Inference of Shape Expression Schemas Typed RDF Graphs
我们考虑的问题,构造一个形状表达式模式(ShEx),描述了一个给定的输入RDF图的结构。我们采用语法推理的框架,其中的目标是找到一个推理算法,这是既健全,即,总是产生验证输入RDF图的模式,并且完成,即,能够在给定的模式类内产生任何模式,只要呈现足够信息的输入图。我们研究输入图被键入的情况,即,每个节点都有其类型。我们限制我们的注意力到一个实际的片段ShEx0的形状表达式模式,具有等效的图形表示的形状图的形式。我们研究的问题,构造一个典型的代表一个给定的形状图。最后,我们提出了一个声音和完整的算法,从而表明形状图ShEx0是可学习的类型图。
2021-07-10 cs.DB
Semantics and Validation of Shapes Schemas for RDF
我们提出了一个正式的语义和形状模式,RDF图的表达模式语言,是形状表达式语言2.0的基础的合理性证明。它可以用来描述RDF图的词汇表和结构,并约束该图中节点的可接受属性和值。该语言定义了一种称为形状的类型化机制,可以根据形状检查图的节点。它包括一个代数分组运算符,一个选择运算符和基数约束的数量允许出现的属性。可以使用布尔运算符组合图形,并且可以使用对其他形状的递归引用。我们描述了语言的语法和定义其语义。语义被证明是定义良好的模式,满足合理的句法限制,即分层使用否定和递归。我们提出了两个算法的RDF图对形状模式的验证。第一个算法是语义的直接实现,而第二个是一个重要的改进。我们还简要介绍了实施指南。
2017-09-19 cs.DB
Answering SPARQL queries modulo RDF Schema with paths
SPARQL是RDF图的标准查询语言。在其严格的实例化中,它只提供根据RDF语义的查询,因此会忽略相对于(RDF)模式或(OWL)本体表达的数据的语义。已经提出了对SPARQL的几个扩展来查询RDF数据模RDFS,即,用RDFS语义解释查询和/或考虑外部本体。我们介绍了一个通用的框架,它允许表示查询回答模一个特定的语义在一个同质的方式。在本文中,我们讨论了扩展SPARQL,使用正则表达式来导航RDF图,并可用于回答查询考虑RDFS语义。我们也认为他们的嵌入作为SPARQL的扩展。这些SPARQL扩展解释建议的框架内,他们的缺点。特别是,我们表明,PSPARQL查询语言,一个严格的扩展SPARQL提供传递闭包,允许回答SPARQL查询模RDFS图与SPARQL通过一个简单的转换查询相同的复杂性。我们也考虑语言,除了路径,提供约束。特别是,我们提出并比较nSPARQL和我们的建议CPSPARQL。我们表明,CPSPARQL是足够的表达,以回答完整的SPARQL查询模RDFS。最后,我们比较了nSPARQL和相应的CPSPARQL片段的表达能力和复杂性,我们称之为cpSPARQL。我们表明,这两种语言具有相同的复杂性,通过cpSPARQL,作为一个适当的扩展SPARQL图形模式,是更有表现力比nSPARQL。
2013-11-15 cs.DB
A RDF-based Data Integration Framework
数据集成是分布式数据源的主要问题之一。一种方法是为各种数据源提供集成的中介模式。本研究工作的目的是开发一个定义集成模式并对其进行查询的框架,其基本思想是使用最新的标准语言和工具来提供一个统一的数据集成框架。RDF用于集成模式描述以及提供统一的数据视图。RDQL用于查询重构。此外,描述逻辑推理服务为集成模式中概念的可满足性检查提供了必要的手段。该框架具有显示集成模式和查询集成模式的工具,并提供了足够的灵活性,可用于不同的应用领域。
2012-11-27 cs.DB
Relational to RDF Data Exchange in Presence of a Shape Expression Schema
我们研究了关系到RDF的数据交换问题,其中目标约束是使用形状表达式模式(ShEx)指定的。我们研究了两个基本问题:1)一致性,即对于给定的数据交换设置,检查是否总是存在任何源实例的解; 2)构造一个表示所有解空间的解的泛解。我们建议在源到目标元组中使用类型化IRI构造函数生成依赖关系,以从关系实例中的值创建RDF图的IRI,并将ShEx转换为一组目标依赖关系。我们还确定了关键覆盖的数据交换设置,这是一个可判定的属性,可以保证一致性。此外,我们证明了这一性质是一个充分必要条件的一个实用子类的弱递归ShEx的普遍解决方案的存在。
2018-04-30 cs.DB
Inference rules for RDF(S) and OWL in N3Logic
