知识图谱学习与实践(4)——通过例句介绍Sparql的使用

通过例句介绍Sparql的使用

1 简介

SPARQL的定义,是一个递归的定义,为SPARQL Protocal and RDF Query Language,是W3C制定的RDF知识图谱标准查询语言,大部分的图数据库都支持SPARQL查询。SPARQL在语法上借鉴了SQL。SPARQL是针对RDF三元组进行查询,通过图匹配的方式获得需要查找的内容。

下面通过一个例子来说明SPARQL的查询语句的基本结构。这个例子可以在http://dbpedia.org/sparql中运行,获取结果。

prefix ontology:<http://dbpedia.org/ontology/>

select distinct  ?p  ?o

from <http://dbpedia.org>

where  {ontology:deathDate ?p ?o}

LIMIT 10

查询例句,包括了5个部分。

第一部分是前缀声明,这部分主要是为了后面查询内容的简洁,本例中用ontology代替http://dbpedia.org/ontology/,在后面的查询中直接使用ontology,比如ontology:deathDate就表示http://dbpedia.org/ontology/deathDate,

第二部分是select子句,用来确定需要查找的内容。以变量的形式体现,本例中就是查找?p和?o,按照三元组的主谓宾结构,这里查找的是谓语和宾语,分别用带问号的字符(串)来表示。

第三部分是from子句,用来确定从哪个图数据库中查找,类似于关系数据库的表名。本例需要查找的数据是在图数据库http://dbpedia.org中进行查找。也可以把http://dbpedia.org这个Graph IRI放到第一个方框内,作为默认的数据集名称。

第四部分是where子句,这部分是用来匹配三元组,把需要匹配的内容放到{}中,本例中,ontology:deathDate ?p ?o的含义就是主语是ontology:deathDate,即http://dbpedia.org/ontology/deathDate,谓语是?p,宾语是?o,匹配这个内容结构的所有三元组,也就是找出主语是http://dbpedia.org/ontology/deathDate的所有三元组。

第五部分是查询修正的内容,类似于关系数据查询最后的一些限定子句,比如排序order by,限定前几个输出的limit等。本例就是用的limit 10,限定只输出10个结果。

查询结果如下

p

o

http://www.w3.org/1999/02/22-rdf-syntax-ns#type

http://www.w3.org/2002/07/owl#FunctionalProperty

http://www.w3.org/1999/02/22-rdf-syntax-ns#type

http://www.w3.org/1999/02/22-rdf-syntax-ns#Property

http://www.w3.org/1999/02/22-rdf-syntax-ns#type

http://www.w3.org/2002/07/owl#DatatypeProperty

http://www.w3.org/2002/07/owl#equivalentProperty

http://www.wikidata.org/entity/P570

http://www.w3.org/2002/07/owl#equivalentProperty

http://schema.org/deathDate

http://www.w3.org/2000/01/rdf-schema#label

"Sterbedatum"@de

http://www.w3.org/2000/01/rdf-schema#label

"date de décès"@fr

http://www.w3.org/2000/01/rdf-schema#label

"death date"@en

http://www.w3.org/2000/01/rdf-schema#label

"sterfdatum"@nl

http://www.w3.org/2000/01/rdf-schema#label

"ημερομηνία_θανάτου"@el

2 一些常用的查询语句

2.1 最简单的查询

就像SQL语句中的查询所有内容select * from table,SPARQL也有一个查询全部数据的语句,也是最简单的语句。

select ?s ?p ?o where {?o ?p ?o}

这个语句可以查看图数据库里面的所有三元组,不过如果数据集比较庞大,可能发生延时错误,也就是在一定的时间内查询不能完成导致最后无法完成查询,从而不能提供查询结果。

2.2 聚合函数

在SPARQL中,也有类似SQL中的聚合函数,比如count,比较常用的一个就是查询图数据库的三元组数量。

select count(?s) where {?o ?p ?o}

我们用上面的语句查询http://dbpedia.org中三元组的数量,我查了几次,有几次是给出延时错误,有的时候能给出结果。

callret-0

316290000

可以看到,http://dbpedia.org这个图数据库一共有3亿多条数据。

2.3 opional过滤

使用optional,可以起到过滤的作用,如果满足optional后面匹配的条件,则结果显示出来。比如下面的语句

prefix ontology:<http://dbpedia.org/ontology/>

select distinct  ?p  ?o

where  {{?s ?p <http://schema.org/deathDate>}  optional {?s <http://www.w3.org/2000/01/rdf-schema#label> ?o}}

