Killing Two Birds with One Stone -- Querying Property Graphs using SPARQL via GREMLINATOR
知识图谱在过去十年中变得流行，并且经常依赖于资源描述框架（RDF）或属性图（PG）数据库作为数据模型。然而，这两种数据模型的查询语言--RDF的SPARQL和PG遍历语言Gremlin --缺乏互操作性。我们介绍Gremlinator，SPARQL（W3C RDF标准化语言）和Gremlin（一种流行的属性图遍历语言）的第一个翻译器。Gremlinator将SPARQL查询转换为Gremlin路径遍历，以便在图数据库上执行图模式匹配查询。这允许精通SPARQL的用户访问和查询各种各样的图数据管理系统（DMS），避免了适应新的图查询语言（GQL）的陡峭学习曲线。Gremlin是一种与图计算系统无关的遍历语言（涵盖OLTP图数据库或OLAP图处理器），使其成为支持查询图DMS的互操作性的理想选择。Gremlinator目前支持SPARQL 1.0的一个子集的翻译，特别是SPARQL SELECT查询。
2018-01-25 cs.DB
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
Towards Query Optimization for SPARQL Property Paths
SPARQL在1.1版中扩展了属性路径，为RDF图数据库提供了一种常规路径查询。然而，这样的查询很难有效地优化和评估。我们已经开始了一个名为Waveguide的项目，为带有属性路径的SPARQL查询构建一个基于成本的优化器。Waveguide构建一个查询计划-波导计划（WGP）-它指导查询评估。在构建计划时有许多选择，以及许多优化方法，这意味着查询的计划空间可能相当大。同一查询的计划的执行成本可以按数量级变化。我们说明了这种方法提供的优化类型和可以获得的性能增益。可以估计WGP的成本，这为基于成本的优化开辟了道路。
2015-04-30 cs.DB
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
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
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
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
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
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
The Lothbrok approach for SPARQL Query Optimization over Decentralized Knowledge Graphs
虽然Web of Data原则上提供了对广泛的互连数据的访问，但今天的语义Web架构主要依赖于数据提供者通过SPARQL端点来维护对其数据的访问。然而，一些研究表明，这些端点经常会遇到停机时间，这意味着它们维护的数据变得不可访问。虽然基于对等（P2P）技术的分散式系统先前已经显示出增加了知识图谱的可用性，但是即使当大部分节点发生故障时，在这样的设置中处理查询也可能是昂贵的任务，因为回答单个查询所需的数据可能分布在多个节点上。因此，在本文中，我们提出了一种方法来优化SPARQL查询分散的知识图谱，称为Lothbrok。虽然在优化此类查询时可能需要考虑许多方面，但我们专注于三个方面：基数估计，局部感知和数据碎片。我们的经验表明，Lothbrok是能够实现显着更快的查询处理性能相比，最先进的处理具有挑战性的查询时，以及当网络处于高负载下。
2022-08-31 cs.DB
Provenance for SPARQL queries
确定语义Web中可用数据的信任度对于应用程序和用户来说是至关重要的，特别是对于从SPARQL端点获得的链接开放数据。在文献中有几个建议，从抽象模型的值注释SPARQL查询结果，适应的起源注释关系数据库的开创性工作。我们提供了一种方法，能够提供一个大的和重要的SPARQL 1.1片段的出处信息，包括第一次在多集语义下的主要非单调结构。该方法是基于翻译的SPARQL到关系查询的注释关系的值的最一般的m-半环，并以这种方式也驳斥了文献中的说法，SPARQL的可选结构不能被捕获适当的已知的抽象模型。
2013-03-28 cs.DB
A Stitch in Time Saves Nine -- SPARQL querying of Property Graphs using Gremlin Traversals