University of Bialystok(比亚韦斯托克大学)
本文介绍了资源描述框架(RDF)、RDF模式(RDFS)和Web本体语言(OWL)的推理规则。我们的形式化是基于符号3逻辑,它扩展了RDF的逻辑符号,并创建演绎RDF图存储的语义Web逻辑。我们还提出了OWL-P,这是一个轻量级的OWL形式主义,并支持软推理,省略复杂的语言结构。
2016-01-11 cs.AI cs.DB cs.LO
Shape Expressions Schemas
我们提出了形状表达式(ShEx),一个具有表现力的模式语言的RDF设计提供了一个高层次的,用户友好的语法与直观的语义。ShEx允许描述RDF图的词汇表和结构,并限制节点属性的允许值。它包括一个代数分组运算符,一个选择运算符,一个属性允许出现的次数的基数约束,以及否定。我们定义了语言的语义,并举例说明。然后,我们提出了一个验证算法,给定RDF图中的一个节点和由ShEx模式定义的约束,允许检查节点是否满足该约束。该算法输出一个证明,其中包含节点的平凡可验证关联及其满足的约束。该结构可用于复杂的后处理任务,例如将RDF图转换为其他图或树结构、验证更复杂的约束或调试(w.r.t. schema)。我们还显示了固有的困难的错误识别的ShEx。
2015-11-16 cs.DB
A Principled Approach to Bridging the Gap between Graph Data and their Schemas
尽管RDF图具有与之关联的模式信息,但在实践中,发现数据不完全符合其模式的情况非常常见。一个突出的例子是DBpedia,它是从维基百科提取的RDF数据,维基百科是一个可公开编辑的信息源。在这种情况下,研究实际数据的结构属性变得很有趣,因为模式对数据集的组织给出了不完整的描述。在本文中,我们已经接近的RDF图的结构化研究的原则性的方式:我们提出了一个框架,指定结构化功能,衡量的程度RDF图符合一个模式。特别是,我们首先定义了一个形式语言,用于指定结构化功能的表达式,我们称之为规则。这种语言允许用户或数据库管理员声明RDF图可能完全或部分符合的规则。然后,我们考虑的问题,发现一个细化的排序(类型)的数据集划分成子集的结构是超过一个指定的阈值。特别是,我们证明了与此细化问题相关的自然决策问题是NP-完全的,我们提供了一个自然的翻译这个问题到非线性规划(ILP)。最后,我们用两个真实世界的数据集,DBpedia Persons和WordNet Nouns,以及4个不同的直观规则来测试这个ILP解决方案,这些规则以不同的方式衡量结构化。这些规则对数据集进行了有意义的改进,表明我们的语言可以成为理解RDF数据结构的强大工具。
2014-03-04 cs.DB
Shape Fragments
IDLab, Ghent University, imec(根特大学IDLab实验室,imec);Dept. Computer Science, KU Leuven(鲁汶大学计算机科学系);DSI, Hasselt University(哈瑟尔特大学数据科学研究所)
在用于RDF图的约束语言中,例如ShEx和SHACL,RDF图中的节点及其属性上的约束被称为“形状”。这些语言中的模式列出了某些目标节点必须满足的各种形状,以使图符合模式。使用SHACL,我们在本文中提出了一种新的使用形状,其中一组形状被用来提取一个子图从RDF图,所谓的形状片段。我们提出的机制适合在关联数据片段的框架。在本文中,(i)我们正式定义我们的提取机制,建立在最近提出的SHACL形式化;(ii)我们建立正确的属性,这关系到形状片段的起源数据库查询的概念;(iii)我们比较形状片段与SPARQL查询;(iv)我们讨论的实施方案;(v)我们提出了初步的实验证明,形状片段是一个可行的新想法。
2021-12-22 cs.AI cs.DB
Relational to RDF Data Migration by Query Co-Evaluation
Conexus AI
提出一种新算法,通过关系查询的逆映射将关系数据库转换为RDF三元组,确保数据的唯一往返,并利用图同态简化查询编写,在FIBO金融本体上验证。
2026-07-03 cs.DB
Hierarchical Characteristic Set Merging for Optimizing SPARQL Queries in Heterogeneous RDF
