SaGe: Preemptive Query Execution for High Data Availability on the Web
语义Web应用需要高性能和高可靠性地查询可用的RDF数据。然而，在公共SPARQL服务器的上下文中确保数据可用性和高性能SPARQL查询执行是具有挑战性的问题。JavaScript可以有任意的执行时间和未知的到达率。在本文中，我们提出了SaGe，抢占式服务器端SPARQL查询引擎。SaGe依赖于可抢占的物理查询执行计划和可抢占的物理操作符。SaGe在给定的时间段后停止查询执行，保存计划的状态，并将保存的计划与检索到的结果一起发送回客户端。稍后，客户端可以通过向服务器重新提交保存的计划来继续执行查询。通过确保公平的查询执行，SaGe保持服务器可用性并提供高查询吞吐量。实验结果表明，SaGe优于最先进的SPARQL查询引擎的查询吞吐量，查询超时和答案的完整性。
2018-06-01 cs.DB
LDQL: A Query Language for the Web of Linked Data (Extended Version)
链接数据网由大量相互链接的RDF文档组成，形成了一个巨大的分布式语义数据库。有效地查询这种分布式数据源是语义Web领域的一个重要的开放问题。在本文中，我们提出了LDQL，一个声明性的语言来查询Web上的关联数据。LDQL的一个新颖之处在于它分别表示（i）描述预期查询结果的模式，以及（ii）选择用于计算结果的数据源的Web导航路径。我们提出了一个正式的语法和语义，证明等价规则，并研究语言的表达能力。特别是，我们表明，LDQL是严格更有表现力的查询形式主义，以前已经提出了在Web上的关联数据。高表达性允许LDQL定义在Web上完全执行在计算上不可行的查询。我们正式研究这个问题，并提供了一个语法充分条件，以避免这个问题，满足这个条件的查询，确保有一个程序，以有效地评估在Web上的关联数据。
2015-07-19 cs.DB
SPARQL for a Web of Linked Data: Semantics and Computability (Extended Version)
万维网目前正在演变成一个链接数据网，其中内容提供方发布和链接数据，就像他们在过去20年中对超文本所做的那样。虽然声明性查询语言SPARQL实际上是用于从Web查询事先定义的数据集，但不存在用于查询关联数据Web本身的语言。然而，很自然地会问SPARQL是否也适合这样的目的。在本文中，我们正式调查的适用性SPARQL作为一个查询语言在Web上的关联数据。特别是，我们研究了两个查询模型：1）一个完整的Web语义的范围内的查询是一套完整的链接数据在Web上和2）一个家庭的可达性为基础的语义，限制范围的数据，是通过遍历某些数据链路。对于这两种模式，我们讨论的属性，如单调性和可计算性，以及查询的影响，是无限大的，由于数据生成服务器的Web。
2012-04-06 cs.DB
SaGe: Web Preemption for Public SPARQL Query Services
为了提供稳定且响应迅速的公共SPARQL查询服务，数据提供者对服务器使用率实施配额。超过这些配额的测试将被中断，并提供部分结果。如果可以在之后恢复查询执行，则这种中断不是问题。不幸的是，Web没有允许暂停和恢复SPARQL查询的抢占模型。在本文中，我们提出了SaGe：一个SPARQL查询引擎基于Web抢占。SaGe允许SPARQL查询在固定的时间段后被Web服务器挂起，并在客户端请求时恢复。Web抢占只有在其时间成本与时间量子相比可以忽略不计时才是易处理的。挑战在于支持完整的SPARQL查询语言，同时保持抢占的成本可以忽略不计。实验结果表明，SaGe优于现有的SPARQL查询处理方法的几个数量级的平均总查询执行时间和第一个结果的时间。
2019-02-13 cs.DB
Towards a Query Language for the Web of Data (A Vision Paper)
关于查询Web of Data的研究仍处于起步阶段。在本文中，我们提供了一个初始的一般功能，我们设想应该考虑，以定义一个查询语言的Web数据。此外，对于这些功能中的每一个，我们提出了在查询Web of Data之前没有解决的问题。我们相信，解决这些问题并研究这些特征可能会指导未来10年的数据网络研究。
2011-10-13 cs.DB cs.NI
QR2: A Third-party Query Reranking Service Over Web Databases
分级检索模型已迅速成为Web数据库中搜索查询处理的事实上的方式。尽管在设计更好的排名机制方面作出了广泛努力，但在实践中，许多此类数据库未能解决用户的各种偏好，有时甚至是相互矛盾的偏好。在本文中，我们提出了QR2，第三方服务，它只使用Web数据库的公共搜索接口，并使任何用户指定的排名功能的查询的即时处理，无论排名功能是否由数据库支持。
2018-07-13 cs.DB
Managing and Querying Web Services Communities: A Survey
随着Web服务技术的发展和Web服务在信息领域的出现，在包括电子商务、旅游、情报信息收集和分析、医疗保健、数字政府等在内的各种应用领域中出现了赋予用户和组织权力的巨大机会。集成这些Web服务的速度已经跟不上可用信息空间的快速增长。要集成的Web服务的数量可能很大并且不断变化。为了简化和改进在Internet这样的开放环境中发现Web服务的过程，建议将类似的Web服务收集到称为社区的组中。虽然Web服务社区的管理问题已经得到了广泛的研究，但是社区管理的问题还没有得到解决。本文在现有的一些社区平台和框架的基础上，对几种Web服务社区的管理方法进行了综述。我们还讨论了在Web服务社区的保护伞下查询和选择Web服务的不同方法。我们比较目前的方法彼此之间的一些关键要求。
2011-03-03 cs.DB
A General Framework for Representing, Reasoning and Querying with Annotated Semantic Web Data