知识图谱在过去几年中变得流行，并且经常依赖于资源描述框架（RDF）或属性图（PG）作为底层数据模型。然而，这两种数据模型的查询语言--用于RDF的SPARQL和用于属性图遍历的Gremlin--缺乏互操作性。我们提出Gremlinator，一个小说SPARQL Gremlin翻译。Gremlinator将SPARQL查询转换为Gremlin遍历，以便在图数据库上执行图模式匹配查询。这允许使用W3 C标准化的SPARQL查询语言访问和查询各种各样的图数据管理系统（DMS），并避免新的图查询语言的学习曲线。Gremlin是一种与系统无关的遍历语言，覆盖OLTP图形数据库或OLAP图形处理器，因此使其成为支持互操作性wrt的理想选择。查询Graph DMS。我们提出了一个全面的经验评估Gremlinator，并证明其有效性和适用性，通过执行SPARQL查询上领先的图形存储Neo4J，Sparksee和Apache TinkerGraph和比较的性能与RDF存储Virtuoso，4Store和JenaTDB。我们的评估表明，Gremlin同行的SPARQL查询，特别是对于星形和复杂的查询获得了可观的性能增益。
2018-02-12 cs.DB cs.PF
SPARQL over GraphX
RDF数据模型链接来自异构域的数据的能力导致了RDF数据的爆炸式增长。因此，在大型RDF数据上评估SPARQL查询对于语义Web社区至关重要。然而，由于RDF数据的图形特性，在关系数据库和常见的数据并行系统中评估SPARQL查询需要大量的连接，并且效率低下。另一方面，诸如社交网络数据之类的本质上是图的数据集的复杂性已经导致数据库社区开发图-并行处理系统以有效地支持迭代图计算。在这项工作中，我们利用RDF数据的图形表示，并利用GraphX，一个新的图形处理系统的基础上Spark。我们提出了一个子图匹配算法，兼容GraphX编程模型来评估SPARQL查询。一些实验表明，系统的可扩展性，以处理大型数据集。
2017-01-11 cs.DB
Simplified SPARQL REST API - CRUD on JSON Object Graphs via URI Paths
German Research Center for Artificial Intelligence GmbH (DFKI)（德国人工智能研究中心有限公司（DFKI））；Robert Bosch GmbH（罗伯特·博世有限公司）
在语义Web社区中，SPARQL是查询和更新RDF知识的主要语言之一。然而，SPARQL的复杂性、底层的图结构和各种编码是语义Web新手常见的困惑来源。在本文中，我们提出了一种通用方法，将任何给定的SPARQL端点转换为简单易用的REST API。为了降低初始障碍，我们将底层图表示为嵌套JSON对象的互连视图，这些对象可以由API路径遍历。
2018-05-03 cs.AI cs.DB
SparqLog: A System for Efficient Evaluation of SPARQL 1.1 Queries via Datalog [Experiment, Analysis and Benchmark]
本文针对数据库与语义网技术语言割裂、互操作困难的问题，提出统一一致的 SparqLog 框架，以通过 Datalog 高效支持 SPARQL 1.1 查询并兼顾两方面需求。
2023-07-11 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
Star Pattern Fragments: Accessing Knowledge Graphs through Star Patterns
语义Web提供了对通过SPARQL端点访问的大量互联信息的访问。这样的端点提供了一个定义良好的接口来检索复杂SPARQL查询的结果。处理这种SPARQL端点的计算负载提供了对大量互连信息的访问。虽然它们提供了一个定义良好的接口来有效地检索复杂SPARQL查询的结果，但复杂的查询负载很容易使端点过载或崩溃，因为回答查询的所有计算负载都完全驻留在托管端点的服务器上。最近提出的接口，如三重模式片段，因此，在非选择性三重模式的情况下，以增加网络流量为代价，将一些查询处理负载从服务器转移到客户端。因此，本文提出了星型模式片段（SPF），RDF接口，使服务器和客户端之间的一个更好的负载均衡分解成星形的子查询，SPARQL查询，评估他们在服务器端。使用合成数据（WatDiv）和真实数据（DBpedia）的实验表明，SPF不仅显著减少了网络流量，而且在高查询负载下比最先进的接口快两个数量级。
2021-11-09 cs.DB