特征集(CS)基于表征其主题节点的属性集来组织RDF三元组。这个概念最近在索引技术中使用,因为它可以捕获RDF数据的隐式模式。虽然大多数基于CS的方法在空间和查询性能方面都有显著的改进,但它们在存在模式异构性的情况下表现不佳,即,当CS的数量变得非常大时,导致高度分区的数据组织。在本文中,我们解决这个问题,通过引入一种新的技术,合并CS的层次结构的基础上。我们的技术采用了一个网格来捕捉CS之间的层次关系,确定密集的CS和合并密集的CS与他们的祖先,从而减少CS的大小以及它们之间的联系。我们实现了我们的算法上的关系骨干,其中每个合并的CS存储在一个关系表中,我们进行了广泛的实验研究,以评估性能和合并的RDF数据集的存储和查询的影响,表明显着的改进。
2018-09-07 cs.DB
A Proposal for the Characterization of Multi-Dimensional Inter-relationships of RDF Graphs Based on Set Theoretic Approach
本文提出了一种集合论方法来分析任意数量的RDF图之间的相互关系。语义网资源描述格式中的三元组由RDF图表示。因此,RDF图之间相互关系的识别和刻画为语义搜索开辟了一条新的道路。使用集合论方法,可以设计一个合理的框架标准,检查两个RDF图是否相关,如果是,如何用形式集合论描述这些关系。同时,通过引入RDF Schema,将关系状态细化为n维的归纳关系。
2013-11-28 cs.DB
The KG-ER Conceptual Schema Language
Free University of Bozen-Bolzano, Italy(博洛尼亚-博兹纳自由大学,意大利);Université Paris-Saclay, CNRS, LISN, France(巴黎-萨克雷大学,法国 CNRS LISN);Birkbeck, University of London, UK(伦敦大学伯克贝克学院,英国);University of Huddersfield, UK(赫德斯菲尔德大学,英国);Relational AI, Berkeley, CA, USA(关系AI,美国加州伯克利);Hasselt University, Hasselt, Belgium(哈塞尔特大学,比利时);University of Wrocław, Poland(沃林福大学,波兰)
提出KG-ER概念模式语言,独立于知识图谱的表示方式描述其结构,并帮助捕获语义。
2026-06-12 cs.AI cs.DB
RDFGraphGen: An RDF Graph Generator based on SHACL Shapes
Institute of Logic and Computation, TU Wien(逻辑与计算研究所,维也纳工业大学)
RDFGraphGen基于SHACL形状生成合成RDF图,支持领域无关的图结构和值约束,可生成不同规模的RDF图。
2025-05-26 cs.DB cs.SE
Pleasantly Consuming Linked Data with RDF Data Descriptions
尽管RDF的目的是提供一种开放的、约束最小的信息表示方式,但越来越多的应用程序需要对RDF数据集的结构和值进行保证。在这方面缺少的是将RDF数据与类似于关系数据库的模式或XML中的DTD的质量保证联系起来的机制,特别是在将带有丰富的完整性约束集(如键或基数约束)的遗留数据转换为RDF时。针对这一缺点,我们提出了RDF数据描述语言(RDD),它使得有可能指定实例级的数据约束RDF。使这些约束显式化不仅有助于断言和维护数据质量,而且还为查询引擎开辟了新的优化机会,最重要的是,使用户和系统开发人员更容易制定查询。我们提出的设计目标,语法,和一个正式的,一阶逻辑为基础的RDD语义,并讨论消费关联数据的影响。
2013-12-06 cs.DB
Searching and Establishment of S-P-O Relationships for Linked RDF Graphs : An Adaptive Approach
在即将到来的语义Web时代,链接数据分析是一个非常紧迫的问题,有效的搜索和检索的信息。建立这种联系的一种方法是通过集合论方法实现主语、谓语、宾语关系,这在我们以前的工作中已经完成。为了分析两个RDF图之间的相互关系,还需要考虑RDF模式(RDFS).本文提出了一种基于自适应组合规则的S P O关系建立和RDF图搜索框架。因此,RDF图之间相互关系的判定为语义搜索开辟了一条新的道路。
2013-11-28 cs.DB cs.IR
GQL Datatypes as an RDF Vocabulary
Faculty of Computer Science, University of Bialystok(比亚韦斯托克大学计算机科学学院)
