eLinda: Explorer for Linked Data
为了实现语义Web面向知识型机器的前提，人们可能经常将应用程序与新兴的RDF图集成在一起。然而，通过现有工具捕获丰富且开放的RDF图的内容需要时间和专业知识。我们演示了eLinda -一个关联数据的浏览器。eLinda解决的挑战是理解给定RDF图的丰富内容。核心功能是一个探索路径，其中每一步都会生成一个条形图（直方图），该图可视化了一组节点（URI）中类的分布。反过来，每个条形图代表一组节点，这些节点可以通过路径中的条形图进一步扩展。我们允许三种类型的探索：子类分布，属性分布和所选属性的对象分布。
2017-07-24 cs.DB
Swift Linked Data Miner: Mining OWL 2 EL class expressions directly from online RDF datasets
Poznan University of Technology（波兹南理工大学）
在这项研究中，我们提出了Swift Linked Data Miner，这是一种可中断的算法，可以直接挖掘在线链接数据源（例如，SPARQL端点），以使用新的SubClassOf：公理扩展本体。该算法的工作原理是每次只下载一小部分关联数据源，在内存中构建智能索引，并快速迭代索引以挖掘公理。我们提出了一个转换功能，从挖掘公理RDF数据流。我们通过众包实验表明，Swift Linked Data Miner挖掘的大多数公理都是正确的，可以添加到本体中。我们提供了一个现成的Protégé插件实现算法，以支持本体工程师在他们的日常建模工作。
2017-10-19 cs.AI cs.DB
LiteMat: a scalable, cost-efficient inference encoding scheme for large RDF graphs
链接数据源的数量和链接开放数据图的大小每天都在增长。因此，语义RDF服务越来越多地面临各种“大数据”问题。推理存在时的查询处理就是其中之一。例如，为了完成SPARQL查询的答案集，RDF数据库系统通过耗时的查询重写算法或耗时的数据物化解决方案来评估语义RDFS关系（subPropertyOf，subClassOf）。为了减少内存占用并简化大型数据集的交换，这些系统通常应用字典方法，通过用整数值替换资源标识符（IRI）、空白节点和文字来压缩三倍数据大小。在这篇文章中，我们提出了一个结构化的资源识别方案，使用一个聪明的编码的概念和属性层次结构，有效地评估主要的常见RDFS蕴涵规则，同时最大限度地减少三重物化和查询重写。我们将展示如何通过可扩展的并行算法计算这种编码，并直接在Apache Spark框架上实现。我们的编码方案的效率是强调的合成和现实世界的数据集进行评估。
2015-10-12 cs.DB
Supporting SPARQL Update Queries in RDF-XML Integration
Web of Data鼓励组织和公司根据关联数据实践发布数据，并提供SPARQL端点。另一方面，信息交换的主导标准是XML。SPARQL 2XQuery框架专注于自动转换XQuery表达式中的SPARQL查询，以便通过Web访问XML数据。在本文中，我们概述了我们正在进行的工作，支持更新查询的RDF-XML集成方案。
2014-08-27 cs.DB
SERIMI - Resource Description Similarity, RDF Instance Matching and Interlinking
在关联数据云中发布的数据集的互连是一个具有挑战性的问题，也是语义Web成功的关键因素。基于规则的手动方法是解决这个问题的最有效的方法，但它们需要熟练的人类数据发布者经历一个费力、容易出错和耗时的过程，以手动描述两个数据集之间的规则映射实例。因此，解决这个问题的自动方法是非常受欢迎的。在本文中，我们提出了一种新的互连方法，SERIMI，自动解决这个问题。SERIMI匹配源数据集和目标数据集之间的实例，而无需事先了解这些数据集的数据、域或模式。与基准集合进行的实验表明，我们的方法大大优于国家的最先进的自动方法来解决关联数据云上的互连问题。
2011-07-06 cs.DB
Stream Containers for Resource-oriented RDF Stream Processing
我们引入了受链接数据平台启发的流容器，作为处理RDF流的替代方法。流容器表示可以以面向资源的方式访问的单个RDF数据流，这允许与现有的语义Web基础设施更好地互操作。流容器由负责实现S2R操作符的Web服务器管理，即为其客户端计算窗口。另一方面，客户端可以使用标准SPARQL处理器结合HTTP请求来进行RDF处理。通过将数据发布到流容器，可以将查询结果转换回RDF流（R2S操作符）。我们的面向资源的RDF流处理的方法可以导致更好的负载分布，从而更好的全球可扩展性。我们给出了一个总体概述所提出的架构以及整个系统的正式语义。
2022-02-28 cs.DB