Dynamic Provenance for SPARQL Update
虽然语义Web目前可以通过使用W3C PROV标准来展示出处信息，但在使用SPARQL将PROV连接到存储和查询RDF图的动态更改时存在“缺失的一环”。解决这个问题对于诸如为RDF创建版本控制系统这样的清晰用例是必需的。虽然一些起源模型和注释技术，用于存储和查询起源数据最初开发的数据库或工作流的头脑容易转移到RDF和SPARQL，这些技术不容易适应描述动态RDF数据集随时间的变化。在本文中，我们探讨了如何将Buneman等人的动态复制-粘贴起源模型[2]适应于随SPARQL更新而随时间变化的RDF数据集，如何以与W3C PROV兼容的方式将产生的起源记录本身表示为RDF，以及如何通过重新解释SPARQL更新来定义起源信息。本文的主要贡献是一个语义框架，使SPARQL更新的语义被用作一个“剪切和粘贴”的起源模型的基础上，在原则上的方式。
2014-08-05 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
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
Partout: A Distributed Engine for Efficient RDF Processing
对语义Web技术的兴趣日益增加，不仅导致Web上语义数据的快速增长，而且还导致后端应用程序的数量不断增加，在某些情况下已经超过万亿个三元组。面对如此庞大的数据量和未来的增长，现有的用于存储RDF和处理SPARQL查询的最先进的系统不再足够。在本文中，我们介绍了Partout，一个分布式引擎，高效的RDF处理的机器集群。我们提出了一种有效的方法来分割RDF数据集的查询日志的基础上，分配片段的集群中的节点，并找到最佳的配置。Partout可以有效地处理更新，并且它的查询优化器可以为特殊SPARQL查询生成有效的查询执行计划。我们的实验表明，我们的方法的优越性国家的最先进的方法进行分区和分布式SPARQL查询处理。
2012-12-21 cs.DB
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
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
The XML and Semantic Web Worlds: Technologies, Interoperability and Integration. A Survey of the State of the Art
在新兴的数据网络的背景下，大量的组织、机构和公司（例如，DBpedia、Geonames、PubMed ACM、IEEE、NASA、BBC）采用关联数据实践，并利用语义网（SW）技术发布其数据。另一方面，当今Web中信息交换的主导标准是XML。许多国际标准（例如，Dublin Core、MPEG-7、METS、TEI、IEEE LOM）已经用XML Schema表示，从而产生了大量的XML数据集。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，提供互操作性和集成机制来弥合SW和XML世界之间的差距是至关重要的。在本章中，我们将对XML和SW世界所采用的技术和标准进行概述和比较。此外，我们还概述了W3C小组的最新工作，包括最新的工作草案和建议（例如，OWL 2、SPARQL 1.1、XML Schema 1.1）。此外，我们提出了一个调查的研究方法，旨在提供XML和SW世界之间的互操作性和集成。最后，我们提出了SPARQL 2XQuery和XS 2 OWL框架，它们弥合了这两个世界之间的差距，并创建了一个可互操作的环境。这些框架提供了以下机制：（a）查询转换（SPARQL到XQuery转换）;（b）映射规范和生成（本体到XML模式映射）;以及（c）模式转换（XML模式到OWL转换）。
2016-08-11 cs.DB
Distributed Processing of Generalized Graph-Pattern Queries in SPARQL 1.1
我们提出了一个有效的和可扩展的体系结构，用于处理广义的图形模式查询，因为它们是指定的SPARQL 1.1“查询语言“组件的当前W3C建议。具体来说，我们考虑的一类查询由SPARQL三元组模式与标记的属性路径。从关系的角度来看，这个类解析为带有附加图可达性谓词的关系连接的合取查询。对于可扩展的，即，分布式，处理这种查询非常大的RDF集合，我们开发了一个合适的分区和索引方案，这使我们能够在整个集群的计算节点上分割RDF三元组，并在所有相关的图形分区（从而计算节点）上并行处理传入的SPARQL查询。与大多数以前的作品在这一领域，我们专门针对统一优化和分布式处理的查询组成的关系连接和图形可达性谓词。计算节点之间的所有通信都是通过基于消息传递接口的专有异步通信协议建立的。