本文提出GQL数据类型RDF词汇表,以支持面向GQL的属性图系统与基于RDF的知识图谱系统的互操作性,描述其模型、覆盖范围及配套生成器和验证器的使用方式。
2026-10-14 cs.DB
A role-free approach to indexing large RDF data sets in secondary memory for efficient SPARQL evaluation
大量的RDF数据集正在变得司空见惯。RDF数据通常是在社会语义领域(如个人信息管理)中生成的,其中固定的模式通常是先验不可用的。我们提出了一个简单的三向三叉树(TripleT)二级内存索引技术,以方便高效的SPARQL查询评估这样的数据集。TripleT的新颖之处在于:(1)索引是在数据集中出现的原子上构建的,而不是以更粗的粒度构建的,例如在数据集中出现的整个三元组;以及(2)原子被索引而不管角色(即,主语、谓语或宾语),它们在数据集的三元组中起作用。我们通过广泛的实证评估表明,TripleT表现出多个数量级的改进,在存储和查询处理成本方面的RDF索引的最先进的状态。
2008-11-07 cs.DB cs.DS
SHACL Constraints with Inference Rules
University of Southampton(南安普顿大学);Özyeğin University(厄兹耶因大学)
最近,W3C推荐了一种新的约束语言(SHACL),用于定义可以针对RDF图进行验证的约束。SHACL与其他语义Web技术(如本体或推理机)的交互是一个正在进行的研究。在本文中,我们研究的一个子集的SHACL的推理规则表示在数据库中的相互作用。一方面,SHACL约束可用于为图数据集定义“模式”。另一方面,推理规则可能导致发现与原始模式不匹配的新事实。给定一组SHACL约束和一组数据推理规则,我们提出了一种方法来检测哪些约束可能被推理规则应用到模式的某个图实例上所违反,并更新原始模式,即SHACL约束集,以捕获可以推断的新事实.我们提供了我们的方法的各个组成部分的理论和实验结果。
2019-11-01 cs.AI 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
kgsteward: a tool for building, reproducing and maintaining distributed knowledge graphs
SIB Swiss Institute of Bioinformatics(瑞士生物信息学研究所);University of Geneva(日内瓦大学);University of Fribourg(弗里堡大学);University of Galway(高威大学)
针对生命科学知识图谱构建与维护的挑战,提出Python工具kgsteward,通过单一配置文件在RDF存储中构建、同步和验证图谱,已在多个国际项目中应用。
2026-09-21 cs.DB
S2RDF: RDF Querying with SPARQL on Spark
RDF以其灵活、通用的类图数据模型成为语义数据发布的主流。然而,RDF数据汇集的规模不断增加,使得在一台机器上存储和处理它们变得越来越不可行,从而提高了对分布式方法的需求。我们不构建独立但封闭的分布式RDF存储,而是支持使用现有的基础设施进行大数据处理,例如Hadoop。然而,SPARQL查询性能是一个主要的挑战,因为这些平台不是为地面RDF处理而设计的。因此,现有的基于Hadoop的方法通常倾向于某些查询模式形状,而其他形状的性能显着下降。在本文中,我们描述了一种新的RDF数据的关系分区模式称为ExtVP,使用半连接为基础的预处理,类似于连接索引的概念,在关系数据库,有效地减少查询输入的大小,无论其模式的形状和直径。我们的原型系统S2RDF构建在Spark之上,并使用其关系接口在ExtVP上执行SPARQL查询。我们使用最近的WatDiv测试套件,与最先进的SPARQL on Hadoop方法相比,展示了其卓越的性能。S2RDF在十亿个三元组RDF图上实现了大多数查询的次秒运行时间。
2016-01-27 cs.DB cs.DC
Common Foundations for SHACL, ShEx, and PG-Schema
