Pular para o conteúdo principal

SPARQL-Star x Query using Context Meta-information (RDF-Star)

Utilizando o recurso de RDF-Star onde cada tripla pode ser anotada com predicado e valor

Testes via Apache Jena Fuseki no desktop

Instalação

JDK

https://medium.com/@fadirra/setting-up-jena-fuseki-with-update-in-windows-10-2c8a2802ee8f

Download para WIndows
Unzip
Cria a pasta data

cmd
cd C:\Users\.....\apache-jena-fuseki-4.3.2
fuseki-server --loc=data --update /meta_info

http://localhost:3030/index.html

DATASET

Testes

SPARQL EndPoint /meta_info/update


PREFIX ns: <http://example.org/ns#>
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

INSERT DATA {ns:c1 rdf:type ns:Country; ns:name 'Germany';  ns:language 'German'; ns:continent 'Europe'; ns:population 83000000 };
INSERT DATA {ns:c2 rdf:type ns:Country; ns:name 'France'; ns:language 'French'; ns:continent 'Europe'; ns:population 67000000 };
INSERT DATA {ns:c3 rdf:type ns:Country; ns:name 'United Kingdom'; ns:language 'English'; ns:continent 'Europe'; ns:population: 66000000 };

INSERT DATA {ns:p1 rdf:type ns:Person; ns:name 'John' };
INSERT DATA {ns:p2 rdf:type ns:Person; ns:name 'Harry'};
INSERT DATA {ns:p3 rdf:type ns:Person; ns:name 'Anna'};

INSERT DATA {ns:p1 ns:LIVING_IN ns:c1};
INSERT DATA {<<ns:p1 ns:LIVING_IN ns:c1>>  ns:date_of_start 2014};
INSERT DATA {ns:p1 ns:WORKING_IN ns:c2};
INSERT DATA {<<ns:p1 ns:WORKING_IN ns:c2>>  ns:date_of_start 2014};

INSERT DATA {ns:p1 ns:LIVING_IN ns:c3};
INSERT DATA {<<ns:p1 ns:LIVING_IN ns:c3>>  ns:date_of_start 2014};
INSERT DATA {ns:p1 ns:WORKING_IN ns:c3};
INSERT DATA {<<ns:p1 ns:WORKING_IN ns:c3>>  ns:date_of_start 2014};

INSERT DATA {ns:p3 ns:LIVING_IN ns:c1};
INSERT DATA {<<ns:p3 ns:LIVING_IN ns:c1>>  ns:date_of_start 2016};
INSERT DATA {ns:p3 ns:WORKING_IN ns:c3};
INSERT DATA {<<ns:p3 ns:WORKING_IN ns:c3>>  ns:date_of_start 2014};
INSERT DATA {ns:p1 ns:FRIENDS_WITH ns:p2};
INSERT DATA {<<ns:p1 ns:FRIENDS_WITH ns:p2>>  ns:date_of_start 2011};
INSERT DATA {ns:p3 ns:FRIENDS_WITH ns:p1};
INSERT DATA {<<ns:p3 ns:FRIENDS_WITH ns:p1>>  ns:date_of_start 2012};
INSERT DATA {ns:p3 ns:FRIENDS_WITH ns:p2};
INSERT DATA {<<ns:p3 ns:FRIENDS_WITH ns:p2>>  ns:date_of_start 2014};

--

SPARQL EndPoint /meta_info/query


PREFIX ns: <http://example.org/ns#>
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

# View quads
SELECT ?s ?p ?o ?g {
  # default graph
  { ?s ?p ?o . }
  UNION
  # named graphs
  { GRAPH ?g { ?s ?p ?o . }  }
}

--

SELECT ?s ?p ?o ?g { GRAPH ?g { ?s ?p ?o . }  }

--

SELECT ?s ?p ?o { ?s ?p ?o . }  

Exemplo do resultado em XML

    <result>
      <binding name="s">
        <triple>
          <subject>
            <uri>http://example.org/ns#p1</uri>
          </subject>
          <predicate>
            <uri>http://example.org/ns#WORKING_IN</uri>
          </predicate>
          <object>
            <uri>http://example.org/ns#c3</uri>
          </object>
        </triple>
      </binding>
      <binding name="p">
        <uri>http://example.org/ns#date_of_start</uri>
      </binding>
      <binding name="o">
        <literal datatype="http://www.w3.org/2001/XMLSchema#integer">2014</literal>
      </binding>
    </result>