我们描述了一个通用的框架，表示和推理的语义Web数据，最近增加的不一致和不可靠的元数据在网络上的任务变得更加重要。我们正式的注释语言，相应的演绎系统，并解决查询回答问题。我们的统一推理形式主义涵盖了之前对特定RDF注释领域的贡献，正如我们通过在（i）时态、（ii）模糊和（iii）出处注释上实例化它所示。此外，我们提供了一个通用的方法，用于组合多个注释域，允许代表，例如，时间注释的模糊RDF。此外，我们解决了一个查询语言- AnQL -，这是由SPARQL的启发，包括SPARQL 1.1（子查询，聚合，分配，解决方案修改器）的几个功能，以及它们的语义的正式定义的发展。
2011-03-07 cs.DB
A Query Language for Multi-version Data Web Archives
数据网络是指以关联开放数据的形式发布的大量且快速增长的科学，企业，政府和众包数据，它鼓励在网络上统一表示异构数据项并在它们之间创建链接。开放式链接数据集的日益可用性给数据集的妥善保存和其中不断变化的信息的管理带来了重大的新挑战。在本文中，我们专注于进化和保存相关的挑战，发布和保存不断变化的链接数据随着时间的推移。我们讨论的主要问题，其适当的建模和查询，并提供了一个概念模型和查询语言的建模和检索不断变化的数据以及影响他们的变化。我们详细介绍了查询语言的语法，并展示了它的功能在现实世界中的用例，从生物领域的发展链接数据集。
2016-05-12 cs.DB
Query Optimization Over Web Services Using A Mixed Approach
Web服务管理系统（WSMS）可以被认为是管理Web服务的一致和安全的方法。Web服务已经成为Web世界的一个典型部分，管理和共享与之相关的业务资源。在本文中，我们专注于查询优化方面的处理“自然语言“查询，查询到WSMS。映射-选择-组合操作被引导以选择特定的Web服务。我们的研究的主要后果是在一个算法，它使用成本为基础的，以及启发式的查询优化的方法。通过基于成本的评估，并使用贪心算法，形成查询计划。基于启发式的方法进一步优化了评估计划。该方案不仅保证了一个最优的解决方案，它具有最小的偏离理想的解决方案，但也节省了时间，否则用于生成各种查询计划，使用许多数学模型，然后评估每一个。
2012-07-27 cs.DB cs.IR
Query Interface Integrator For Domain Specific Hidden Web
当今的网络域名准入主要依靠搜索引擎。大量的数据隐藏在数据库背后的搜索接口被称为隐藏的网络，这需要被索引，以便为用户查询。本文将数据库和数据采掘技术用于查询接口集成。查询界面必须尽可能地类似于本地界面的外观和感觉，尽管它是在没有人工支持的情况下自动生成的。这种技术将相关文档保持在相同的域中，使得文档的搜索在时间复杂度方面变得更有效。
2013-11-16 cs.DB cs.IR
Dr Web: a modern, query-based web data retrieval engine
Birkbeck, University of London（伦敦大学伯贝克学院）；University of Messina（墨西拿大学）
本文提出Dr Web，一个基于查询语言的模块化Web数据检索引擎，解决动态内容与杂乱数据提取问题，并阐述其开源发布路径。
2025-02-18 cs.CL cs.DB cs.IR
Creating RESTful APIs over SPARQL endpoints using RAMOSE
语义Web技术被广泛用于存储RDF数据，并通过SPARQL端点使其在Web上可用，可使用SPARQL查询语言进行查询。虽然SPARQL端点的使用得到了语义Web专家的大力支持，但它阻碍了普通Web用户、工程师和不熟悉语义Web技术的开发人员更广泛地使用RDF数据，这些人通常依赖Web RESTful API来查询Web可用数据并在其上创建应用程序。为了解决这个问题，我们开发了RAMOSE，这是一个用Python开发的通用工具，用于在SPARQL端点上创建REST API。通过创建特定于源的文本配置文件，RAMOSE可以通过简单的Web RESTful API调用来查询SPARQL端点，这些API调用返回JSON或CSV格式的数据，从而对普通Web用户隐藏SPARQL和RDF的所有内在复杂性。我们提供的证据表明，使用RAMOSE提供REST API访问OpenCitations triplestores中的RDF数据是有益的，在外部用户使用RAMOSE API对此类RDF数据进行查询的数量方面，与通过SPARQL端点的直接存取相比。我们的研究结果表明，RDF数据的供应商有一个替代的API访问服务，这使得它的使用没有（或很少）的经验，语义Web技术和SPARQL查询语言的重要性。RAMOSE既可用于查询任何SPARQL端点，也可用于查询任何其他Web API，因此，对于希望创建API服…
2021-05-30 cs.DB
Federating and querying heterogeneous and distributed Web APIs and triple stores
当今的国际公司，如作物保护行业的领先公司巴斯夫，生产和消费越来越多的数据，这些数据通常是分散的，可以通过Web API访问。此外，巴斯夫感兴趣的部分专有和公共数据存储在三重存储中，并可通过SPARQL查询语言访问。在不修改或复制原始数据源的情况下，同质化数据访问模式和数据的底层语义成为实现数据集成和互操作性的重要要求。在这项工作中，我们提出了一个联邦数据集成架构内的工业设置，依赖于基于本体的数据访问方法。我们在查询响应时间方面的性能评估表明，大多数查询可以在1秒内得到回答。
2022-06-03 cs.DB
Towards Querying in Decentralized Environments with Privacy-Preserving Aggregation