TU Wien(维也纳技术大学);Univ. Lille(里尔大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Centrale Lille(里尔中央理工学院);Birkbeck, University of London(伦敦大学伯贝克学院);University of Oviedo(奥维耶多大学);University of Bayreuth(拜罗伊特大学);Università di Napoli Federico II(那不勒斯费德里科二世大学);University of Warsaw(华沙大学);Paderborn University(帕德博恩大学);WU Wien(维也纳经济大学);CSH Vienna(维也纳计算机科学中心);Free University of Bolzano(波尔扎诺自由大学);University of Bialystok(比亚韦斯托克大学)
本文针对SHACL、ShEx和PG-Schema三种图模式语言,采用统一框架提供核心组件的形式化定义,通过全面比较揭示其共同功能及重叠与独特特征。
2025-02-03 cs.AI cs.DB
PAPyA: Performance Analysis of Large RDF Graphs Processing Made Easy
规范性性能分析(PPA)已经证明比传统的描述性和诊断性分析更有助于理解大数据(BD)框架的性能。在实践中,当在关系BD系统之上处理大型(RDF)图时,会出现几个设计决策,并且不能自动决定,例如,模式、分区技术和存储格式的选择。PPA,特别是排名功能,有助于实现对性能数据的可操作见解,引导从业者更容易地选择部署BD框架的最佳方式,特别是对于图形处理。然而,实施PPA所需的实验工作量仍然巨大。在本文中,我们提出了PAPyA 1,一个用于实现PPA的库,它允许(1)为关系BD系统的处理管道准备RDF图数据,(2)在用户定义的实验维度的解决方案空间中实现性能的自动排名;(3)允许用户定义的灵活扩展系统来测试和排名方法。我们展示PAPyA的一组实验的基础上SparkSQL框架。PAPyA简化了BD系统处理大型(RDF)图的性能分析。我们提供PAPyA作为MIT许可下的公共开源库,这将是为BD应用设计新的研究规范分析技术的催化剂。
2022-09-14 cs.DB
Easy and complex: new perspectives for metadata modeling using RDF-star and Named Graphs
资源描述框架是数据建模的通用语言,旨在使用语句在实例和模式级别集成异构数据。虽然RDF在概念上很简单,但是当需要表示复杂数据时,数据模型会变得复杂。使用中间资源而不是简单属性的额外间接级别会导致数据的潜在用户面临更高的障碍。基于这三种模式,我们认为将信息转移到元级别不仅可以用于(1)提供起源信息,而且还可以帮助(2)保持现有模型的向后兼容性,以及(3)降低数据模型的复杂性。然而,在RDF中有多种方法来使用元级别,即,提供关于声明的其他声明。使用命名图,存在一种良好的机制来描述语句组。然而,自成立以来,很难就单一的声明发表声明。随着RDF-star的引入,现在可以使用一种新的方式来提供有关单个语句的数据。我们表明,RDF-星和命名图的组合是一个可行的解决方案,以表达数据的元级别,并建议这个元级别应被用作数据建模中的一等公民。
2022-11-29 cs.DB
Algebraic Property Graphs
我们提出了一个应用范畴理论的案例研究,从一个应用领域的角度写的:在企业设置中使用基本结构的类型论和范畴理论,包括限制和co-limit草图的形式化的广泛使用的属性图数据模型。观察到代数数据类型是我们在实践中处理的大多数企业模式语言的共同基础,对于图数据或其他,我们引入了代数属性图的类型论,其中类型表示函数编程意义上的代数数据类型和数据库理论意义上的联合E/R图。我们还提供了理论基础,图转换沿模式映射的语义一致性的建设保证。我们的数据模型起源于Uber开发的数据集成工具包的形式化,该工具包沿着数据交换语言(如Apache Avro,Apache Thrift和Protocol Buffers)与图形语言(包括具有OWL或基于SHACL的模式的RDF)之间的可组合映射携带数据和模式。
2022-07-20 cs.DB
Transforming Shape Schemas with Composable Property-Graph Queries (Extended Version)
The Software Languages Team(软件语言团队);University of Koblenz(科伦茨大学);Institute for Artificial Intelligence(人工智能研究所);University of Stuttgart(斯图加特大学);University of Southampton(南安普顿大学)
