以前的工作中，我们提出了一个扩展，表示QB4OLAP，以克服这个问题，而不需要修改已经发布的数据。一旦数据立方体在软件上表示，我们就需要工具来分析它们。然而，在SW多维数据集上编写高效的分析查询需要深入了解RDF和SPARQL。这些技能在典型的分析用户中并不常见。此外，像MDX这样的OLAP语言远不能被最终用户容易地理解。缺乏友好的工具来利用软件上的多维数据是一个需要打破的障碍，以促进此类数据的发布。我们在本文中解决这个问题。我们的方法是基于允许分析用户编写查询使用多维数据集的OLAP操作，而不处理SW标准。为此，我们设计了CQL（Cube查询语言的缩写），这是一种对多维数据集进行操作的简单、高级查询语言。使用QB4OLAP提供的元数据，我们将CQL查询转换为SPARQL。然后，我们提出了查询改进策略，以产生有效的SPARQL查询，适应SPARQL查询优化技术。我们评估我们的方法使用星模式基准，表明我们的建议优于其他人。一个允许使用CQL查询SW数据立方体的W…
2017-03-21 cs.DB
Time travel for knowledge graphs: live queries over RDF change histories
University of Bologna（博洛尼亚大学）
本文提出Time Agnostic Library，实现对RDF数据集的实时时间穿越查询，支持六种时间检索需求，并在多版本模式下实现高效的查询和更新。
2026-04-26 cs.DB
Evaluating Geospatial RDF stores Using the Benchmark Geographica 2
自2007年以来，SPARQL的地理空间扩展，如GeoSPARQL和stSPARQL，已经定义并实现了相应的地理空间RDF存储。此外，还开展了一些工作，制定评价地理空间RDF存储的基准。在本文中，我们重新审视了我们小组在2013年定义的Geographica基准，该基准使用真实世界和合成数据来测试地理空间RDF存储的性能和功能。我们提出了Geographica 2，这是一个新版本的基准测试，它通过增加一个工作负载，扩展我们现有的工作负载并评估5个RDF存储来扩展Geographica。Geographica 2使用三种不同的真实工作负载测试RDF存储中的基本空间功能的效率和RDF存储在真实用例场景中的性能，使用合成工作负载进行更详细的评估，并强调RDF存储的可扩展性。总共评估了8个系统，其中6个充分支持GeoSPARQL，2个提供有限的空间支持。
2019-06-05 cs.DB
A MapReduce Approach to NoSQL RDF Databases
近年来，对存储和处理大量数据的需求不断增加，这促使了对分布式存储和查询系统的需求。机器可读的RDF三元组的增长促使工业界和学术界开发新的数据库系统，称为NoSQL，其特征与传统数据库不同。这些系统中的许多系统为了提高水平可伸缩性和数据可用性而牺牲了ACID属性。本文主要研究NoSQL三重存储的开发和评估。TripleStores是数据库管理系统，是语义Web和链接数据等新兴技术的核心。评估跨越了几个基准，包括三重存储评估中最常用的两个基准，柏林SPARQL基准和DBpedia基准，DBpedia基准是一种操作维基百科的RDF表示的查询工作负载。结果表明，该系统所使用的连接算法在决定查询运行时起着至关重要的作用。分布式图数据库在生成MapReduce查询计划之前必须仔细优化查询，因为如果简单地执行查询，大型数据集的网络流量可能会变得令人望而却步。
2016-01-08 cs.DB
Storage, Indexing, Query Processing, and Benchmarking in Centralized and Distributed RDF Engines: A Survey
语义网和关联数据的最新进展已经改变了传统网络的工作方式。资源描述框架（RDF）格式被广泛采用，用于保存基于网络的数据。这种大规模的采用为各种集中式和分布式RDF处理引擎的开发铺平了道路。这些引擎采用各种机制来实现查询处理引擎的关键组件，例如数据存储、索引、语言支持和查询执行。所有这些组件都控制查询的执行方式，并对查询运行时产生重大影响。例如，以各种方式存储RDF数据会显著影响所需的数据存储空间和查询运行时性能。RDF引擎中使用的索引方法类型对于快速数据查找至关重要。底层查询语言的类型（例如，SPARQL或SQL）是RDF存储解决方案的关键优化组件。最后，涉及不同联接顺序的查询执行会显著影响查询响应时间。本文从存储、索引、语言支持和查询执行等方面对集中式和分布式RDF引擎进行了全面的综述。
2020-09-23 cs.DB
Managing FAIR Knowledge Graphs as Polyglot Data End Points: A Benchmark based on the rdf2pg Framework and Plant Biology Data
Rothamsted Research（洛桑研究所）；Aragon Institute of Engineering Research (I3A)（阿拉贡工程研究所（I3A））；University of Zaragoza（萨拉戈萨大学）；Arcade Data Ltd（Arcade Data 有限公司）
