CN107992608A - 一种基于关键字上下文的sparql查询语句自动生成方法 - Google Patents

Abstract

一种基于关键字上下文的SPARQL查询语句自动生成方法，属于数据库技术应用领域。包括：采用RDF数据到标签图的映射方法，基于实体类型和实体之间关系对RDF标签图进行模式摘要处理；构建包含节点在RDF标签图中位置信息的两层关键字索引；利用关键字索引将用户输入的关键字映射至RDF标签图中节点，采用后向搜索算法在RDF模式图中寻找包含关键字的子图；最后基于子图与用户查询意图的相关度对结果进行计分排序，将得分较高的结果转化为SPARQL查询语句。本发明提出的SPARQL查询语句自动生成方法，能够根据关键字准p确、高效地生成符合用户查询意图的SPARQL查询语句，达到帮助用户快速查询信息的目的。

Description

一种基于关键字上下文的SPARQL查询语句自动生成方法

技术领域

本发明属于数据库技术领域，具体涉及一种新型的SPARQL查询语句自动生成技术。

背景技术

随着语义网技术的发展，各个领域采用RDF的形式描述知识，RDF数据成倍增长，海量的数据可供人们使用。SPARQL作为RDF数据的结构化查询语句，能够对RDF数据中的知识进行查询，并且借助数据库查询优化等策略取得较高的查询效率。然而，了解RDF数据模式和SPARQL语法是构造查询语句的基础，而且RDF数据的模式通常十分复杂，因此，构造SPARQL查询语句对于普通用户是非常困难的，导致人们无法便捷地从海量数据中获取知识，造成RDF数据无法为用户提供方便的知识服务。

可见，帮助用户构造SPARQL查询语句是便捷获取知识的基础。若能根据用户输入的关键字自动生成符合用户查询意图的SPARQL查询语句，将会减少用户在理解RDF数据模式和学习SPARQL语法上所耗费的时间和精力，进而有助于用户对数据的检索查询。

发明内容

本发明目的是解决用户无法直接参考RDF数据复杂模式完成SPARQL查询的问题，基于启发式算法，提出了一种基于关键字上下文的SPARQL查询语句自动生成方法。自动生成SPARQL查询语句，既可以满足普通用户快速且准确查询RDF数据获取知识的迫切需求，又能够为RDF数据提供各项知识服务奠定良好的基础。

本发明提供的基于关键字上下文的SPARQL查询语句自动生成方法的具体步骤如下：

第1、采用RDF数据到标签图的映射方法，基于实体类型和实体之间关系对RDF标签图进行模式摘要处理；

第1.1、将RDF数据映射为一个标签图，

定义1：RDF数据映射为一个标签图，用三元组G＝(V,L,E)表示，其中：

①.V＝V_E∪V_C∪V_L为顶点集，V_E表示实体节点集合，V_C表示类型节点集合，V_L表示文字节点集合；

②.L＝L_R∪L_A∪{type,subClassOf}为边上标签集合，L_R表示实体节点之间边的标签集合，L_A表示连接实体节点和文字节点边的标签集合，type表示描述实体类型的标签，subClassOf表示描述类型层级关系的标签；

③.为边集合，其中v₁和v₂为V中的元素，e为L中的元素，表示由v₁指向v₂的标签为e的边，满足以下条件：

a)e∈L_R当且仅当v₁,v₂∈V_E，

b)e∈L_A当且仅当v₁∈V_E,v₂∈V_L，

c)e＝type当且仅当v₁∈V_E,v₂∈V_C，

d)e＝subClassOf当且仅当v₁,v₂∈V_C；

第1.2、对RDF标签图进行模式摘要处理，生成RDF模式图，

定义2：一个RDF标签图G＝(V,L,E)经过模式摘要处理生成一个RDF模式图，用三元组G^S＝(V^S,L^S,E^S)表示，其中：

①.V^S＝V_C，L^S＝L_R∪{subClassOf}，其中v₁ ^S和v₂ ^S为V^S中的元素，e^S为L^S中的元素，表示由v₁ ^S指向v₂ ^S的标签为e^S的边；

