Come scrivere la query dello sparql che corrisponde in modo efficiente i letterali della stringa mentre ignorano il caso

Question

Sto usando Jena Arq per scrivere una query sparql contro una grande ontologia Leggi da Jena TDB per trovare i tipi associati ai concetti basati sull'etichetta RDFS:

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 .
}

.

funziona abbastanza bene ed è in realtà abbastanza veloce (<1 secondo).Sfortunatamente, per alcuni termini, ho bisogno di eseguire questa query in modo inconsensionale.Ad esempio, poiché l'etichetta "Tylenol" è nell'ontologia, ma non in "tylenol", la seguente query viene vuota vuota:

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 .
}

.

Posso scrivere una versione insensibile di questa query usando la sintassi del filtro come:

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") )
}

.

Ma ora la query richiede un minuto da completare!C'è un modo per scrivere la query insensibile caso in modo più efficiente?

Answer 1

Il motivo La query con la query del filtro viene eseguita più lento è perché? Termine è il suo non è necessario eseguire la scansione dell'indice PSO o POS per trovare tutte le istruzioni con i RDF: etichetta predicato e filtrarle contro la regex.Quando è stato associato a una risorsa concreta (nel tuo primo esempio), potrebbe utilizzare un indice OPS o POS per eseguire la scansione solo di dichiarazioni con i RDF: il predicato dell'etichetta e la risorsa oggetto specificata, che avrebbe una cardinalità molto più bassa.

.

La soluzione comune a questo tipo di problema di ricerca del testo è utilizzare un indice di testo esterno.In questo caso, Jena fornisce un indice di testo gratuito chiamato larq , che useLucene per eseguire la ricerca e si unisce ai risultati con il resto della query.

Answer 2

Da tutti i possibili operatori di stringa che è possibile utilizzare in Sparql, regex è probabilmente il più costoso.La tua query potrebbe essere eseguita più veloce se si evita regex e si utilizza UCASE o LCASE su entrambi i lati del test.Qualcosa come:

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")
}

.

Questo potrebbe essere più veloce ma in generale non aspettatevi grandi prestazioni per la ricerca di testo con qualsiasi negozio triplo.I negozi tripli sono molto buoni nella corrispondenza del grafico e non sono così buoni nella corrispondenza delle corde.