Exemplo do resultado em JSON

      {
        "s": {
          "type": "triple" ,
          "value": {
            "subject":  { "type": "uri" , "value": "http://example.org/ns#p1" } ,
            "predicate": { "type": "uri" , "value": "http://example.org/ns#LIVING_IN" } ,
            "object":   { "type": "uri" , "value": "http://example.org/ns#c1" }
          }
        } ,
        "p": { "type": "uri" , "value": "http://example.org/ns#date_of_start" } ,
        "o": { "type": "literal" , "datatype": "http://www.w3.org/2001/XMLSchema#integer" , "value": "2014" }
      } ,
      
--

SELECT ?s ?p ?c ?t
{ ?c rdf:type  ns:Country; ns:name 'United Kingdom'.
  <<?s ?p ?c>> ns:date_of_start 2014 .
  BIND(<< ?s ?p ?c>> AS ?t)}

--

SELECT ?p_name ?f_name ?o ?t
WHERE {
    ?p rdf:type ns:Person; ns:name ?p_name.
    ?f ns:name ?f_name.
    <<?p ns:FRIENDS_WITH ?f>>  ns:date_of_start ?o.
    BIND(<<?p ns:FRIENDS_WITH ?f>> AS ?t)
    FILTER (?o > 2010) .
}

--

SELECT ?p_name ?f_name ?o ?t2
WHERE {
    ?p rdf:type ns:Person; ns:name ?p_name.
    ?f2 ns:name ?f_name.
    <<?p ns:FRIENDS_WITH ?f1>>  ns:date_of_start ?o1.
    <<?p ns:FRIENDS_WITH ?f2>>  ns:date_of_start ?o2.
    BIND(<<?p ns:FRIENDS_WITH ?f2>> AS ?t2)
    FILTER (?o2 > ?o1) .
}

Resultado em JSON

{ "head": {
    "vars": [ "p_name" , "f_name" , "o" , "t2" ]
  } ,
  "results": {
    "bindings": [
      {
        "p_name": { "type": "literal" , "value": "Anna" } ,
        "f_name": { "type": "literal" , "value": "Harry" } ,
        "t2": {
          "type": "triple" ,
          "value": {
            "subject":  { "type": "uri" , "value": "http://example.org/ns#p3" } ,
            "predicate": { "type": "uri" , "value": "http://example.org/ns#FRIENDS_WITH" } ,
            "object":   { "type": "uri" , "value": "http://example.org/ns#p2" }
          }
        }
      }
    ]
  }
}
--

SELECT ?p1_name ?p2_name ?p3_name ?p4_name ?o ?t2
WHERE {
    ?p1 rdf:type ns:Person; ns:name ?p1_name.
    ?p2 rdf:type ns:Person; ns:name ?p2_name.
    ?p3 rdf:type ns:Person; ns:name ?p3_name.
    ?p4 rdf:type ns:Person; ns:name ?p4_name.
    <<?p1 ns:FRIENDS_WITH ?p3>>  ns:date_of_start ?o.
    <<?p2 ns:FRIENDS_WITH ?p4>>  ns:date_of_start ?o.
    BIND(<<?p ns:FRIENDS_WITH ?f2>> AS ?t2)
    FILTER (?p1 != ?p2) .
}

--

SELECT ?p1_name ?p2_name ?c1_name ?c2_name ?o ?t2
WHERE {
    ?p1 rdf:type ns:Person; ns:name ?p1_name.
    ?p2 rdf:type ns:Person; ns:name ?p2_name.
    ?c1 rdf:type ns:Country; ns:name ?c1_name.
    ?c2 rdf:type ns:Country; ns:name ?c2_name.
    <<?p1 ns:LIVING_IN ?c1>>  ns:date_of_start ?o.
    <<?p2 ns:LIVING_IN ?c2>>  ns:date_of_start ?o.
    BIND(<<?p2 ns:LIVING_IN ?c2>> AS ?t2)
    FILTER (?c1 != ?c2) .
}