查询的含义是先查找宾语是http://schema.org/deathDate 的主语?s和谓语?p,将主语?s满足模式?s <http://www.w3.org/2000/01/rdf-schema#label> ?o的内容找出来,最后显示出两个条件都满足的结果,也可以理解为,通过optional后面的子句过滤掉一部分第一个子句的结果,得到最终的结果。

p

o

http://www.w3.org/2002/07/owl#equivalentProperty

Sterbedatum@de

http://www.w3.org/2002/07/owl#equivalentProperty

date de décès@fr

http://www.w3.org/2002/07/owl#equivalentProperty

death date@en

http://www.w3.org/2002/07/owl#equivalentProperty

sterfdatum@nl

http://www.w3.org/2002/07/owl#equivalentProperty

ημερομηνία_θανάτου@el

http://www.w3.org/2002/07/owl#equivalentProperty

没年月日@ja

http://www.w3.org/2002/07/owl#equivalentProperty

resting date@en

http://www.w3.org/2002/07/owl#equivalentProperty

埋葬年月日@ja

2.4 union全集

union也是一个在SPARQL中常用的关键字,使用union表示,将所有union连接的子句匹配的结果都显示出来。我们还用2.3的例子,不过把optional替换为union,可以比较一下二者的不同。

查询语句为

prefix ontology:<http://dbpedia.org/ontology/>

select distinct  ?p  ?o

where  {{?s ?p <http://schema.org/deathDate>}  union {?s <http://www.w3.org/2000/01/rdf-schema#label> ?o}}

查询结果为(部分结果)

 知识图谱学习与实践(4)——通过例句介绍Sparql的使用

从结果可以看出,optional和union的差别还是很明显的,optional是过滤,union是全集,是并的操作。

2.5 模糊查询

在SQL中的like查询,在SPARQL中也有对应的语句,就是使用FILTER 和regex。

例句为

prefix ontology:<http://dbpedia.org/ontology/>

select distinct  ?p  ?o

where  {ontology:deathDate ?p ?o filter regex(?p,'label')}

还是查找主语deathDate这个主语的谓语和宾语列表,模糊查询的是谓语中含有’label’的谓语和宾语,这个filter和regex的组合实现的功能就是类似SQL的like功能。

查询结果为

p

o

http://www.w3.org/2000/01/rdf-schema#label

Sterbedatum@de

http://www.w3.org/2000/01/rdf-schema#label

date de décès@fr

http://www.w3.org/2000/01/rdf-schema#label

death date@en

http://www.w3.org/2000/01/rdf-schema#label

sterfdatum@nl

http://www.w3.org/2000/01/rdf-schema#label

ημερομηνία_θανάτου@el

http://www.w3.org/2000/01/rdf-schema#label

没年月日@ja

从结果可以看到,模糊查询中谓语只包含了有label的内容,其它的给过滤掉了。

3 结语

这里只是简单介绍了SPARQL的语法和常用的查询语句,实际环境中,应用SPARQL进行查询可能会复杂的多,会有很多复合语句,更为复杂的可能会跨数据集进行查询,也可能用到RDF的一些特性,比如只查找字面量或者只查找IRI的数据等等。总之,SPARQL查询,在实际的使用中,会碰到各种不同的需求,还要根据具体情况写出各种查询语句。

书写SPARQL查询语句的时候,还要细心,不能出错,不能写错一个字符,有的时候还要注意顺序,这些问题没有注意到,都可能导致查不到结果,或者是直接报错。在拼接SPARQL的时候,要多一些耐心,按照SPARQL规则来,循序渐进,慢慢就会初步掌握这种查询语言。

另外SPARQL还有UPDATE功能,有insert和delete关键字,但是没有update关键字,也就是说,SPARQL如果实现update操作,需要先insert再delete,从而达到update的效果。SPARQL的UPDATE功能,不如查询功能用的广泛,可能是因为数据集一般数据量大,都是直接以文件的形式存到数据库中的缘故。

本文通过例句的形式,介绍了SPARQL的基础知识,希望对大家学习sparql有帮助,在学习过程中,有什么问题,还是要多交流,共同进步。

参考资料

https://www.w3.org/TR/rdf-sparql-query/

上一篇:2.2图书管理系统


下一篇:数据库系统概论练习2