2016-12-20 cs.DB
Automated Climate Analyses Using Knowledge Graph
FAIR（可查找、可解释、可互操作、可重用）数据原则是气候研究人员和当前数字生态系统中所有利益相关者的基础。在本文中，我们演示了如何关系气候数据可以是“公平的”，并使用RDF建模，符合语义Web技术和我们的气候分析本体。因此，异构气候数据可以存储在图形数据库中，并作为链接数据在Web上提供。因此，气候研究人员将能够使用标准SPARQL查询语言直接在Web上查询这些来源。在本文中，我们展示了我们的SPARQL端点自动气候分析的有用性。我们举例说明了两个示例用例，这些用例确立了将气候数据表示为知识图谱的优势。
2021-10-21 cs.DB
Revealing Secrets in SPARQL Session Level
Southeast University（东南大学）；Leipzig University（莱比锡大学）；University of Paderborn（帕德博恩大学）；Tongji University（同济大学）
知识图谱基于语义Web技术，通过SPARQL服务帮助用户发现感兴趣的信息。搜索者经常反复检查中间结果，并在搜索会话中反复修改SPARQL查询。在这种情况下，理解用户行为是有效的意图预测和查询优化的关键。然而，这些行为还没有在SPARQL会话级别进行系统的研究。本文通过对大量真实SPARQL查询日志的全面调查，揭示了会话级用户搜索行为的秘密。特别是，我们彻底评估用户w.r.t.查询的变化。SPARQL查询的结构和数据驱动功能。为了说明我们的研究结果的潜力，我们采用了一个应用程序的例子，如何使用我们的研究结果，这可能是有价值的设计高效的SPARQL缓存，自动完成，查询建议，近似和放松技术在未来。
2020-11-02 cs.AI cs.DB
Using Linguistic Analysis to Translate Arabic Natural Language Queries to SPARQL
The Islamic University of Gaza（伊斯兰大学（加沙））
语义网基于逻辑的机器可理解的框架往往挑战天真的用户，当他们试图查询基于本体的知识库。现有的研究工作已经接近这个问题，通过引入自然语言（NL）接口的本体。这些NL接口具有基于NL用户查询构造SPARQL查询的能力。然而，大多数努力仅限于用英语表达的查询，并且它们通常受益于英语NLP工具的进步。然而，很少有研究已经做了支持查询的阿拉伯语内容的语义Web上使用NL查询。本文提出了一种独立于领域的方法，利用语言分析将阿拉伯语NL查询转换为SPARQL。基于对名词短语（NPs）的特殊考虑，我们的方法使用语言解析器从阿拉伯语解析树中提取NPs和关系，并将它们与底层本体进行匹配。然后，它利用本体中的知识将NP分组为基于三重的表示。通过提取目标和修饰符，并将它们解释为SPARQL，最终生成SPARQL查询。对高级语义特征包括否定、连词和转折修饰语的解释也得到了支持。使用OWL测试数据和查询数据集对该方法进行了验证，结果证实了该方法将阿拉伯语NL查询转换为SPARQL的可行性。
2015-08-06 cs.AI cs.CL 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
Mapping RDF Graphs to Property Graphs
越来越多的科学和社会数据发布在资源描述框架（RDF）中。虽然RDF数据可以使用SPARQL语言查询，但即使是基于SPARQL的操作在实现遍历或分析算法方面也有局限性。最近，各种各样的图形数据库实现专门用于分析的属性图模型已经出现。然而，RDF模型和属性图模型是不可互操作的。在这里，我们开发了一个框架的基础上的图形到图形映射语言（G2GML）映射RDF图的属性图，使最积累的RDF数据。使用该框架，RDF模型中描述的图数据可以转换为属性图模型，并可以加载到多个图数据库引擎进行进一步分析。未来的工作包括实现和利用图形算法，以充分利用各种分析引擎中积累的数据。
2018-12-05 cs.DB
PHD-Store: An Adaptive SPARQL Engine with Dynamic Partitioning for Distributed RDF Repositories
