如何编写有效匹配字符串文字而忽略大小写的SPARQL查询

Question

我正在使用Jena ARQ编写针对从Jena TDB读取的大型本体的SPARQL查询，以便查找与基于rdfs标签的概念相关联的类型:

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> "aspirin" .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
}

这工作得很好，实际上很快（<1秒）。不幸的是，对于某些术语，我需要以不区分大小写的方式执行此查询。例如，因为标签 "Tylenol" 在本体中，但不是 "tylenol", ，下面的查询出现空:

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> "tylenol" .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
}

我可以使用过滤器语法编写此查询的不区分大小写版本，如下所示:

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> ?term .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
 FILTER ( regex (str(?term), "tylenol", "i") )
}

但现在查询需要一分钟以上才能完成！有没有办法以更有效的方式编写不区分大小写的查询？

Answer 1

具有过滤器查询的查询运行速度较慢的原因是因为？term is unbound它需要扫描PSO或POS索引以查找具有rdfs:label谓词的所有语句，并根据正则表达式过滤它们。当它绑定到具体资源（在第一个示例中）时，它可以使用OPS或POS索引仅扫描具有rdfs:label谓词和指定对象资源的语句，这将具有更低的基数。

这种类型的文本搜索问题的常见解决方案是使用外部文本索引。在这种情况下，Jena提供了一个名为 拉克, ，它使用Lucene执行搜索并将结果与查询的其余部分连接起来。

Answer 2

从您可以在SPARQL中使用的所有可能的字符串运算符, regex 可能是最贵的。如果避免，查询可能会运行得更快 regex 你用 UCASE 或 LCASE 在测试的两侧代替。类似的东西:

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> ?term .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
 FILTER (lcase(str(?term)) = "tylenol")
}

这可能会更快，但一般来说，对于任何三重存储的文本搜索，不要期望有很好的性能。三重存储非常擅长图形匹配，而不是那么擅长字符串匹配。