本文提出rdf2pg框架，将RDF数据映射为标记属性图，并基准测试Virtuoso、Neo4j、ArcadeDB及SPARQL、Cypher、Gremlin，以支持知识图谱的多语言访问。
2025-05-23 cs.AI cs.DB
The Forgotten Document-Oriented Database Management Systems: An Overview and Benchmark of Native XML DODBMSes in Comparison with JSON DODBMSes
在当前的大数据背景下，已经提出并实现了许多新的NoSQL解决方案，用于存储，管理和从半结构化数据中提取信息和模式。这些解决方案通过引入半结构化和灵活的模式设计来缓解关系数据库中存在的刚性数据结构的问题。由于当前由不同来源和设备生成的数据，特别是来自物联网传感器和执行器的数据，根据应用程序的不同，使用XML或JSON格式，因此需要以XML格式存储和查询半结构化数据的数据库技术。因此，原生XML数据库最初被设计为使用标准化的查询语言来操作XML数据，即，XQuery和MySQL被重新命名为NoSQL面向文档的数据库系统。目前，这些解决方案中的大多数已经被更现代的基于JSON的数据库管理系统所取代。但是，我们相信基于XML的解决方案仍然可以在异构集合上执行复杂查询时提供性能。不幸的是，现在的研究缺乏对以XML存储和查询文档的数据库技术与更现代的JSON格式的可伸缩性和性能的明确比较。此外，据我们所知，这些数据库技术没有符合大数据的基准。在本文中，我们提出了一个比较选定的面向文档的数据库系统，要么使用XML格式编码的文件，即，BaseX、eXist-db和Sedna，或者JSON格式，即，MongoDB、CouchDB和Couchbase。为了强调性能差异，我们还提出了一个基准测试，使用一个大型DBLP语料库上的异构复杂模式。
2021-02-03 cs.DB
Towards Efficient Path Query on Social Network with Hybrid RDF Management
资源描述框架（RDF）模型的可扩展性和灵活性使其非常适合表示在线社交网络（OSN）。OSN中的一个基本操作是查找关系链，例如k-Hop朋友。SPARQL中的属性路径查询可以表示这种类型的操作，但它的实现受到性能问题考虑到不断增长的数据规模和复杂性的OSN.本文提出了一种基于主存/磁盘的混合RDF数据管理框架，有效的属性路径查询.在这个混合框架中，我们实现了一个高效的内存中代数运算符的属性路径查询使用图遍历，并估计成本的操作，以配合现有的成本为基础的优化。在基准数据集和真实数据集上的实验表明，该方法能够在数据负载开销和在线查询性能之间取得较好的折衷。
2014-06-10 cs.DB cs.SI
Native Execution of GraphQL Queries over RDF Graphs Using Multi-way Joins
提出一种受最坏情况最优算法启发的多路左连接算法，实现GraphQL查询在RDF知识图谱上的原生执行，实验表明在查询运行时间和可扩展性上优于现有最先进方案。
2024-09-19 cs.DB
SM3-Text-to-Query: Synthetic Multi-Model Medical Text-to-Query Benchmark
Zurich University of Applied Sciences（苏黎世应用科技大学）
针对多模型数据库对Text-to-Query系统影响缺乏研究的问题，提出首个基于合成医疗数据的多模型Text-to-Query基准SM3，支持四种主流查询语言，并评估多种LLM的上下文学习方法，揭示了不同策略在数据库模型与查询语言间的权衡。
2024-11-14 cs.AI cs.DB
Natural Language Interfaces to Data
自然语言理解和自然语言处理的最新进展使人们对数据的自然语言接口重新产生了兴趣，它为非技术用户访问和查询数据提供了一种简单的机制。虽然早期的系统从关键字搜索演变而来，并专注于简单的事实查询，但输入句子以及生成的SQL查询的复杂性都随着时间的推移而演变。最近，人们也非常关注使用会话界面进行数据分析，使非技术用户能够快速洞察数据。在自然语言查询（NLQ）中存在三个主要挑战：（1）识别用户话语中涉及的实体，（2）在底层数据源上以有意义的方式连接不同的实体以解释用户意图，以及（3）生成SQL或SPARQL形式的结构化查询。有两种主要的方法来解释用户的NLQ。基于规则的系统利用语义索引、本体和KG来识别查询中的实体，理解这些实体之间的预期关系，并利用语法来生成目标查询。随着基于深度学习（DL）的语言模型的进步，已经有许多文本到SQL的方法尝试使用DL模型来整体地解释查询。同时利用基于规则的技术和DL模型的混合方法也通过结合两种方法的优势而出现。会话接口是一次性NLQ的下一个自然步骤，它利用多轮会话之间的查询上下文来消除歧义。在这篇文章中，我们回顾了自然语言接口中使用的背景技术，并调查了NLQ的不同方法。我们还描述了用于数据分析的对话界面，并讨论了用于NLQ研究和评估的几个基准。
2022-12-26 cs.DB