网络是一个无处不在的经济、教育和协作空间。然而，它也是收集个人信息的避风港。现有的分散式基于Web的生态系统，如Solid，旨在通过使个人能够在他们选择的个人数据存储中管理他们的数据来打击Web上的个人数据利用。由于这些分散的生态系统中的个人数据分布在许多源中，因此需要技术来支持在个人数据存储上的高效隐私保护查询执行。为此，在这份立场文件中，我们提出了一个框架，有效的隐私保护联合查询，并强调开放的研究挑战和机遇。总体目标是提供一种方法，将未来的研究定位到去中心化环境中的隐私保护查询。
2020-08-14 cs.DB
The SPARQL2XQuery Interoperability Framework. Utilizing Schema Mapping, Schema Transformation and Query Translation to Integrate XML and the Semantic Web
Web of Data是一个开放的环境，由来自不同领域的大量相互链接的大型RDF数据集组成。在这种环境中，组织和公司采用利用语义Web（SW）技术的关联数据实践，以便发布他们的数据并提供SPARQL端点（即，基于SPARQL的搜索服务）。另一方面，当今Web中信息交换的主导标准是XML。SW和XML世界及其开发的基础设施基于不同的数据模型、语义和查询语言。因此，至关重要的是开发互操作性机制，允许Web of Data用户从他们自己的工作环境中使用SPARQL访问XML数据集。期望所有现有的遗留数据（例如，关系、XML等）将转换为软件数据。因此，将遗留数据发布为关联数据并在其上提供SPARQL端点已成为一个主要的研究挑战。在这个方向上，我们引入了SPARQL 2XQuery框架，它创建了一个可互操作的环境，SPARQL查询自动转换为XQuery查询，以便在Web上访问XML数据。SPARQL 2XQuery框架为OWL-RDF/S到XML Schema映射的表达提供了一个映射模型，也为SPARQL到XQuery的转换提供了一种方法。为此，我们的框架支持本体和XML模式之间的手动和自动映射规范。在自动映射规范场景中，SPARQL 2XQuery利用将XML模式转换为OWL本体的XS 2 OWL组件。最后，进行了大量的实验，以评估模式转换，映射生成，查询翻译和查询评估效率，使用真实和合成…
2014-01-02 cs.DB
A Survey on Visual Query Systems in the Web Era (extended version)
随着越来越多的数据集合在网络上对每个人都可用，非专家用户需要简单的方法来从这些集合中检索数据。一种解决方案是所谓的可视化查询系统（VQS），其中查询被可视化地表示，并且用户不必理解诸如SQL或XQuery之类的查询语言。1996年，Catarci的一篇论文回顾了直到那一年可用的可视化查询系统。在本文中，我们回顾VQS从1997年到现在，并试图确定他们是否已经为非专家用户的解决方案。简单的回答是否定的，因为实际上很少有系统被用于实际环境或作为商业工具。我们还收集了VQS的基本特征，例如用于呈现感兴趣的现实的视觉表示或用于表达查询的视觉表示。
2017-08-01 cs.DB cs.IR
OptImatch: Semantic Web System with Knowledge Base for Query Performance Problem Determination
数据库查询性能问题的确定通常通过分析查询执行计划（QEP）以及其他性能数据来执行。随着组织运行的查询工作负载变得越来越大，越来越复杂，即使由专家手动分析QEP也变得非常耗时。大多数性能诊断工具都有助于识别有问题的查询，大多数查询调优工具只解决有限数量的已知问题和建议。我们提出了OptImatch系统，它提供了一种方法来（a）寻找不同的用户定义的问题模式QEP和（b）自动从专家提供的和用户可定制的知识库的建议。现有的方法不提供使用灵活的用户定义的模式来执行工作负载分析的能力，因为它们缺乏对QEP施加适当结构的能力。我们介绍了一种新的语义Web系统，它允许一个相对幼稚的用户搜索任意模式，并得到存储在知识库中的建议，无论是由专家或添加的用户量身定制的环境中，他们的操作。我们的方法包括将QEP转换为RDF图，并通过处理程序将基于GUI的用户定义模式转换为SPARQL查询。SPARQL查询与抽象的RDF图进行匹配，抽象的RDF图的任何匹配部分都被中继回用户。利用知识库，OptImatch系统可以自动扫描并以统计方式匹配感兴趣的存储模式，并返回相应的建议。尽管知识库模式和解决方案建议不在用户提供的QEP的上下文中，但是通过处理程序标记接口自动调整上下文。
2015-10-12 cs.DB
Evaluation of Query Generators for Entity Search Engines
动态Web应用程序（如混搭）需要高效地访问只能通过实体搜索引擎（如产品或出版物搜索引擎）访问的Web数据。然而，当前大多数mashup系统和应用程序只支持简单的关键字搜索，以便从搜索引擎检索数据。我们建议使用更强大的搜索策略建设所谓的查询生成器。对于给定的一组实体，查询生成器能够自动确定一组搜索查询以从实体搜索引擎检索这些实体。我们证明了查询生成器的有用性，按需Web数据集成和评估的有效性和效率的查询生成器的一个具有挑战性的现实世界的集成方案。
2010-03-23 cs.DB cs.IR
View Selection in Semantic Web Databases
我们考虑设置的语义Web数据库，包含显式数据编码的RDF三元组，和隐含的数据，隐含的RDF语义。基于查询的工作量，我们解决的问题，选择一组要物化的数据库中的视图，最大限度地减少组合的查询处理，视图存储和视图维护成本。从现有的关系视图选择方法开始，我们设计了新的算法推荐视图集，并表明它们的规模显着超出现有的关系时，适应RDF上下文。考虑到查询答案中的隐式三元组，我们提出了一种新的RDF查询重构算法和一种创新的方式，将其纳入视图选择，以避免组合爆炸的复杂性的选择过程。我们的技术的兴趣是通过一组实验证明。
2011-10-30 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