A Scalable Framework for Quality Assessment of RDF Datasets
在过去的几年里，关联数据不断增长。今天，我们统计了超过10，000个遵循关联数据标准的在线数据集。这些标准允许数据是机器可读的和可互操作的。然而，许多应用程序，如数据集成，搜索和互连，不能充分利用关联数据，如果它是低质量的。存在一些用于关联数据的质量评估的方法，但是它们的性能随着数据大小的增加而降低，并且快速增长超出了单个机器的能力。在本文中，我们提出DistQualityAssessment -一个开源的大型RDF数据集的质量评估的实现，可以扩展到一个机器集群。这是第一个使用Apache Spark为大型RDF数据集计算不同质量指标的分布式内存方法。我们还提供了一个质量评估模式，可用于生成可应用于大数据的新的可扩展指标。本文介绍的工作与SANSA框架集成，并已应用于SANSA社区以外的至少三个用例。结果表明，我们的方法是更通用的，高效的，可扩展性相比，以前提出的方法。
2020-01-29 cs.DB cs.PF
Towards a better insight of RDF triples Ontology-guided Storage system abilities
语义Web的愿景正在成为现实，数十亿的RDF三元组分布在多个可查询的端点（例如链接数据）上。虽然已经有一个机构的RDF三倍持久存储的工作，它似乎是考虑到推理依赖查询，提供一个有效的，在性能，可扩展性和数据冗余方面的问题，分区的数据仍然是开放的。关于最近的数据划分研究，认为应该考虑几个方向（例如本体，数据，应用程序查询）来指导数据划分似乎是合理的。本文提出了几个贡献：描述了RDF数据高效持久存储的数据划分路线图应该包含的内容，给出了一些初步的结果和分析，并对本体引导（属性层次）划分的特殊情况进行了分析，最后介绍了一组语义查询重写规则，以支持需要OWL推理的RDF数据查询
2013-06-27 cs.DB
Co-evolution of RDF Datasets
链接数据倡议促进了在链接开放数据（LOD）云中发布大量RDF数据集，以及开发查询处理基础设施以联合方式访问这些数据。然而，不同的实验研究表明，LOD数据集的可用性并不能总是得到保证，RDF数据复制所需的设想可靠的联邦查询框架。尽管RDF数据复制增强了数据可用性，但当允许副本和源数据集随时间改变数据时，RDF数据复制需要同步和冲突解决，即，需要提供共同进化管理以确保一致性。在本文中，我们解决了RDF数据的协同进化问题，并设计了一种方法来解决RDF数据集的协同进化过程中的冲突。我们提出的方法是面向属性的，并允许利用语义的RDF属性在协同进化管理。我们的方法的质量在DBpedia-live数据集上的不同场景中进行了经验评估。实验结果表明，所提出的技术对源数据集和副本中的数据质量有积极的影响。
2016-03-28 cs.DB
It's Time to Standardize RDF Messages
IDLab – UGent – imec（IDLab - 根特大学 - imec）；NeverBlink；Warsaw University of Technology（华沙理工大学）
本文提出RDF消息的概念，用于定义单个通信行为，以解决事件驱动和流式处理中数据交换的互操作性问题，支持消息流和日志的定义。
2026-04-24 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
Sapphire: Querying RDF Data Made Simple
链接开放数据（LOD）云中的RDF数据对于许多不同的应用程序都非常有价值。为了释放这些数据的全部价值，用户应该能够对LOD云中的RDF数据集发出复杂的查询。SPARQL可以表达这样复杂的查询，但是构造SPARQL查询对用户来说可能是一个挑战，因为它需要知道被查询的数据集的结构和词汇。在本文中，我们介绍了蓝宝石，一个工具，帮助用户编写语法和语义正确的SPARQL查询，而无需事先了解查询数据集。Sapphire通过根据查询数据提供自动完成建议，以交互方式帮助用户键入查询。在发出查询后，Sapphire会提供更改查询的建议，以更好地满足用户的需求。我们基于性能实验和用户研究对Sapphire进行了评估，并表明它优于竞争方法。
2018-09-13 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
SPARQL with XQuery-based Filtering
关联开放数据（LOD）已经在各个领域得到了广泛的应用，但是除了标准的LOD数据描述框架RDF之外，还有大量的各种格式的开放数据。当这些开放数据与URI相关联时，它们也可以连接到LOD中的实体。以文档为中心的XML数据是与LOD中的实体相联系的开放数据，作为这些实体的补充文档，将这些XML数据转换为RDF需要使用信息抽取、本体设计和利用人类先验知识进行本体映射等技术。为了在LOD中充分利用以文档为中心的XML数据，提出了一种基于SPARQL的RDF和XML数据的无缝访问方法。特别地，提出了对SPARQL的扩展XQueryFILTER，它使XQuery能够作为SPARQL中的过滤器。针对SPARQL和XQuery结合的高效查询处理问题，提出了一种基于数据库理论的查询优化方法。本文通过实际的实验验证了XQueryFILTER的有效性和优化效率。