②.v^S∈V^S代表V_E中所有v^S类型的实体节点，即

③.当且仅当对于v₁∈[[v₁ ^S]]和v₂∈[[v₂ ^S]]存在

第2、构建包含节点在RDF标签图中位置信息的两层关键字索引；

第2.1、为RDF标签图建立词表，

定义3：一个RDF标签图G＝(V,L,E)的词表为集合T_G＝T_C∪T_L∪T_R∪T_A，其中T_C、 T_L、T_R和T_A分别表示V_C、V_L、L_R和L_A中词项的集合；

第2.2、对T_C和T_R中词项建立倒排索引，将词项直接映射至RDF标签图中节点；对T_L和T_A中词项建立两层关键字索引，将词项通过包含RDF标签图中位置信息的B树结构映射至RDF标签图中节点；

定义4：一个RDF标签图G＝(V,L,E)中节点为一个三元组n＝(v_C,l_A,v_L)，其中：

①.v_C∈V_C,l_A∈L_A,v_L∈V_L；

②.存在边type(v,v_C)∈E和l_A(v,v_L)∈E；

③.满足以下条件：

a)l_A＝null,v_L＝null当且仅当词项出现在v_C中；

b)l_A≠null,v_L＝null当且仅当词项出现在l_A中；

c)l_A≠null,v_L≠null当且仅当词项出现在v_L中；

d)v_C≠null；

定义5：一个RDF标签图中节点n＝(v_C,l_A,v_L)的位置信息为v_C；

第3、利用关键字索引将用户输入的关键字映射至RDF标签图中节点，采用后向搜索算法在RDF模式图中寻找包含关键字的子图；

第3.1、对用户输入的关键字进行预处理，生成关键字查询，

定义6：一个关键字查询为一个序列q＝{w₁,...,w_n}，其中w_i为词项；

第3.2、利用倒排索引将关键字查询中的部分词项映射至RDF标签图中类型节点，并将这些节点及其在RDF模式图中的邻近节点的集合作为该查询的位置信息；

第3.3、利用两层关键字索引，结合查询的位置信息将关键字查询中的其余词项映射至RDF标签图中实体节点和文字节点；

第3.4、采用后向搜索算法在RDF模式图中寻找包含关键字的子图；

第4、基于子图与用户查询意图的相关度对结果进行计分排序，将得分较高的结果转化为SPARQL查询语句；

第4.1、根据用户输入关键字的上下文关系，对结果子图中包含关键字的节点与用户查询意图的相关度进行计分，包含关键字的节点称为关键字节点；

第4.2、结合子图中关键字节点的得分和子图的路径长度，对结果子图进行计分排序，

定义7：关键字节点n与用户查询意图的相关度记作score(n)，结果子图的路径长度记作PL，则结果子图与用户查询意图的相关度定义为：

第4.3、将得分较高的结果子图转化为SPARQL查询语句。

本发明的优点和有益效果：

本发明通过对当前国内外结构化查询语句生成技术的研究分析，提出一种基于关键字上下文的SPARQL查询语句自动生成方法，可以根据关键字准确生成符合用户查询需求的SPARQL查询语句，在时间效率与准确性方面均有明显优势。本发明可以满足普通用户快速且准确查询RDF数据获取知识的迫切需求，又能够为RDF数据提供各项知识服务奠定良好的基础。

附图说明

图1方法总流程图；

图2原始RDF数据；

图3示例RDF数据对应的标签图形式；

图4经过模式摘要处理生成的RDF模式图；

图5示例两层关键字索引；

图6根据示例关键字生成的子图；

图7示例子图对应的SPARQL查询语句。

具体实施方式

本发明方法的处理流程如图1所示。

下面结合实施例介绍本发明方法的具体实施方式，如图2所示为实施例RDF数据，输入关键字为person、movie和Lila，用于查询出演电影“LilaLila”的人物。经过SPARQL 查询语句自动生成方法生成的SPARQL语句如图7所示。以下结合实施例介绍本发明方法的具体步骤：

步骤1：RDF标签图模式摘要处理。

首先将RDF数据形式化定义为一张标签图，由三元组G＝(V,L,E)表示，其中V为顶点集，表示数据中所有实体节点、类型节点和文字节点的集合；L为边上标签集合，表示实体节点之间边的标签以及连接实体节点和文字节点边的标签的集合；E为边集合。图3 展示出图2中RDF数据对应的标签图形式。然后基于实体类型和实体之间关系对RDF标签图进行模式摘要处理。图4展示出示例RDF数据经过模式摘要处理生成的RDF模式图。