Query Evaluation and Optimization in the Semantic Web
我们有效地解决了回答Web本体查询的问题。本体被形式化为演绎本体库（DOB），演绎数据库包括本体的推理公理和事实。提出了一种基于代价的DOB查询优化技术。提出了一种混合成本模型来估计基本事实和推断事实的成本和基数。基数和成本的推断事实估计使用自适应抽样技术，而传统的关系成本模型的技术用于估计成本的基本事实和合取本体查询。最后，我们实现了一个动态编程优化算法来识别最小化中间推断事实数量的查询评估计划。我们建模的Web本体语言OWL Lite的一个子集作为一个DOB，并进行了实验研究，分析我们的成本模型的预测能力和查询优化技术的好处。我们的研究已经进行了合成和现实世界的OWL本体，并表明该技术是准确的，提高查询性能。出现在逻辑编程理论与实践（TPLP）中。
2007-11-13 cs.DB cs.LO
Modeling and Querying Data Cubes on the Semantic Web
Web正在改变数据仓库的设计、使用和查询方式。随着开放数据和开放政府等倡议的出现，组织希望共享其多维数据立方体，并使其可供在线查询。RDF数据立方体词汇表（QB）是W3C在RDF中发布统计数据的标准，它在完全支持多维模型方面存在一些限制。QB4OLAP词汇表扩展了QB以克服这些限制，允许使用标准SPARQL查询实现典型的OLAP操作，如汇总、切片、切割和钻取。在本文中，我们介绍了一个正式的数据模型的主要对象是数据立方体，并定义OLAP操作使用这个模型，独立于底层表示的立方体。然后，我们表明，使用我们的模型表示的立方体可以表示使用QB4OLAP词汇表，最后，我们提供了一个SPARQL实现的OLAP操作的数据立方体在QB4OLAP。
2015-12-18 cs.DB
Diversifying Anonymized Data with Diversity Constraints
最近推出的隐私立法旨在限制和控制公司发布和共享给第三方的个人数据量。这些真实数据中的大部分不仅是需要匿名的敏感数据，而且还包含来自各种个人的特征细节。这种多样性在从Web搜索到药物和产品开发的许多应用中都是理想的。不幸的是，数据匿名化技术在很大程度上忽略了其发布结果的多样性。这在随后的数据分析中无意中传播了潜在的偏见。我们研究的问题，找到一个多样化的匿名数据实例，多样性是通过一组多样性约束。我们形式化多样性约束，并研究其基础，如蕴涵和可满足性。我们表明，确定存在一个不同的，匿名的实例可以在PTIME，我们提出了一个基于聚类的算法。我们使用真实和合成数据进行了广泛的实验，显示了我们的技术的有效性，并改善了现有的基线。我们的工作符合最近的趋势，通过将多样性与隐私保护数据发布相结合来实现负责任的数据科学。
2020-07-17 cs.DB
A Context-Based Semantics for SPARQL Property Paths over the Web (Extended Version)
到目前为止，还不存在用于查询Web上的链接数据的标准语言，其中跨分布式数据源的导航是一个关键特性。一个自然的候选者似乎是SPARQL，由于引入了属性路径（PP），它最近已经增强了导航功能。然而，SPARQL的语义限制了通过PP导航到单个RDF图的范围。这种限制限制了PP在Web上的适用性。为了填补这一空白，在本文中，我们提供了正式的基础上评估PP在Web上，从而有助于定义一个查询语言的关联数据。特别是，我们引入了一个查询语义的PP，夫妇在数据级的导航与Web图形上的导航。鉴于这种语义，我们发现，对于一些基于PP的SPARQL查询在Web上的一个完整的评估是不可行的。为了使系统能够识别可以完全评估的查询，我们建立了一个可判定的语法属性，这样的查询。
2015-03-16 cs.DB
Heuristics-based Query Reordering for Federated Queries in SPARQL 1.1 and SPARQL-LD
SPARQL 1.1的联邦查询扩展允许执行分布在不同SPARQL端点上的查询。SPARQL-LD是SPARQL 1.1的最新扩展，它可以直接查询任何包含RDF数据的HTTP Web源，如嵌入RDFa，JSON-LD或Microformats的网页，而无需声明命名图。这使得通过一个简洁的查询查询大量的数据源（包括SPARQL端点、在线资源，甚至是返回RDF数据的Web API）成为可能。然而，SPARQL 1.1和SPARQL-LD查询的非最佳公式化可能导致对远程资源的大量调用，这反过来又可能导致极高的查询执行时间。在本文中，我们解决这个问题，并提出了一套查询重新排序的方法，使使用的服务图模式的基础上，他们的限制性，而不需要收集和使用的统计数据从远程源重新排序。这样的查询优化方法是广泛适用的，因为它可以在现有的SPARQL 1.1和SPARQL-LD实现之上被利用。评估结果表明，查询重排序可以大大减少查询执行时间，而一种方法，考虑的数量和类型的未绑定变量和连接实现了最佳的查询计划在88%的情况下。
2018-10-23 cs.DB
Supporting Exploratory Queries in Database Centric Web Applications
以数据库为中心的Web应用程序的用户，特别是在电子商务领域，经常求助于探索性的"试错“查询，因为底层数据空间是巨大的和不熟悉的，并且在这个空间中有几个搜索属性的替代方案。例如，寻找便宜的机票通常涉及提出多个查询，改变航班时间，日期和机场位置。从用户和服务器的角度来看，探索性查询都是有问题的。对于数据库服务器，它会导致有效吞吐量的急剧减少，因为在每个连续的查询中重复了许多处理。对于客户端来说，这会导致响应时间显著增加，尤其是在通过无线信道访问服务时。在本文中，我们研究的自动化技术的设计，以尽量减少重复的探索性查询的需要。具体来说，我们提出了SAUNA，服务器端查询松弛算法，给定用户的初始范围查询和所需的基数的答案集，产生一个宽松的查询，预计将包含所需数量的答案。该算法采用了范围查询特定的距离度量，加权产生所需形状的宽松的查询（例如，纵横比保持），并利用多维直方图的查询大小估计。一个详细的性能评估的SAUNA在各种多维数据集表明，其宽松的查询可以显着降低成本与探索性查询处理。