2020-09-14 cs.DB
Load Balanced Semantic Aware Distributed RDF Graph
现代语义应用程序以资源描述框架（RDF）数据的形式存储数据，由于RDF数据的激增，对海量RDF数据的有效管理变得至关重要。已经设计了许多与关系和基于图的方法来处理这些巨大的数据。由于关系方法遭受查询连接，我们提出了一个语义感知的基于图的分区方法。分区的片段进一步以负载平衡的方式分配。为了有效地进行查询处理，实现了部分复制。它减少了节点间的通信，从而加快了分布式RDF图的查询。该方法已在两个阶段的分割和分布的联动观测数据（LOD）。负载平衡语义感知RDF图（LBSD）的划分和分布的时间复杂度为O（n），其中n是三元组的数量，这通过算法执行时间（AET）的线性增加来证明，LOD数据从1倍扩展到5倍。LBSD已经被发现在4x之前表现良好。LBSD进行了比较，与最先进的关系和基于图形的分区技术。LBSD记录71%的QET增益时，平均超过所有四个查询类型。对于最常见的查询类型，线性和星形，平均65%的QET增益记录在原始配置的缩放实验。已发现最佳复制级别为原始数据的12%。
2021-07-22 cs.DB
A Linked Data Application Framework to Enable Rapid Prototyping
根据我们的经验，应用程序开发人员在处理链接数据技术时往往会犹豫不决。为了减少他们最初的障碍，使快速原型，我们在本文中提出了一个框架，用于建立链接数据应用程序。我们的方法特别考虑了Web开发人员和非技术用户的参与，他们对链接数据概念没有太多的先验知识。Web开发人员支持双向RDF到JSON转换和合适的CRUD端点。非技术用户可以通过模板语言浏览由JSON数据生成的网站。一个典型的开源实现展示了它的功能。
2021-04-28 cs.DB
Clustering RDF Databases Using Tunable-LSH
资源描述框架（RDF）是表示图结构数据的W3C标准，SPARQL是RDF的标准查询语言。信息抽取、链接数据管理和语义网的最新进展导致了可公开获得的RDF数据的数量和种类的快速增长。随着企业开始利用RDF数据，RDF数据管理系统面临的工作负载比它们设计处理的要多样化和动态得多。因此，越来越需要开发工作负载自适应和自调优的RDF数据管理系统。为了实现这一愿景，我们介绍了一种快速，有效的方法动态聚类RDF数据管理系统中的记录。具体来说，我们预先不假设工作负载，但是当执行SPARQL查询时，我们跟踪工作负载中的查询共同访问的记录，并对它们进行物理集群。为了动态地（因此，在恒定的时间）决定一个记录需要放置在存储系统中，我们开发了一个新的位置敏感的哈希（LSH）计划，可调LSH。使用Tunable-LSH，可以将跨类似查询集共同访问的记录散列到存储系统中的相同或附近的物理页面。Tunable-LSH与现有LSH方案的区别在于，它可以自动调整，即使在工作负载发生变化时也能高精度地实现上述集群目标。Tunable-LSH在我们的原型RDF数据管理系统，变色龙数据库，以及在一个独立的哈希表中的实验评估显示显着的端到端的改进现有的解决方案。
2015-04-19 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
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
Exposing Provenance Metadata Using Different RDF Models
在语义网上公开科学断言的结构化出处元数据的标准模型将提高科学话语和基于证据的知识发现的互操作性、可验证性、可靠性和再现性。已经提出了几种资源描述框架（RDF）模型来跟踪出处。然而，出处元数据可能不仅是冗长的，而且是显著冗余的。因此，一个合适的RDF出处模型应该能够有效地发布、查询和推理关联数据。在目前的工作中，我们已经收集了数百万的化学品，基因和疾病之间的成对关系，从多个数据源，并证明了在生命科学领域的出处信息的冗余程度。我们还评估了几种RDF来源模型对该众包数据集的适用性，包括N-ary模型，Singleton Property模型和Nanopublication模型。我们针对三个常用的大型RDF存储（包括Virtuoso、Stardog和Blazegraph）检查了查询性能。我们的实验表明，查询性能取决于RDF存储以及RDF出处模型。
2015-09-09 cs.DB cs.PF
Opportunities for Shape-based Optimization of Link Traversal Queries