许多存储库使用通用的RDF模型来发布数据。存储库通常是分布式的并且在地理上是远程的，但是数据是互连的（例如，语义网），并通过SPARQL等语言进行全局查询。由于网络成本和查询的性质，执行时间可能非常高。当前的解决方案试图通过在预处理阶段重新分布所有数据来最小化网络成本，但是存在两个缺点：（i）重新分布是基于可能不会使许多未来查询受益的统计学的;以及（ii）即使对于中等大小的数据集，预处理阶段也非常昂贵。在本文中，我们提出了PHD-Store，一个SPARQL引擎的分布式RDF存储库。我们的系统不假设任何特定的初始数据放置，也不需要验证;因此，它最大限度地减少了启动成本。最初，PHD-Store使用可能较慢的分布式半连接算法来回答查询，但通过增量地重新分配频繁访问的数据来动态地适应查询负载。重分发的方式是，未来的查询可以受益于快速的基于散列的并行执行。我们对合成数据和真实数据的实验验证了PHD-Store可以扩展到非常大的数据集;许多存储库;收敛到与现有方法相当或更好的分区质量;并且执行大型查询负载的速度比我们的竞争对手快1到2个数量级。
2014-05-20 cs.DB
PRoST: Distributed Execution of SPARQL Queries Using Mixed Partitioning Strategies
RDF图的规模近年来迅速增长，需要分布式存储和并行处理策略。为了使用计算机集群获得高效的查询处理，已经提出了各种不同的方法。与本文中提出的方法相关的是构建在Hadoop HDFS之上的系统，例如使用Apache Accumulo或使用Apache Spark。我们提出了一个新的RDF存储称为PRoST（Spark表上的分区RDF）基于Apache Spark。PRoST引入了一种创新的策略，将垂直分区方法与属性表相结合，这是两种预先存在的用于存储RDF数据集的模型。我们证明，我们的建议优于最先进的系统w.r.t.运行时适用于各种查询类型，无需任何广泛的预计算阶段。
2018-02-16 cs.DB
VGStore: A Multimodal Extension to SPARQL for Querying RDF Scene Graph
Wangxuan Institute of Computer Technology (WICT), Peking University（北京大学王选计算机研究所）；Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院）
语义Web技术已经成功地为许多RDF模型提供了丰富的数据表示方法。它还具有表示和存储多模态知识库（如多模态场景图）的潜在能力。然而，大多数现有的查询语言，特别是SPARQL，几乎没有探索隐含的多模态关系，如语义相似性，空间关系等，我们首先探讨了这个问题，通过组织一个大规模的场景图数据集，即Visual基因组，在RDF图数据库。基于所提出的RDF存储的多模态场景图，我们扩展了SPARQL查询以回答包含关于颜色、空间等的关系推理的问题。VGStore）展示了定制查询和显示多模态数据的有效性。
2022-09-07 cs.CL cs.DB
Facade-X: an opinionated approach to SPARQL anything
语义Web研究社区从一开始就明白，为实践者提供将非RDF资源转换为RDF的方法是多么重要。建议关注于工程内容转换或使用SPARQL访问非RDF资源。现有的解决方案要求用户学习特定的映射语言（例如RML），了解如何查询和操作各种源格式（例如XPATH、JSON-Path），或者组合多种语言（例如SPARQL Generate）。在本文中，我们探索了一种替代解决方案，并提供了一个通用的元模型，用于将非RDF资源转换为RDF：Facade-X。我们的方法可以通过覆盖SERVICE操作符来实现，并且不需要扩展SPARQL语法。我们将我们的方法与最先进的方法RML和SPARQL Generate进行比较，并展示了我们的解决方案如何具有较低的学习需求和认知复杂性，并且实现和维护成本更低，同时具有可比的可扩展性和效率。
2021-06-04 cs.DB cs.IR
Efficient SPARQL Autocompletion via SPARQL
我们将展示如何实现快速自动完成非常大的知识库上的SPARQL查询。在SPARQL查询主体中的任何位置，自动完成都建议匹配主语、谓语或宾语。这些建议是上下文敏感的，因为它们会导致非空结果，并根据它们与已键入的查询部分的相关性进行排名。可以通过前缀搜索所需主语、谓语或宾语的名称和别名来缩小建议范围。所有建议本身都是通过SPARQL查询获得的，我们称之为自动完成查询。对于现有的SPARQL引擎，这些查询在大型知识库上非常慢。我们提出了各种现有的SPARQL引擎的算法和工程改进，使这些自动完成查询有效地执行。我们提供了一个广泛的评估各种建议的方法在三个大的知识库，包括维基数据（6.9B三元组）。我们探讨的建议和自动完成查询的处理时间的相关性之间的权衡。我们比较我们的结果与两个广泛使用的SPARQL引擎，Virtuoso和Blazegraph。在Wikidata上，我们以低于秒的响应时间为超过90%的大型和多样化的数千个自动完成查询实现了完全敏感的建议。完全再现性材料、交互式评估Web应用程序和演示可在https://ad.informatik.uni-freiburg.de/publications上获得。