2003-10-17 cs.DB
Wild Card Queries for Searching Resources on the Web
我们提出了一个独立于领域的框架，用于搜索和检索自然语言文本源中的事实和关系。在该框架中，文本集合上的抽取任务被表示为一个将文本片段与通配符相结合的查询，查询结果是一元、二元和一般$n$元元组形式的事实集合.我们的查询机制的一个重要意义在于，尽管它既简单又声明性，但它可以应用于广泛的提取任务。然而，查询自然语言文本的一个问题是，用户指定的查询可能无法检索到足够的精确匹配。与可以通过删除某些术语来放松的术语查询（如在搜索引擎中所做的那样）不同，从通配符查询中删除术语而不破坏其含义更具挑战性。此外，任何查询扩展都有可能引入误报。在本文中，我们解决的问题，查询扩展，也分析了一些排名的替代品，以评分的结果，并删除误报。我们进行实验，并报告我们的查询和评分功能的有效性评估。
2009-08-18 cs.DB cs.IR
Keyword Search in the Deep Web
本文研究具有访问限制的深网关系数据源上的关键词查询，提出概念框架以形式化最优答案、刻画可答查询，并通过最小化数据源访问的查询计划实现查询处理。
2025-01-08 cs.DB
Answering Table Queries on the Web using Column Keywords
我们提出了一个结构化的搜索引擎的设计，它返回一个多列的表，以响应由描述其每一列的关键字组成的查询。我们通过利用Web上数以百万计的表来回答这样的查询，因为这些表是比自由格式文本更丰富的结构化知识来源。然而，从任意HTML网页中获取的表格语料库提出了在集中编辑的知识库中看不到的多样性和冗余性的巨大挑战。我们在本文中集中讨论一个具体任务。给定一组Web表T1，. . ., Tn，以及具有q组关键字Q1，. . ., Qq，针对每个Ti判定其是否与Q相关，并且如果是，则标识Ti的列与查询列之间的映射。我们将此任务表示为一个图形模型，该模型通过将跨越表的不同部分的匹配的线索的不同来源、语料库范围的共现统计以及表列之间的内容重叠来联合映射所有表。我们定义了一个新的查询分割模型匹配关键字表列，和一个强大的机制，利用跨表列的内容重叠。我们设计了基于二分匹配和约束图割的高效推理算法来解决联合标记任务。在2500万个Web表语料库上进行的59次查询的实验表明，与基线IR方法相比，准确率有显着提高。
2012-06-30 cs.DB
Leveraging Application Data Constraints to Optimize Database-Backed Web Applications
利用数据之间的关系是一种经典的查询优化技术。随着持久性数据越来越多地通过编程方式创建和维护，之前从数据统计信息推断数据关系的工作错过了一个重要的机会。我们提出了ConstrOpt，第一个通过分析数据库支持的应用程序来识别数据关系的工具。一旦确定，ConstrOpt就利用这些约束来优化应用程序的物理设计和查询执行。ConstrOpt采用枚举-测试-验证技术来自动利用发现的数据约束来改进查询执行，而不是开发一组固定的预定义重写规则。每个结果重写可证明等价于原始查询。使用14个真实世界的Web应用程序，我们的实验表明，ConstrOpt可以发现大量的数据约束，从代码分析和提高现实世界的应用程序的性能显着。
2022-12-28 cs.DB cs.PL
Differentially Private Search Log Sanitization with Optimal Output Utility
Web搜索日志包含极其敏感的数据，最近的AOL事件就是明证。然而，存储和分析搜索日志可以用于许多目的（即调查人类行为）。因此，一个重要的研究问题是如何私下净化搜索日志。已经提出了几种搜索日志匿名化技术，并给出了具体的隐私模型。然而，在所有这些解决方案中，仅评估技术的输出效用，而不是以任何方式最大化。实际上，为了有效的搜索日志匿名化，期望在满足隐私标准的同时导出最优（最大效用）输出。在本文中，我们提出了效用最大化的净化的基础上严格的隐私标准的差分隐私，在搜索日志的上下文中。具体而言，我们利用优化模型，以最大限度地提高不同应用程序的消毒的输出效用，同时确保生产过程满足差分隐私。一个额外的好处是，我们新的随机化策略确保输出的模式与输入的模式相同。通过对真实搜索日志的综合评价，验证了该方法的有效性，并展示了其鲁棒性和可扩展性。
2011-10-13 cs.DB
Distributed Subweb Specifications for Traversing the Web
Ghent University（根特大学）；imec（比利时微电子研究中心）；IDLab（IDLab实验室）；Cambridge University Press（剑桥大学出版社）
基于链接遍历的查询处理（ltqp），其中一个sparql查询是在一个Web文档而不是一个单一的数据集上进行评估，通常被视为一个理论上有趣但不切实际的技术。然而，在数据高度集中化日益受到审查的时代，具有简单的基于文档的界面的分散式数据网络具有吸引力，因为它使数据发布者能够控制其数据和访问权。虽然ltqp允许在这样的网站上评估复杂的查询，但它存在性能问题（由于包含数据的文档数量很大）以及信息质量问题（由于提供此类文档的来源很多）。在现有的ltqp方法中，查找要查询的源的负担完全由数据使用者承担。在本文中，我们认为，要解决这些问题，数据发布者还应该能够建议感兴趣的来源，并引导数据消费者对相关和值得信赖的数据。我们引入了一个理论框架，使这样的指导链接遍历，并研究其属性。通过一个理论实例说明了该方法可以提高查询结果，减少网络请求次数。我们评估我们的建议，实验上的虚拟链接的Web规范，并确实观察到，不仅数据质量，而且查询的效率提高。逻辑程序设计理论与实践（TPLP）
2023-03-27 cs.AI cs.DB