--

SELECT DISTINCT ?s1_name ?rel1 ?o1_name ?s2_name ?rel2 ?o2_name ?o
WHERE {
    ?s1 ns:name ?s1_name.
    ?s2 ns:name ?s2_name.
    ?o1 ns:name ?o1_name.
    ?o2 ns:name ?o2_name.
    <<?s1 ?rel1 ?o1>>  ns:date_of_start ?o.
    <<?s2 ?rel2 ?o2>>  ns:date_of_start ?o.
      BIND(<<?s1 ?rel1 ?o1>> AS ?t1)
    BIND(<<?s2 ?rel2 ?o2>> AS ?t2)
    FILTER (?t1 != ?t2) .
}

--

SELECT ?p1_name ?p2_name ?since ?t
WHERE {
    ?p1 ns:FRIENDS_WITH+ ?p2.
    ?p1 rdf:type ns:Person; ns:name ?p1_name.
    ?p2 rdf:type ns:Person; ns:name ?p2_name.
    <<?p1 ns:FRIENDS_WITH ?p2>>  ns:date_of_start ?since.
      BIND(<<?p1 ns:FRIENDS_WITH ?p2>> AS ?t)
    FILTER (?since > 2010) .
}

--


SPARQL EndPoint /meta_info/update

PREFIX ns: <http://example.org/ns#>
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

INSERT DATA {<<ns:p1 ns:FRIENDS_OF ns:p2>>  ns:date_of_start 2018};
INSERT DATA {<<ns:p3 ns:FRIENDS_OF ns:p1>>  ns:date_of_start 2019} ;
INSERT DATA {<<ns:p3 ns:FRIENDS_OF ns:p2>>  ns:date_of_start 2017} ;
INSERT DATA {ns:p1 ns:FRIENDS_OF ns:p2};
INSERT DATA {ns:p3 ns:FRIENDS_OF ns:p1};
INSERT DATA {ns:p3 ns:FRIENDS_OF ns:p2};

SPARQL EndPoint /meta_info/query


PREFIX ns: <http://example.org/ns#>
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

SELECT ?since ?t
WHERE {
    ns:p3 ns:FRIENDS_OF+ ns:p2.
    <<?p1 ns:FRIENDS_OF ?p2>>  ns:date_of_start ?since.
      BIND(<<?p1 ns:FRIENDS_OF ?p2>> AS ?t)
    FILTER (?since > 2016) .
}

SELECT ?since ?t
WHERE {
    ns:p3 ns:FRIENDS_OF+ ns:p2.
    <<?p1 ns:FRIENDS_OF ?p2>>  ns:date_of_start ?since.
      BIND(<<?p1 ns:FRIENDS_OF ?p2>> AS ?t)
    FILTER (?since > 2017) .
}

As consultas do tipo property path em SPARQL e SPARQL-Star retornam apenas os nós inicial e final de um caminho e não permitem variáveis ​​em expressões regulares para os predicados dos caminhos. Dessa forma, as consultas de caminho não retornam todos os nós intermediários em cada caminho. Adicionalmente um caminho de triplas RDF não pode ser representado naturalmente no formato de resultados tabulares de SPARQL.Com isso não é possível associar as triplas RDF recuperadas com as triplas RDF-Star associadas aos pares chave/valor dos qualificadores. 

Marcadores:

Comentários

  1. Veronica dos Santos27 de janeiro de 2022 às 20:20

    Sobre essa questão das consultas de caminho, abri essa thread no SPARQL-Star
    https://github.com/w3c/rdf-star/issues/248#issuecomment-1022943523

    Porém é um limitação do próprio SPARQL e não especificamente do modelo RDF-Star.

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...
Postar um comentário
Leia mais

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...
4 comentários
Leia mais

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...
1 comentário
Leia mais