本文针对链接遍历查询处理（LTQP）性能不足的问题，提出了一种基于RDF数据形状映射的源选择算法，初步实验表明该方法在真实查询中可将执行时间减少80%、遍历链接数减少97%，为基于形状的查询优化开辟了新机遇。
2024-08-28 cs.DB
SPARQL query processing with Apache Spark
链接数据源的数量和链接开放数据图的大小每天都在增长。因此，语义RDF服务越来越多地面临各种“大数据”问题。查询处理就是其中之一，需要在可伸缩、高可用和容错的框架上执行，从而有效地解决查询处理问题。需要这些属性的数据管理系统很少从头开始构建，而是在现有集群计算引擎的基础上设计的。在这项工作中，我们考虑使用Apache Spark处理SPARQL查询。我们提出并比较了五种不同的查询处理方法，基于不同的连接执行模型和Spark组件。在真实世界和合成数据集上的详细实验强调，为RDF数据模型定制的两种方法在所有主要查询形状上都优于其他方法，即，星型、雪花型、链式和混合型。
2016-11-03 cs.DB
Compressed k2-Triples for Full-In-Memory RDF Engines
当前的“数据洪流”已经用非常大的RDF数据集淹没了Web of Data。它们通过SPARQL端点托管和查询，SPARQL端点充当基于关联数据项目原则构建的语义网络的节点。尽管这是全局数据发布的现实哲学，但当RDF引擎（在端点后面）管理这些巨大的数据集时，其查询性能会降低。它们的索引不能完全加载到主存中，因此这些系统需要执行缓慢的磁盘访问来解决SPARQL查询。本文通过一种紧凑的索引RDF结构（称为k2-triples）来解决这个问题，该结构将紧凑的k2-树结构应用于众所周知的垂直划分技术。它获得了大型RDF图的超压缩表示，并允许SPARQL查询在内存中完全执行而无需解压缩。我们表明，k2-三元组明显优于国家的最先进的压缩性和传统的垂直分区查询分辨率，保持非常有竞争力的多索引解决方案。
2011-05-20 cs.DB cs.IR
Geo-L: Linking Geospatial Data Made Easy
地理空间关联数据是一个新兴的领域，在研究和工业界的兴趣越来越大。公开的地理空间关联数据资源越来越多，它们需要与网络上的私人和工业关联数据相互链接并轻松整合。本文介绍了Geo-L，一个基于拓扑关系的RDF空间链接发现系统。实验表明，该系统提高了国家的最先进的空间连接过程中的映射时间和准确性，以及有关资源检索效率和鲁棒性。
2020-09-03 cs.DB
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
TermPicker: Enabling the Reuse of Vocabulary Terms by Exploiting Data from the Linked Open Data Cloud - An Extended Technical Report
在将数据建模为链接开放数据（LOD）时，决定使用哪些词汇表术语绝非易事。选择过于通用的词汇表术语，或来自其他LOD数据集不使用的词汇表的术语，可能会导致数据表示，这将更难被人类理解，也更难被链接数据应用程序使用。在这份技术报告中，我们提出了TermPicker：一种新的词汇重用方法，通过利用LOD云上的其他数据提供者如何使用RDF类型和属性来描述其数据的信息来推荐RDF类型和属性。为此，我们引入了所谓的模式级模式（SLP）的概念。它们捕获RDF类型集合如何通过某些数据汇集中的属性集合进行连接，例如，在LOD云上的数据集中。TermPicker使用这样的SLP并生成一个词汇表术语的排序列表以供重用。推荐术语的列表通过使用机器学习方法学习排序（L2 R）计算的排序模型来排序。TermPicker基于推荐质量进行评估，该质量使用前五个位置的平均平均精度（MAP）和平均倒数秩（MRR@5）进行测量。我们的研究结果表明，使用SLP时，推荐质量提高了29% - 36%，相比之前调查的基线推荐仅受欢迎的词汇术语或来自相同词汇的术语。结合使用SLP和学习排序算法随机森林可以获得总体最佳结果。
2016-01-11 cs.DB cs.IR
LITMUS: An Open Extensible Framework for Benchmarking RDF Data Management Solutions
开放、大数据和关联数据的发展导致了Web上结构化数据的巨大增长。为了跟上以这种速度高效消费和管理数据的步伐，许多数据管理解决方案已被开发用于特定任务和应用程序。我们提出LITMUS，一个基准测试数据管理解决方案的框架。LITMUS超越了传统的存储基准测试框架，允许跨查询语言分析框架的性能。在这份立场文件中，我们提出了LITMUS的概念架构以及导致这种架构的考虑因素。
2016-08-09 cs.DB cs.PF
STREAK: An Efficient Engine for Processing Top-k SPARQL Queries with Spatial Filters