2021-04-29 cs.DB cs.HC cs.IR
Evaluating navigational RDF queries over the Web
语义Web及其底层的数据格式RDF，由于其类似于图的结构，自然适合于导航查询。当考虑Web上的RDF数据时，这一点尤其明显，其中各种单独发布的数据集相互引用，并形成一个称为关联数据网的巨大图表。虽然通过SPARQL属性路径支持对单个RDF数据集的导航查询，但对在链接数据上评估它们知之甚少。在本文中，我们提出了一种基于经典的人工智能搜索算法A* 的Web属性路径查询评估方法，显示其在Web的开放世界设置的最优性，并使用现实世界的查询访问各种RDF数据集在线测试。
2017-03-14 cs.DB
Path discovery by Querying the federation of Relational Database and RDF Graph
用于检测路径的查询的类别是重要的，因为它们可以提取输入图的节点上的隐式二元关系。RDF社区使用的大多数路径查询语言，如W3C SPARQL 1.1中的属性路径和nSPARQL中的嵌套正则表达式都是基于正则表达式的。联合查询允许将图模式和关系数据库组合在一起，从而能够在单个查询中对多个异构数据资源进行评估。W3C SPARQL 1.1中的联邦查询目前在不同的SPARQL端点上进行评估。本文提出了一种联邦路径查询语言，作为常规路径查询语言的扩展，以支持RDF图与关系数据库的集成。联邦路径查询语言绝对比嵌套正则表达式和无否定属性路径更具表达力。其额外的表达能力可以用于捕获嵌套的正则路径查询的合取和联合。尽管表达能力的增加，我们也表明，联邦路径查询仍然享有低计算复杂性，可以有效地进行评估。
2016-10-25 cs.DB
Certain Answers to a SPARQL Query over a Knowledge Base (extended version)
Free University of Bozen-Bolzano（博尔扎诺自由大学）
本体中介查询（OMQA）是一个完善的框架，用于回答RDFS或OWL知识库（KB）上的查询。OMQA最初是为联合查询（UCQ）设计的，并且基于某些答案。最近，OMQA已经扩展到SPARQL查询，但据我们所知，在这个方向上所做的努力（无论是在文献中，或所谓的SPARQL蕴涵制度）是能够捕捉到某些答案UCQ和SPARQL的标准解释在一个普通的图。我们将这些形式化为任何语义都要满足的要求，旨在调和某些答案和SPARQL答案，并定义了三个额外的要求，概括为知识库的SPARQL答案的一些基本属性。然后，我们表明，可以定义一个语义，满足所有要求SPARQL查询与SELECT，UNION和OPTIONAL，和DL与规范模型属性。我们还调查了在这样的语义DL-Lite R KB的查询回答的组合复杂性。特别是，我们表明不同的SPARQL片段，已知的上界查询回答一个普通的图相匹配。
2019-11-21 cs.AI 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
Multidimensional Enrichment of Spatial RDF Data for SOLAP -- Full Version
大量的空间数据和多维数据被发布在语义网上，这为高级分析带来了新的机会，如空间在线分析处理（SONOPS）。RDF Data Cube（QB）和QB 4 OLAP词汇表已广泛用于标注和发布统计和多维RDF数据。虽然这样的统计数据集可能有空间信息，如坐标，缺乏空间语义和空间多维概念，在QB 4 OLAP和QB阻止用户使用空间数据上使用SPARQL的SONORTH查询。另一方面，QB 4SONIC词汇表完全支持在语义Web上注释空间和多维数据，并使用户能够使用SPARQL中的SONIC操作符查询端点。为了弥合QB/QB 4 OLAP和QB 4SONOW之间的差距，我们提出了一个RDF 2SONOW丰富模型，自动标注空间多维概念与QB 4SONOW，并在这样做，使SONOW现有的QB和QB 4 OLAP数据上的语义Web。此外，我们提出并评估了广泛的丰富算法，并将其应用于涉及具有复杂几何类型的政府开放数据的非平凡现实用例。
2020-02-16 cs.DB
