Many datasets change over time. As a consequence, long-running applications that cache and repeatedly use query results obtained from a SPARQL endpoint may resubmit the queries regularly to ensure up-to-dateness of the results. While this approach may be feasible if the number of such regular refresh queries is manageable, with an increasing number of applications adopting this approach, the SPARQL endpoint may become overloaded with such refresh queries. A more scalable approach would be to use a middle-ware component at which the applications register their queries and get notified with updated query results once the results have changed. Then, this middle-ware can schedule the repeated execution of the refresh queries without overloading the endpoint. In this paper, we study the problem of scheduling refresh queries for a large number of registered queries by assuming an overload-avoiding upper bound on the length of a regular time slot available for testing refresh queries. We investigate a variety of scheduling strategies and compare them experimentally in terms of time slots needed before they recognize changes and number of changes that they miss.
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。
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。
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。
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…
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)
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。