地理空间数据在应急、运输、农业等关键应用中的重要性，促使许多RDF处理引擎采用最新的GeoSPARQL标准。除了地理空间数据的大型存储库之外，LinkedGeoData、OpenStreetMap等--空间数据也经常在自动构建的知识库中找到，如Yago和WikiData。虽然已经有了在RDF/SPARQL中有效处理空间数据的研究工作，但很少有人致力于构建能够整体处理复杂SPARQL查询以及空间过滤器的端到端系统。在本文中，我们提出了条纹，RDF数据管理系统，旨在支持广泛的查询与空间过滤器，包括复杂的连接，top-k，高阶关系的空间丰富的数据库。Streak引入了各种新颖的功能，例如空间和非空间实体的仔细标识符编码策略，使用语义感知的四叉树索引，允许提前终止和巧妙地使用零计划切换成本的自适应查询处理。我们表明，Streak可以扩展到一些最大的公开可用的语义数据资源，如Yago 3和LinkedGeoData，其中包含空间实体和可量化的谓词，用于结果排名。对于实验评估，我们专注于top-k距离连接查询，并证明Streak优于流行的空间连接算法以及最先进的端到端系统，如Virtuoso和PostgreSQL。
2017-10-20 cs.DB
Close-reading of Linked Data: a case study in regards to the quality of online authority files
越来越多的文化机构使用关联数据原则来共享和连接其收藏元数据。在档案领域，出现了利用档案描述中包含的数据和使编码标准适应语义网的倡议。在这方面，可以使用在线权威文件来丰富元数据。然而，依赖于一个分散的知识库网络，如Wikidata，DBpedia甚至Viaf也有其自身的困难。本文旨在通过一种细读的方法，对这些链接的权威文件提供一个批判性的观点。通过一个实际的案例研究，我们打算确定和说明RDF三元组的可能性和限制相比，机构的结构化程度较低的元数据。
2019-02-06 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
GeomRDF: A Geodata Converter with a Fine-Grained Structured Representation of Geometry in the Web
CEDRIC, CNAM（法国国立工艺学院 CEDRIC 实验室）；Université Paris-Est（巴黎东大学）；IGN（法国国家地理林业信息研究所）
近年来，随着数据网络的出现，越来越多的国家测绘机构倾向于将地理空间数据发布为关联数据。然而，传统的GIS数据模型和链接数据模型之间的差异会使发布过程更加复杂。此外，它可能需要，要做到这一点，设置几个参数和一些专门知识的语义网技术。此外，必须使用GeoSPARQL（或特殊谓词）等标准对已发布的地理空间数据执行空间查询。在本文中，我们提出了GeomRDF，一个工具，可以帮助用户从传统的GIS格式的空间数据转换为RDF模型很容易。它生成的几何图形表示为GeoSPARQL WKT文字，但也作为结构化的几何图形，可以利用只使用RDF查询语言，SPARQL。GeomRDF作为RDF发布平台Datalift中的一个模块实现。已根据法国行政单位数据集（由IGN France提供）对GeomRDF进行了验证。
2015-03-16 cs.AI cs.DB
Bridging RDF Knowledge Graphs with Graph Neural Networks for Semantically-Rich Recommender Systems
ScaDS.AI \& TU Dresden, Dresden, Germany metaphacts GmbH, Walldorf, Germany Fujitsu Ltd., Japan
该研究提出将 RDF 知识图谱的对象属性拓扑与数据类型属性内容集成到 GNN 推荐系统中，并在数百万节点图上验证语义信息可显著提升推荐效果。
2025-06-10 cs.AI cs.DB cs.IR
An Experience Report of Large Scale Federations
我们提出了一个实验研究的大规模RDF联邦的Bio2RDF数据源的顶部，涉及29个数据集超过40亿RDF三元组部署在本地联邦。我们的联邦由FedX驱动，FedX是一种高度优化的关联数据联邦中介器。我们讨论的设计决策，技术方面，并在建立和优化Bio2RDF联邦的经验，并提出了一个详尽的联邦方案的实验评估。除了与本地联合会成员的控制设置，我们研究了在混合设置中产生的影响，其中本地联合会成员与远程联合会成员表现出更高的网络延迟。结果表明，联邦语义数据管理的可行性一般，并指出剩余的瓶颈和研究机会，应作为一个指导方针，在联邦语义数据处理领域的未来工作。
2012-10-19 cs.DB
LinkedCT: A Linked Data Space for Clinical Trials