Foundations of Traversal Based Query Execution over Linked Data (Extended Version)
最近，在关联数据的Web上执行查询引起了人们的广泛关注。一种特别有趣的方法是基于链接遍历的查询执行，它提出将数据链路的遍历集成到查询结果的构造中。因此，与传统的查询执行范例相比，这种方法并不预先假设一组固定的相关数据源;相反，它可以动态地发现数据，从而使应用程序能够挖掘Web的全部潜力。虽然一些作者研究的可能性，实现基于链接遍历的查询执行的想法，并在这种情况下优化查询执行，没有工作存在，讨论的理论基础的方法一般。我们的论文填补了这一空白。我们引入了一个定义良好的语义查询，可以使用基于链接遍历的方法执行。基于这种语义，我们正式分析这种查询的属性。特别是，我们研究了查询的可计算性以及查询一个潜在的无限的关联数据网络的影响。我们的研究结果表明，查询计算一般不能保证终止，对于任何给定的查询，它是不可判定的执行是否终止。此外，我们定义了一个抽象的执行模型，捕捉到查询执行过程中的链接遍历的集成。在此模型的基础上，我们证明了基于链接遍历的查询执行的可靠性和完备性，并分析了现有的实现方法。
2012-04-20 cs.DB
A Density-Based Approach to the Retrieval of Top-K Spatial Textual Clusters
具有本地意图的基于关键字的web查询检索与所提供的关键字相关并且表示查询位置附近的兴趣点的web内容。存在两大类此类查询。第一种包括检索单个空间Web对象的查询，每个空间Web对象都满足查询参数。大多数提案属于这一类。第二类，本文的建议属于，包括查询，支持探索性的用户行为和检索的对象集，代表可能是用户感兴趣的空间区域。具体而言，本文提出了一种新的类型的查询，即前k个空间文本聚类（k-STC）查询，返回的前k个聚类，（i）位于最接近给定的查询位置，（ii）包含最相关的对象相对于给定的查询关键字，（iii）有一个对象密度超过给定的阈值。为了计算这个查询，我们提出了一个基本的算法，依赖于在线密度为基础的聚类，并利用提前停止条件。为了提高响应时间，我们设计了一个先进的方法，包括三个技术：（i）对象跳过规则，（ii）空间网格倒排列表，和（iii）快速范围查询算法。对真实数据的实证研究表明，该文件的建议提供了可扩展性，并能够出色的性能。
2016-07-29 cs.DB
OBDA for the Web: Creating Virtual RDF Graphs On Top of Web Data Sources
由于多样性，Web数据有许多不同的结构和格式，包括HTML表和REST API（例如，社交媒体API）是最受欢迎的。Web数据的一个大子集也以Velocity为特征，因为数据经常更新，以便消费者可以获得相应数据集的最新版本。但是，目前这些数据源还没有得到语义Web工具的有效支持。为了解决多样性和速度，我们提出Ontop4theWeb，一个系统，映射到虚拟RDF三元组的各种格式的Web数据，从而允许查询它们的飞行，而不物化为RDF。我们演示了Ontop4theWeb如何使用SPARQL统一查询流行的，但异构的Web数据源，如HTML表和Web API。我们在许多用例中展示了我们的方法，例如Twitter，Foursquare，Yelp和HTML表格。我们进行了彻底的实验评估，验证了我们的框架的高效率，这超出了目前在这一领域的最先进的，在功能和性能方面。
2020-05-22 cs.DB
Preventing SQL Injection through Automatic Query Sanitization with ASSIST
Web应用程序正在成为我们日常生活中必不可少的一部分。我们的许多活动都依赖于这些应用程序的功能和安全性。随着这些应用程序规模的增长，注入漏洞（如SQL注入）是当今开发人员面临的主要安全挑战。本文提出了自动查询消毒技术，以自动消除SQL注入漏洞的代码。在我们的技术中，结合了静态分析和程序转换，用于自动仪器的Web应用程序与消毒代码。我们已经在一个名为ASSIST（自动和静态SQL注入清理工具）的工具中实现了这种技术，用于保护基于Java的Web应用程序。我们的实验评估表明，我们的技术是有效的SQL注入漏洞，并具有较低的开销。
2010-09-20 cs.DB cs.SE
Cohesiveness Relationships to Empower Keyword Search on Tree Data on the Web
关键字搜索是半结构化数据最常用的查询技术。关键字查询简单方便。然而，由于他们的不精确性，他们的答案的质量很差，现有的算法不能令人满意地扩展。在本文中，我们介绍了新的概念，内聚关键字查询树数据。直观地说，关键字的内聚关系表明它们应该在查询结果中形成一个内聚的整体。内聚关键字查询允许术语嵌套和关键字重复。虽然更有表现力，但它们与平面关键字查询一样简单。我们提供了正式的语义内聚关键字查询排名- ING查询结果的关键字实例的接近。我们设计了一个基于堆栈的算法，有效地评估内聚关键字查询。我们的实验表明，我们的方法在质量上优于以前的过滤语义和我们的算法规模顺利查询，甚至20个关键字的大型数据集。
2015-08-20 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
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
SODIUM: From Open Web Data to Queryable Databases
UIUC（伊利诺伊大学香槟分校）
研究针对需要整合多源网络数据的分析问题，提出SODIUM任务，通过系统化构建潜在数据库支持查询。开发SODIUM-Agent系统，采用ATP-BFS算法实现深度网络探索与结构化信息提取，准确率达91.1%。
2026-03-19 cs.AI cs.CL cs.CV
How Many and What Types of SPARQL Queries can be Answered through Zero-Knowledge Link Traversal?