G2GML: Graph to Graph Mapping Language for Bridging RDF and Property Graphs
我们如何最大限度地发挥累积的RDF数据的价值？尽管RDF数据可以使用SPARQL语言查询，但即使是基于SPARQL的操作在实现遍历或分析算法方面也有局限性。最近，出现了各种专用于分析属性图（PG）模型的数据库实现。将RDF数据集嵌入这些图形分析引擎，通过各种应用程序接口提供对累积数据集的访问。然而，RDF模型和PG模型不能互操作。在这里，我们开发了一个框架的基础上的图形到图形映射语言（G2GML）映射RDF图PG，使最积累的RDF数据。使用该框架，可以将RDF模型中描述的累积图数据转换为PG模型，然后可以将PG模型加载到图数据库引擎以进行进一步分析。为了支持不同的图数据库实现，我们重新定义了PG模型，并提出了其可交换的序列化格式。我们展示了几个用例，其中公开可用的RDF数据被提取并转换为PG。这项研究桥接了RDF和PG，有助于知识图谱的互操作管理，从而扩展了累积RDF数据的用例。
2022-03-12 cs.DB
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
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
Bio-SODA: Enabling Natural Language Question Answering over Knowledge Graphs without Training Data
结构化数据上的自然语言处理问题已经成为关系数据库和语义Web社区内的一个不断增长的研究领域，其中涉及知识图谱（KGQA）上的问答的显著努力。然而，这些方法中的许多方法要么专门针对使用DBpedia的开放域问答，要么需要大型训练数据集将自然语言问题翻译为SPARQL，以便查询知识图。因此，这些方法通常不能直接应用于没有先前训练数据可用的复杂科学数据集。在本文中，我们专注于科学数据集的知识图谱上的自然语言处理的挑战。特别是，我们引入生物SODA，自然语言处理引擎，不需要训练数据的形式的问答对生成SPARQL查询。Bio-SODA使用通用的基于图的方法将用户问题转换为SPARQL候选查询的排名列表。此外，Bio-SODA使用一种新的排名算法，包括节点中心度作为相关性的衡量标准，用于选择最佳的SPARQL候选查询。我们对多个科学领域的真实数据集进行的实验，包括官方的关联数据上的生物信息学问答（QALD）挑战，表明Bio-SODA的F1分数至少为20%，并且在更复杂的生物信息学数据集上甚至更高。
2021-06-14 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
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
Bridging the Technology Gap Between Industry and Semantic Web: Generating Databases and Server Code From RDF
尽管语义网领域取得了巨大的进步，但工业界很少采用语义网技术及其存储和查询概念。相反，通常部署关系数据库（RDB）来存储通过REST接口访问的业务关键型数据。然而，一些企业将极大地受益于语义Web相关的数据集，这些数据集通常用资源描述框架（RDF）表示。为了弥合这一技术差距，我们提出了一种全自动的方法，可以生成合适的RDB模型，并使用REST API来访问它们。在我们的评估中，从不同的RDF数据集生成的数据库进行检查和比较。我们的研究结果表明，数据库充分反映了他们的同行，而API是能够重现相当简单的SPARQL查询。确定了改进的潜力，例如，减少生成的数据库中的数据冗余。
2020-11-16 cs.DB
Context-Free Path Queries on RDF Graphs
导航图查询是一类重要的查询，它可以提取输入图节点上的隐式二元关系。RDF社区中使用的大多数导航查询语言，例如W3C SPARQL 1.1中的属性路径和nSPARQL中的嵌套正则表达式，都是基于正则表达式的。众所周知，正则表达式具有有限的表达能力;例如，一些自然查询，如同代查询，不能用正则表达式表达。为了克服这一局限性，在本文中，我们提出了cfSPARQL，SPARQL查询语言配备了上下文无关文法的扩展。cfSPARQL语言严格来说比属性路径和嵌套表达式更具表达性。额外的表达能力可以用于建模图相似性，图摘要和本体对齐。尽管增加的表达，我们表明，cfSPARQL仍然享有低计算复杂性，可以有效地进行评估。
2016-10-07 cs.DB