研究在给定输入模式(ProGS)和查询(G-CORE)时推断输出模式的问题,通过映射到RDF、SHACL和SPARQL CONSTRUCT利用描述逻辑推理器实现模式约束的自动推断。
2026-06-15 cs.AI cs.DB cs.LO
LMKG: Learned Models for Cardinality Estimation in Knowledge Graphs
准确的基数估计是实现最佳查询计划的关键因素。对于RDF引擎,特别是在常见的知识图谱处理工作负载下,缺乏模式、相关谓词以及涉及多个连接的各种类型的查询,使得基数估计成为一项特别具有挑战性的任务。在本文中,我们开发了一个框架,称为LMKG,采用深度学习方法,有效地估计RDF图查询的基数。我们采用两种监督(即,深度神经网络)和无监督(即,自回归模型)方法,其适应于子图模式并产生更准确的基数估计。为了将底层数据提供给模型,我们提出了一种新的编码,将查询表示为子图模式。通过对真实世界和合成数据集的广泛实验,我们评估了我们的模型,并表明它们在准确性和执行时间方面总体上优于最先进的方法。
2021-02-21 cs.DB
CypherBench: Towards Precise Retrieval over Full-scale Modern Knowledge Graphs in the LLM Era
Megagon Labs(美伽仑实验室);Politecnico di Torino(都灵理工大学);EURECOM(欧洲通信学院)
本文针对LLM难以高效检索现代RDF知识图谱的问题,提出在底层RDF图之上构建属性图视图并用Cypher查询,同时推出首个大规模多领域基准CypherBench,包含780万实体和超1万问题。
2025-04-04 cs.AI cs.CL cs.DB
The Typed Graph Model -- a Supermodel for Model Management and Data Integration
本文提出一种带属性和标签、受模式约束的类型化图模型,利用超节点和超边提升数据质量与分析能力,并证明其表达能力至少等价于主流数据模型,可作为模型管理和数据集成的超级模型。
2021-12-06 cs.DB
Rethinking OWL Expressivity: Semantic Units for FAIR and Cognitively Interoperable Knowledge Graphs Why OWLs don't have to understand everything they say
TIB Leibniz Information Centre for Science and Technology(TIB 莱布尼茨科学技术信息中心)
本文提出基于语义单元的新型框架,通过四种新资源类型提升知识图谱的语义灵活性和认知互操作性,解决OWL/RDF模型的十二项核心限制,增强领域专家的认知可访问性。
2025-06-06 cs.DB
Dragoman: Efficiently Evaluating Declarative Mapping Languages over Frameworks for Knowledge Graph Creation
近年来,在使RDF知识图谱的创建过程可追溯和透明方面做出了宝贵的努力和贡献;扩展和应用声明性映射语言就是一个例子。一个具有挑战性的步骤是旨在克服互操作性问题的程序的可追溯性,即。数据级集成。在大多数管道中,数据集成是由专门的程序执行的,这妨碍了可跟踪性和可重用性。然而,基于函数的声明性映射语言(如FunUL和RML + FnO)提供的正式框架增强了表达能力。数据级集成可以定义为函数,并集成为执行模式级集成的映射的一部分。但是,将函数与映射结合使用会引入一个新的复杂性来源,这会显著影响所需的资源数量和执行时间。我们解决的问题,有效地执行映射的功能和形式化的转换,他们到无功能的映射。这些转换是优化过程的基础,该过程旨在对基于函数的映射规则进行热切评估。这些技术在一个名为Dragoman的框架中实现。我们证明了转换的正确性,同时确保无功能的数据集成过程是等效的原始的。Dragoman的有效性进行了实证评估,在230个测试平台组成的各种类型的功能集成不同复杂度的映射规则。结果表明,评估无函数映射规则可以减少由大型数据源和多种类型的映射规则组成的复杂知识图谱创建管道的执行时间。节省高达75%,这表明在映射规则中急切地执行函数可以使这些管道在现实世界的设置中适用和可扩展。
2022-10-26 cs.DB cs.OH cs.PL