当前查询Web of Data的实际方法是通过SPARQL协议，其中客户端通过SPARQL端点向服务器发送查询。与HTTP服务器相反，提供和维护一个健壮和可靠的端点需要大量的工作，而不是所有的发布者都愿意或能够做到。另一种查询评估方法是通过链接遍历，其中通过实时的解引用在线Web资源（URI）来回答查询。虽然已经提出了用于这种基于查找的查询评估方法的几种方法，但是不存在对可以在实况Web上直接回答的查询的类型（模式）的分析，而不访问本地或远程端点，并且没有可用数据源的先验知识。在本文中，我们首先提供了一种方法来检查是否可以通过零知识链接遍历（而不访问端点）回答SPARQL查询（SPARQL端点上进行评估），并分析了一个大语料库的真实SPARQL查询日志的频率和分布的可回答和不可回答的查询模式。随后，我们提供了一个算法，用于将应答查询转换为绕过端点的SPARQL-LD查询。我们报告的转换查询的效率的实验结果，并讨论了这种查询评估方法的优点和局限性。
2018-12-13 cs.DB
Query Rewriting On Path Views Without Integrity Constraints
具有绑定模式的视图是对数据库的参数化查询。使用这样的视图，例如，对Web服务进行建模。为了回答对这些视图的查询，必须在执行计划中将视图编排在一起。目标通常是找到等价的重写，它提供与所有数据库上的查询完全相同的结果。然而，这样的重写通常只有在存在完整性约束的情况下才可能-并且不是所有的数据库都有这样的约束。在本文中，我们描述了一类计划，即使没有完整性约束，也能对其结果提供实际保证。我们提供了一个这样的计划和一个完整的和正确的算法来列举他们的特点。最后，我们表明，我们的方法可以在现实世界中的Web服务的计划。
2020-10-07 cs.DB
Estimating the Cost of Executing Link Traversal based SPARQL Queries
几乎所有领域的越来越多的组织都开始采用语义Web技术，将其数据发布为开放、链接和互操作（RDF）数据集，可通过SPARQL语言和协议进行查询。链接遍历已经成为一种SPARQL查询处理方法，它利用链接数据原则和Web的动态特性，通过在查询评估期间解析在线资源（URI）来动态地发现与回答查询相关的数据。然而，链接遍历查询的执行时间对于某些查询类型可能变得过高，这是由于在查询执行期间需要访问大量资源。在本文中，我们提出并评估基线方法估计的链接遍历查询的评估成本。这样的方法对于即时决定给定查询所遵循的查询执行策略非常有用，从而减少SPARQL端点的负载并提高查询服务的整体可靠性。为了评估所提出的方法的性能，我们创建了（并公开提供）一个由2，425个查询组成的地面实况数据集。
2022-10-17 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
SPARQL for Networks of Embedded Systems
语义Web（或Web of Data）代表了在Web上链接和共享数据的成功尝试。Web of Data的基石是作为数据格式的RDF和作为事实标准查询语言的SPARQL。最近的趋势显示了数据网络向物联网的演变，集成了嵌入式设备和智能对象。来自这些设备的数据不共享通用格式，使得集成和查询变得不可能。为了克服这个问题，我们提出了我们的方法，使嵌入式系统的物联网的一流公民。我们的框架从单个部署中抽象出来，将它们表示为符合语义Web背后思想的公共数据源。这包括对来自嵌入式设备池和/或外部数据源的数据执行任意SPARQL查询。在嵌入式网络中处理冗长的RDF数据和执行SPARQL查询对最小化所涉及的处理和通信成本提出了重大挑战。因此，我们提出了一个网络查询处理器，旨在推动设备上的处理步骤。我们展示了我们的框架的实际应用和潜在的好处，在一个全面的评估，使用现实世界的部署和一系列的SPARQL查询源于一个常见的用例的Web的东西。
2014-02-28 cs.DB cs.DC
Rank-Based Inference over Web Databases
近年来，结构化数据库，特别是Web数据库中的排序检索模型得到了广泛的研究。使用此模型，搜索查询不仅根据选择条件的精确匹配返回前k个元组，而且还根据合适的排名函数返回前k个元组。本文研究了一个新的问题的隐私影响的数据库排名。动机是我们在现实世界的Web数据库中发现的一种新颖但严重的隐私泄漏，这是由排名功能设计引起的。许多这样的数据库以私有属性为特征-例如，社交网络允许用户将某些属性指定为仅对他/她自己可见而对其他人不可见。虽然这些网站通常通过不直接在搜索查询答案中显示私有属性值来尊重隐私设置，但是它们中的许多网站在排名功能设计中考虑了这样的私有属性。传统的看法可能是元组秩本身不足以揭示私有属性值。然而，我们的调查表明，事实并非如此。为了解决这个问题，我们引入了两个维度的问题空间的分类，（1）查询接口的类型和（2）对手的能力。对于每个子空间，我们开发了一种新的技术，它可以保证成功的私人属性的推理，或这样做的一个重要部分的现实世界的元组。我们通过理论分析、对真实世界数据集的广泛实验以及对具有数千万到数亿用户的网站的成功在线攻击来证明我们的技术的有效性和效率-例如，亚马逊Goodreads和人人网。
2015-04-06 cs.DB
Automatic Classification of Text Databases through Query Probing
