We consider the problem of constructing a Shape Expression Schema (ShEx) that describes the structure of a given input RDF graph. We employ the framework of grammatical inference, where the objective is to find an inference algorithm that is both sound i.e., always producing a schema that validates the input RDF graph, and complete i.e., able to produce any schema, within a given class of schemas, provided that a sufficiently informative input graph is presented. We study the case where the input graph is typed i.e., every node is given with its types. We limit our attention to a practical fragment ShEx0 of Shape Expressions Schemas that has an equivalent graphical representation in the form of shape graphs. We investigate the problem of constructing a canonical representative of a given shape graph. Finally, we present a sound and complete algorithm for shape graphs thus showing that ShEx0 is learnable from typed graphs.
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。
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。
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）
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）
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）
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）