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
Optimizing SPARQL Query Answering over OWL Ontologies
University of Ulm（乌尔姆大学）；National Technical University of Athens（雅典国家技术大学）
SPARQL查询语言目前正在由万维网联盟（W3C）用所谓的蕴涵机制进行扩展。蕴涵机制定义了如何在比SPARQL标准简单蕴涵更有表达力的语义下评估查询，SPARQL标准简单蕴涵基于子图匹配。查询是非常有表现力的，因为变量可以出现在复杂的概念中，也可以绑定到概念或角色名称。在本文中，我们描述了一个声音和完整的算法OWL直接语义蕴涵制度。我们进一步提出了一些新的优化，如确定一个良好的查询执行顺序，查询重写技术的战略，并显示如何专门的OWL推理任务和概念和角色层次结构，可以用来减少查询执行时间。为了确定一个良好的执行顺序，我们提出了一个基于成本的模型，其中的成本是基于信息的概念和角色的实例，从一个OWL推理建立的模型抽象提取。我们提出了两种排序策略：静态和动态的。对于动态的情况下，我们提高了性能，利用一个单独的聚类方法，允许计算成本函数的基础上，从一个集群的一个单独的样本。我们提供了一个原型实现，并评估所提出的优化的效率。我们的实验研究表明，静态排序通常优于动态的准确统计时，可用。然而，当统计数据不太准确时，这种情况会发生变化，例如，由于不确定性推理的决定。对于超越合取实例查询的查询，我们观察到由于所提出的优化，提高了三个数量级。
2014-02-04 cs.AI 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
A Hypercat-enabled Semantic Internet of Things Data Hub: Technical Report
University of Huddersfield（哈德斯菲尔德大学）；British Telecommunications（英国电信）
随着传感器网络和智能设备数量的迅速增加，产生了越来越多的信息。各种各样的来源以不同的格式生成和发布信息，因此强调互操作性是物联网（IoT）成功的关键先决条件之一。数据中心的BT Hyperion为共享和使用来自广泛来源的可用数据集提供了一个焦点。在这项工作中，我们提出了一个语义丰富的BT hyperlink在数据中心，使用公认的语义Web标准和工具。我们提出了一个本体，捕捉导入数据的语义，并通过SPARQL和SQL查询之间的映射，提出了BT SPARQL端点。此外，联邦SPARQL查询允许对多个基于中心的数据源和外部数据源进行查询。最后，我们提供了两个用例，以说明我们的语义方法所提供的优势。
2017-03-12 cs.AI cs.DB
A Holistic Natural Language Generation Framework for the Semantic Web
University of Paderborn（帕德博恩大学）；University of Leipzig（莱比锡大学）
随着语义Web数据的不断增长，非语义Web专家对这些数据的需求也越来越大。实现这一目标的一种方法是将语义Web的语言翻译成自然语言。我们提出了LD2NL，一个语义Web的三种关键语言，即，RDF、OWL和SPARQL。我们的框架是基于一个自下而上的方法来动词化。我们在一项有86人的开放式调查中评估了LD2NL。我们的研究结果表明，我们的框架可以生成接近自然语言，可以很容易地被非专家理解的动词。因此，它使非领域专家解释语义Web数据的准确率超过91%的领域专家。
2019-11-04 cs.CL cs.DB
XQOWL: An Extension of XQuery for OWL Querying and Reasoning
所谓的Web of Data的主要目标之一是能够处理异构资源，其中数据可以用XML或RDF表示。设计能够同时处理XML和RDF数据的程序设计语言是这方面的一个关键目标。在本文中，我们提出了一个框架，称为XQOWL，使处理XML和RDF/OWL数据与XQuery。XQOWL可以被认为是XQuery语言的扩展，它将XQuery与SPARQL和OWL推理器连接起来。XQOWL将SPARQL查询（通过Jena SPARQL引擎）嵌入到XQuery中，并允许从XQuery调用OWL推理机（HermiT，Pellet和FaCT++）。它允许结合对XML和RDF/OWL资源的查询，以及对RDF/OWL数据的推理。因此，输入数据可以是XML或RDF/OWL，而输出数据可以用XML格式化（也使用RDF/OWL XML序列化）。
2015-01-09 cs.DB cs.LO cs.PL