Linked Clinical Trials（LinkedCT）项目旨在发布第一个开放的临床试验数据语义网数据源。LinkedCT公开的数据库是通过以下方式生成的：（1）将现有的临床试验数据源转换为RDF，以及（2）发现试验数据中的记录与其他几个数据源之间的语义链接。在本文中，我们讨论了这两个步骤所涉及的几个挑战，并提出了在LinkedCT中使用的方法来克服这些挑战。我们的语义链接发现的方法涉及使用国家的最先进的近似字符串匹配技术结合基于本体的语义匹配的记录，所有的声明性和易于使用的框架中进行。我们提出了一个评估我们提出的技术在几个链接发现的情况下，在LinkedCT的性能。
2009-08-04 cs.CE cs.DB cs.IR
Validating and describing linked data portals using shapes
链接数据门户需要能够宣传和描述其内容的结构。一种充分表达和直观的模式语言将允许门户与这些结构进行通信。验证工具将有助于公布和维护链接数据，并提高其质量。最近出现了两种描述RDF图结构的模式语言：形状表达式（ShEx）和约束语言（SHACL）。在本文中，我们描述了如何使用这些形式主义可以在一个链接的数据门户网站的发展来描述和验证其内容。作为一个用例，我们指定了一个数据模型的灵感来自WebIndex数据模型，一个中等大小的链接数据门户，使用ShEx和SHACL，我们提出了一个基准，可以生成兼容的测试数据结构的任何大小。然后，我们进行了一些初步的实验，显示性能的一个验证引擎的基础上ShEx。
2017-01-31 cs.DB cs.NI
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
Interest-based RDF Update Propagation
许多LOD数据集，如DBpedia和LinkedGeoData，都是庞大的，并且处理来自不同应用程序的大量请求。许多数据产品和服务依赖于完全或部分本地LOD复制，以确保更快的查询和处理。虽然这样的副本增强了信息共享和集成基础设施的灵活性，但它们也引入了数据重复，并带来了所有相关的不良后果。鉴于原始数据集和权威数据集的不断发展的性质，为了确保一致和最新的副本，需要以高昂的成本频繁更换。在本文中，我们介绍了一种基于兴趣的RDF更新传播的方法，它只将更新的有趣部分从源数据集传播到目标数据集。实际上，这使得远程应用程序能够“订阅”相关数据集，并在本地一致地反映必要的更改，而无需频繁地替换整个数据集（或相关子集）。我们的方法是基于一个正式的定义图模式为基础的兴趣表达，用于过滤有趣的部分更新的来源。我们在iRap框架中实现了该方法，并基于DBpedia Live更新进行了全面评估，以确认我们方法的有效性和价值。
2015-05-26 cs.DB cs.DC cs.IR
VoIDext: Vocabulary and Patterns for Enhancing Interoperable Datasets with Virtual Links
当与来自不同范围和知识领域的数据源进行互操作时，语义异构性仍然是一个问题。这一挑战的原因是特定于上下文的要求（即没有“一个模型适合所有”），不同的数据建模决策，特定于领域的目的和技术限制。此外，即使解决了不同RDF发布者和知识域之间的语义异构性问题，在Web上查询和访问分布式RDF数据集的数据也不是简单的。这是因为需要复杂而挑剔的过程来理解这些数据集如何相关或链接，并因此进行查询。为了解决这个问题，我们建议通过引入新的术语，如虚拟链接集的概念和数据模型模式，扩展现有的词汇表的互连数据集（VoID）。虚拟链接是资源之间的连接，例如文字和IRI（国际化资源标识符），具有某些共性，其中每个资源都来自不同的RDF数据集。链接是理解如何在语义上关联数据集所必需的。此外，我们描述了使用虚拟链接来提高异构和独立数据集之间的互操作性的几个好处。最后，我们将我们的方法应用于多个全球范围内使用的RDF数据集。
2019-09-08 cs.DB cs.IR
Truth Discovery to Resolve Object Conflicts in Linked Data
在关联数据社区中，由于语义网的开放性，任何人都可以将他们的数据作为关联数据发布在Web上。因此，描述同一真实世界实体的RDF（资源描述框架）三元组可以从多个来源获得;它不可避免地导致现实世界实体的某个谓词的冲突对象。本研究的目的是确定一个真实世界的实体的某个谓词从多个冲突的对象中的一个真理。基于常识的直观原理是，来自可靠来源的对象是可信的;因此，提供可信对象的来源是可靠的。基于这一原理的许多真理发现方法已经被提出来估计源的可靠性和识别真理。然而，现有的真相发现方法的有效性受到每个源提供的对象数量的显著影响。因此，这些方法不能简单地扩展以解决具有无标度属性的关联数据中的冲突，即，大多数源提供很少的冲突对象，而只有少数源具有许多冲突对象。为了应对这一挑战，我们提出了一种名为TruthDiscover的新方法来识别具有无标度属性的关联数据中的真相。TruthDiscover采用两种策略来降低无标度特性对真理发现的影响。首先，该方法利用信源信度图的拓扑特性来估计信源的先验信度，从而平滑信源的可信度。其次，该方法利用隐马尔可夫随机场来建模对象之间的相互依赖关系，以准确地估计对象的信任值。在六个数据集上进行实验来评估TruthDiscover。