网络上的许多文本数据库都“隐藏”在搜索界面之后，它们的文档只能通过查询来访问。搜索引擎通常会忽略这种仅用于搜索的数据库的内容。最近，类似Yahoo的目录已经开始手动地将这些数据库组织成用户可以浏览以找到这些有价值的资源的类别。我们提出了一种新的策略来自动分类的搜索只文本数据库。我们的技术首先训练一个基于规则的文档分类器，然后使用分类器的规则来生成探测查询。查询被发送到文本数据库，然后根据它们为每个查询产生的匹配数量对文本数据库进行分类。我们报告了一些初步的探索性实验表明，我们的方法是有希望的，以自动特征的文本数据库在网络上访问的内容。
2000-03-09 cs.DB cs.IR
Identifying Aspects for Web-Search Queries
许多网络搜索查询是探索未知信息空间的开始，而不是寻找特定的网页。为了有效地回答这些查询，搜索引擎应该尝试以便于探索的方式组织相关信息的空间。我们描述的Aspector系统，计算方面为一个给定的查询。每个方面是一组搜索查询，这些搜索查询一起表示与原始搜索查询相关的不同信息需求。作为探索空间的有效手段，Aspector计算彼此正交并具有高组合覆盖率的方面。Aspector结合两个信息源来计算方面。我们通过分析查询日志发现候选方面，并将它们聚类以消除冗余。然后，我们使用大规模协作知识库（例如，Wikipedia）来计算不太频繁出现的查询的候选方面，并将可能“语义”相关的方面分组在一起。我们提出了一个用户的研究表明，我们计算的方面被评为有利的三个竞争的替代品-相关搜索提出的谷歌，集群标签分配的集群搜索引擎，并提出了必应导航搜索。
2014-01-16 cs.DB cs.IR
Distributed Semantic Web Data Management in HBase and MySQL Cluster
网络上的各种计算和数据资源正在通过机器可解释的语义描述来增强，以促进更好的搜索、发现和集成。这种相互关联的元数据构成了语义Web，其数量可能会增加Web的规模。语义Web数据的有效管理（使用W3C的资源描述框架（RDF）表示）对于支持新的数据密集型、启用语义的应用程序至关重要。在这项工作中，我们研究和比较两种方法来分布式RDF数据管理基于新兴的云计算技术和传统的关系数据库聚类技术。特别是，我们设计了分布式RDF数据存储和查询方案HBase和MySQL集群和进行实证比较，这些方法的商品机器集群使用的数据集和查询从第三种来源的挑战和利哈伊大学基准。我们的研究揭示了有趣的模式，查询评估，表明我们的算法是有前途的，并表明云计算具有很大的潜力，可扩展的语义Web数据管理。
2011-05-11 cs.DB cs.PF
Towards a Natural Language Query Processing System
解决非技术数据库终端用户和具有正式查询语言知识的用户之间的信息检索差距一直是数据管理和分析研究的一个有趣领域。使用自然语言接口从数据库中查询信息，为最终用户和使用正式查询语言的系统之间的通信挑战提供了机会。以前的研究工作主要集中在开发关系数据库的结构化查询接口。然而，文本、图像和视频等非结构化大数据的发展暴露了传统结构化查询接口的局限性。虽然现有的网络搜索工具证明了自然语言查询的普及性和可用性，但它们返回完整的文档和网页，而不是集中的查询响应，并且不适用于数据库系统。本文报告了我们对后端关系数据库的自然语言查询接口的设计和开发的研究。该研究的新颖之处在于将图数据库定义为中间层，以存储将自然语言查询转换为可以在后端数据库上执行的结构化查询语言所需的必要元数据。我们使用餐厅数据集实现并评估了我们的方法。一些示例查询的翻译结果产生了90%的准确率。
2020-09-25 cs.AI cs.DB cs.IR
Realtime Index-Free Single Source SimRank Processing on Web-Scale Graphs
National University of Singapore（新加坡国立大学）；University of Science and Technology of China（中国科学技术大学）；Nanyang Technological University（南洋理工大学）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
给定图G和G中的节点u，单源SimRank查询评估u与G中的每个节点v之间的相似性。单源SimRank计算的现有方法要么导致长的查询响应时间，要么导致昂贵的预计算，每当图G改变时，都需要再次执行预计算。因此，据我们所知，它们中没有一个是理想的场景，其中（i）查询处理必须实时完成，（ii）底层图G是巨大的，具有频繁的更新。出于这一动机，我们提出了SimPush，一种新的算法，回答单源SimRank查询没有任何预先计算，并在同一时间实现显着更高的查询处理速度甚至比最快的已知的基于索引的解决方案。此外，SimPush提供严格的结果质量保证，其高性能不依赖于底层图的任何强假设。具体而言，与现有方法相比，SimPush采用了完全不同的算法设计，其重点在于（i）识别与查询相关的少量节点，随后（ii）仅从这些节点计算统计数据并执行剩余推送。我们证明了SimPush的正确性，分析了它的时间复杂度，并与现有方法的渐近性能进行了比较。同时，我们通过在8个真实数据集上的大量实验来评估SimPush的实际性能。结果表明，SimPush始终优于所有现有的解决方案，通常超过一个数量级。特别是，在一台商用机器上，SimPush在62毫秒内回答了包含超过1.33亿个节点和54亿条边的Web图上的单源SimRank查询，经验误差为0.00035，而最快的基于索引的竞争对手需要1.18秒。
2020-02-19 cs.AI cs.DB cs.SI