步骤2：两层关键字索引构建。

首先为RDF标签图建立词表，然后对于RDF标签图G＝(V,L,E)，对V_C和L_R中的词项建立倒排索引，将词项直接映射至RDF标签图中节点；对V_L和L_A中的词项建立两层关键字索引，将词项通过包含RDF标签图中位置信息的B树结构映射至RDF标签图中节点。图5展示出示例RDF数据中词项lila的两层关键字索引。词项lila在RDF数据中既可以表示人物Lila，又可以表示电影“LilaLila”和“Lila Says”以及专辑“Lila”等，两层关键字索引将相应的实体类型作为RDF标签图中位置信息存储在B树结构中，并将词项lila通过B 树映射至不同的节点。

步骤3：寻找包含关键字的子图。

第3.1、对输入关键字生成关键字查询，示例关键字对应的关键字查询为序列 q＝{person,movie,lila}。

第3.2、利用倒排索引将关键字查询中的部分词项映射至RDF标签图中类型节点，person映射至节点(Person,null,null)，movie映射至节点(Movie,null,null)，将此两个节点及其在RDF模式图中的邻近节点的集合{Person,Movie,Album,...}作为该查询的位置信息。

第3.3、利用两层关键字索引，结合查询的位置信息将关键字查询中的其余词项映射至RDF标签图中实体节点和文字节点，lila映射至(Person,hasGivenName,Lila)、(Movie,label,Lila_Lila)、(Movie,label,Lila_Says)和(Album,label,Lila)等节点。通过此种方法，关键字被映射至用户查询范围之内的节点，很大程度地降低了搜索空间。

第3.4、在RDF模式图上采用后向搜索算法，从关键字节点开始延图中边进行迭代遍历，直至发现连接节点，连接节点与关键字与初始节点间的路径构成子图。图6展示出根据示例关键字生成的子图。后向搜索算法具体实现的伪代码如下：

算法1：后向搜索算法

输入：关键字节点集合K＝(K₁,...,K_n)，模式图G^S＝(V^S,L^S,E^S)，允许搜索的最大路径长度d_max

输出：子图集合R

该算法描述了采用后向搜索算法在RDF模式图中寻找包含关键字的子图的方法，利用数据结构Pointer(c,p,e,d)记录搜索路径，其中c表示当前访问节点，p表示父Pointer，e表示路径的初始关键字节点，d表示c和e之间的路径长度，利用数据结构LQ＝(Q₁,...,Q_n) 记录搜索信息，其中Q_i表示一个Pointer优先队列，记录关键字节点n∈K_i对应的搜索路径，利用数据结构v(P₁,...,P_n)记录节点v的搜索信息，其中P_i表示一个Pointer列表，记录关键字节点n∈K_i到v的搜索路径。首先对所有关键字节点进行初始化，然后在每一次迭代中选取LQ中长度最短的搜索路径，访问当前节点并将当前节点的相邻节点添加至LQ中，如果当前节点成为连接节点，则将相关路径构成子图。

步骤4：结果进行计分排序和SPARQL转化。

第4.1、根据用户输入关键字的上下文关系，对结果子图中关键字节点与用户查询意图的相关度进行计分。关键字节点计分算法具体实现的伪代码如下：

算法2：关键字节点计分算法

输入：关键字节点集合K＝(K₁,...,K_n)

输出：K中关键字节点的分数

该算法通过挖掘关键字上下文中的关联信息，基于关键字节点与用户查询意图的相关度对其进行计分。

第4.2、结合子图中关键字元素的得分和子图的路径长度，对结果子图进行计分排序；

第4.3、将得分较高的结果子图转化为SPARQL查询语句。

图7展示出示例子图对应的SPARQL查询语句。

Claims (1)