2017-04-21 cs.DB
Querying over Federated SPARQL Endpoints ---A State of the Art Survey
在过去的几年里，越来越多的关联数据及其固有的分布式特性引起了整个研究界和从业者对数据搜索的极大关注。受传统分布式数据库研究成果的启发，介绍了在SPARQL端点上管理联邦的不同方法。SPARQL是RDF的标准化查询语言，RDF是链接数据部署中使用的默认数据模型，SPARQL端点是许多链接开放数据（LOD）存储库提供的流行访问机制。在本文中，我们首先概述了联邦框架的基础设施，然后继续与现有的SPARQL联邦框架的比较。最后，我们强调了现有框架的缺点，我们希望这有助于催生新的研究方向。
2013-06-07 cs.DB cs.DC
Efficient query evaluation techniques over large amount of distributed linked data
随着RDF的广泛应用和链接数据量的快速增长，对大量数据的高效查询成为一个重大挑战。在本文中，我们提出了一个家庭的算法查询大量的链接数据在分布式方式。这些查询评估算法独立于数据的存储方式以及查询评估的特定实现。然后，我们使用MapReduce范式提出了这些算法的分布式实现，并进行实验评估，虽然这些算法可以直接翻译成其他分布式处理框架。我们还研究并提出了多个查询分解方法的基本图模式（SPARQL查询的子类），用于提高分布式查询回答的整体性能。这些分解算法的有效性进行了深入的分析。
2022-09-12 cs.DB cs.DC cs.DS
Freebase-triples: A Methodology for Processing the Freebase Data Dumps
Freebase知识库是自2007年以来运营多年的重要语义网和链接数据技术。在2010年被Google收购并于2016年关闭之后，Freebase数据包含在数十亿RDF三元组的数据转储中。在这项研究中，Freebase数据转储的探索将展示理解和使用Freebase数据的最佳实践，并提出一种解析链接数据的通用方法。分析是在有限的计算资源和使用开源类Unix工具的情况下完成的。结果显示了该技术的效率，并突出了数据中的冗余，有可能重建近60%的原始数据。作为一个自2015年以来没有改变的归档数据集，Freebase的语义结构化数据在其他突出领域也有应用，例如信息检索（IR）和基于知识的问答（KBQA）。Freebase还可以作为其他结构化数据集的网关，如DBpedia，Wikidata和YAGO。
2017-12-23 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
Luzzu - A Framework for Linked Data Quality Assessment
随着链接开放数据云[9]的日益普及和增长，RDFa，微格式和其他将数据嵌入普通网页的方式，以及schema.org等举措，Web目前正在补充数据网络。因此，数据网与原来的文件网有许多共同的特点，但质量也各不相同。这种异质性使得确定Web上发布的数据的质量以及随后将这些信息明确地提供给数据消费者变得非常具有挑战性。本文的主要贡献是LUZZU，一个关联开放数据的质量评估框架。除了提供可用于数据清理的质量元数据和质量问题报告外，LUZZU还具有可扩展性：第三方指标可以轻松插入框架中。该框架不依赖于SPARQL端点，因此没有随之而来的所有问题，比如查询超时。基于SPARQL的质量评估框架的另一个优点是，LUZZU中实现的度量可以具有比三重匹配更复杂的功能。使用该框架，我们进行了质量评估的LOD云上可用的一些统计链接的数据集。在这次评估中，实施了来自10个不同维度的25个指标。
2016-01-07 cs.DB cs.SE
Enriching Linked Datasets with New Object Properties
Indian Institute of Technology - Madras（印度理工学院马德拉斯分校）
虽然有几个RDF知识库可通过LOD倡议，这样的链接数据集的本体模式不是很丰富。特别是，它们缺少对象属性。在任何两个给定类之间查找新对象属性（及其实例）的问题尚未在关联数据的上下文中详细研究。在本文中，我们提出了DART（检测任意关系丰富的T盒的关联数据）-一个无监督的解决方案，以丰富LOD云与两个给定的类之间的新对象属性。DART利用上下文相似性来从网络语料库中识别可能代表个体之间关系的文本模式。这些文本模式，然后聚类的释义检测手段，以捕捉两个给定的LOD类之间的对象属性。DART还将发现的关系完全自动映射到链接数据集中的属性。这有许多用途，如识别全新的关系，消除不相关的关系，并生成预期的属性公理。我们已经在几对类上对我们的方法进行了经验评估，发现该系统确实可以用于丰富具有新对象属性及其实例的链接数据集。我们将DART与NELL（Never-Ending Language Learning）的一个分支newOntExt系统进行了比较。我们的实验表明，DART给出了更好的结果比newOntExt的正确性，以及关系的数量。
