An increasing number of organisations in almost all fields have started adopting semantic web technologies for publishing their data as open, linked and interoperable (RDF) datasets, queryable through the SPARQL language and protocol. Link traversal has emerged as a SPARQL query processing method that exploits the Linked Data principles and the dynamic nature of the Web to dynamically discover data relevant for answering a query by resolving online resources (URIs) during query evaluation. However, the execution time of link traversal queries can become prohibitively high for certain query types due to the high number of resources that need to be accessed during query execution. In this paper we propose and evaluate baseline methods for estimating the evaluation cost of link traversal queries. Such methods can be very useful for deciding on-the-fly the query execution strategy to follow for a given query, thereby reducing the load of a SPARQL endpoint and increasing the overall reliability of the query service. To evaluate the performance of the proposed methods, we have created (and make publicly available) a ground truth dataset consisting of 2,425 queries.
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。
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。
RDFFrames: Knowledge Graph Access for Machine Learning Tools
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所，哈马德·本·哈利法大学）；College of Science and Engineering, HBKU（哈马德·本·哈利法大学科学与工程学院）；Bluescape（Bluescape公司）；Technische Universität Berlin（柏林工业大学）