1.一种基于关键字上下文的SPARQL查询语句自动生成方法，其特征在于该方法包括：

第1、采用RDF数据到标签图的映射方法，基于实体类型和实体之间关系对RDF标签图进行模式摘要处理；

第1.1、将RDF数据映射为一个标签图，

定义1：RDF数据映射为一个标签图，用三元组G＝(V,L,E)表示，其中：

①.V＝V_E∪V_C∪V_L为顶点集，V_E表示实体节点集合，V_C表示类型节点集合，V_L表示文字节点集合；

②.L＝L_R∪L_A∪{type,subClassOf}为边上标签集合，L_R表示实体节点之间边的标签集合，L_A表示连接实体节点和文字节点边的标签集合，type表示描述实体类型的标签，subClassOf表示描述类型层级关系的标签；

③.为边集合，其中v₁和v₂为V中的元素，e为L中的元素，表示由v₁指向v₂的标签为e的边，满足以下条件：

a)e∈L_R当且仅当v₁,v₂∈V_E，

b)e∈L_A当且仅当v₁∈V_E,v₂∈V_L，

c)e＝type当且仅当v₁∈V_E,v₂∈V_C，

d)e＝subClassOf当且仅当v₁,v₂∈V_C；

第1.2、对RDF标签图进行模式摘要处理，生成RDF模式图，

定义2：一个RDF标签图G＝(V,L,E)经过模式摘要处理生成一个RDF模式图，用三元组G^S＝(V^S,L^S,E^S)表示，其中：

①.V^S＝V_C，L^S＝L_R∪{subClassOf}，其中v₁ ^S和v₂ ^S为V^S中的元素，e^S为L^S中的元素，表示由v₁ ^S指向v₂ ^S的标签为e^S的边；

②.v^S∈V^S代表V_E中所有v^S类型的实体节点，即

③.当且仅当对于v₁∈[[v₁ ^S]]和v₂∈[[v₂ ^S]]存在

第2、构建包含节点在RDF标签图中位置信息的两层关键字索引；

第2.1、为RDF标签图建立词表，

定义3：一个RDF标签图G＝(V,L,E)的词表为集合T_G＝T_C∪T_L∪T_R∪T_A，其中T_C、T_L、T_R和T_A分别表示V_C、V_L、L_R和L_A中词项的集合；

第2.2、对T_C和T_R中词项建立倒排索引，将词项直接映射至RDF标签图中节点；对T_L和T_A中词项建立两层关键字索引，将词项通过包含RDF标签图中位置信息的B树结构映射至RDF标签图中节点；

定义4：一个RDF标签图G＝(V,L,E)中节点为一个三元组n＝(v_C,l_A,v_L)，其中：

①.v_C∈V_C,l_A∈L_A,v_L∈V_L；

②.存在边type(v,v_C)∈E和l_A(v,v_L)∈E；

③.满足以下条件：

a)l_A＝null,v_L＝null当且仅当词项出现在v_C中；

b)l_A≠null,v_L＝null当且仅当词项出现在l_A中；

c)l_A≠null,v_L≠null当且仅当词项出现在v_L中；

d)v_C≠null；

定义5：一个RDF标签图中节点n＝(v_C,l_A,v_L)的位置信息为v_C；

第3、利用关键字索引将用户输入的关键字映射至RDF标签图中节点，采用后向搜索算法在RDF模式图中寻找包含关键字的子图；

第3.1、对用户输入的关键字进行预处理，生成关键字查询，

定义6：一个关键字查询为一个序列q＝{w₁,...,w_n}，其中w_i为词项；

第3.2、利用倒排索引将关键字查询中的部分词项映射至RDF标签图中类型节点，并将这些节点及其在RDF模式图中的邻近节点的集合作为该查询的位置信息；

第3.3、利用两层关键字索引，结合查询的位置信息将关键字查询中的其余词项映射至RDF标签图中实体节点和文字节点；

第3.4、采用后向搜索算法在RDF模式图中寻找包含关键字的子图；

第4、基于子图与用户查询意图的相关度对结果进行计分排序，将得分较高的结果转化为SPARQL查询语句；

第4.1、根据用户输入关键字的上下文关系，对结果子图中包含关键字的节点与用户查询意图的相关度进行计分，包含关键字的节点称为关键字节点；

第4.2、结合子图中关键字节点的得分和子图的路径长度，对结果子图进行计分排序，

定义7：关键字节点n与用户查询意图的相关度记作score(n)，结果子图的路径长度记作PL，则结果子图与用户查询意图的相关度定义为：

第4.3、将得分较高的结果子图转化为SPARQL查询语句。