2017-09-04 cs.AI cs.CL cs.DB
Interlinking Heterogeneous Data for Smart Energy Systems
智能能源系统，特别是太阳能分析，最近越来越受到关注。这主要是由于更加注重智能节能解决方案和光伏（PV）电池的最新发展。研究界正在提出各种数据驱动和机器学习框架。然而，这些框架执行它们的分析，并且是针对特定的、异构的和孤立的数据集设计的，这些数据集分布在不同的站点和来源中，使得很难比较结果并重现对类似数据的分析。我们提出了一种基于Web（W3C）标准和关联数据技术的方法，用于将PV和天气记录表示和转换为基于资源描述框架（RDF）图形的数据格式。这种格式和所提出的方法是数据集成场景的理想选择，在这种场景中，数据需要转换为同构形式，不同的数据集可以互连以进行分布式分析。
2019-07-05 cs.DB
A Framework to Assess Knowledge Graphs Accountability
本文提出 KGAcc 框架，通过问责需求与度量指标评估 RDF 知识图谱的问责性，并在 LOD 云上开展评估及与数据质量、FAIR 框架对比。
2023-09-28 cs.DB
A Hierarchical Aggregation Framework for Efficient Multilevel Visual Exploration and Analysis
数据探索和可视化系统在大数据时代非常重要，在大数据时代，可用信息的数量和异构性使得人类难以手动探索和分析数据。大多数传统系统以离线方式运行，仅限于访问预处理（静态）数据集。它们还限制自己处理小数据集大小，这可以很容易地用传统技术处理。然而，大数据时代已经实现了大量和各种各样的动态大数据集的可用性;它们中的大多数提供API或查询端点用于在线访问，或者以流的方式接收数据。因此，现代系统必须解决在大型动态数据集上的动态可扩展可视化的挑战，提供有效的探索技术以及信息抽象和汇总的机制。在这项工作中，我们提出了一个通用的模型，个性化的多层次的探索和分析大型动态集的数值和时间数据。我们的模型是建立在一个轻量级的基于树的结构，可以有效地构建在一个给定的数据集的飞行。这种树结构将输入对象聚合到分层多尺度模型中。考虑到大数据集上的不同探索场景，该模型实现了高效的多级探索，通过用户交互提供增量构建和预取，并根据用户偏好动态适应层次结构。一个彻底的理论分析，说明所提出的模型的效率。所提出的模型是在一个基于Web的原型工具中实现的，称为SynopsViz，它提供了对关联数据集的多级可视化探索和分析。
2016-02-19 cs.DB cs.DS cs.HC
Linked Open Data Validity -- A Technical Report from ISWS 2018
链接开放数据（LOD）是Web中公开可用的RDF数据。每个LOD实体都由URI标识，并可通过HTTP访问。LOD编码的全球范围内的知识可能提供给任何人以及人工智能，可能要从中受益的背景知识，以支持他们的任务。LOD已经成为自然语言处理、信息检索、计算机视觉、语音识别等不同领域应用的支柱。然而，无论基于LOD的工具旨在解决的具体任务，这些知识的重用可能是具有挑战性的各种原因，例如语义异构性，出处和数据质量。正如Heath等人恰当地指出的那样，“关联数据可能是过时的，不精确的，或者只是错误的”：有必要调查关联数据的有效性问题。这项工作报告了九个学生团队在同等数量的高级研究人员的指导下，参加国际语义网研究学院（ISWS 2018），从不同的角度以及不同的方法来解决这一问题。
2019-03-26 cs.CY cs.DB
An Ontology Model for Climatic Data Analysis
近年来，本体已被广泛应用于数据建模和数据管理的研究领域。它们极大地帮助定义与领域知识相结合的底层数据的语义模型。在本文中，我们提出了气候分析（CA）本体建模遥感分析师使用的气候数据集。我们使用美国国家海洋和大气管理局（NOAA）公布的数据，以进一步探讨如何本体建模可以用来促进气候数据处理领域。这项工作的想法是将关系气候数据转换为资源描述框架（RDF）数据模型，以便将其存储在图形数据库中，并作为关联数据通过Web轻松访问。通常情况下，这为对NOAA等数据集感兴趣的气候研究人员提供了丰富其他数据库并与之相互链接的潜力。因此，我们的方法有利于数据集成和分析不同的气候数据源，并允许研究人员直接在Web上使用标准的SPARQL查询语言询问这些来源。
2021-06-06 cs.DB
