如何优化我的递归 SPARQL 查询？

Posted 2023-04-14

【中文标题】如何优化我的递归 SPARQL 查询？

【英文标题】：How can I optimize my recursive SPARQL query?

【发布时间】：2021-10-20 15:12:43

【问题描述】：

我正在尝试使用递归 SPARQL 查询从 Wikidata 中提取建筑物，但我不断收到查询超时。有没有办法绕过这个？

这是我当前的查询，选择所有具有 Freebase ID 或 Google Knowledge Graph ID 以及荷兰标签的建筑物：

SELECT DISTINCT ?building ?buildingLabel
WHERE 
  ?building p:P2671|p:P646 ?id;
            p:P31/ps:P31/wdt:P279* wd:Q41176;
            rdfs:label ?buildingLabel .
  FILTER(LANG(?buildingLabel) = 'nl') .
  FILTER (?building != ?buildingLabel) .

我尝试手动查看几层深度，但由于某种原因，我没有得到三层或更多层深度的结果，即使它们确实存在。我已经尝试过使用：

SELECT ?building
WHERE 
 ?building p:P31/ps:P31/wdt:P279 [p:P31/ps:P31/wdt:P279 [p:P31/ps:P31/wdt:P279 wd:Q41176]].

并使用

SELECT ?building
WHERE 
 ?parent2 p:P31/ps:P31/wdt:P279 wd:Q41176.
 ?parent1 p:P31/ps:P31/wdt:P279 ?parent2.
 ?building p:P31/ps:P31/wdt:P279 ?parent1.

在 Wikidata 上有大约 224 万座建筑物和大约 1800 万个具有 Freebase ID 或 Google Knowledge Graph ID 的实体。我查看了this guide，但不太清楚如何将其应用于我的查询。我也阅读了this question 的答案，但不幸的是，使用多个查询对我来说并不是一个真正的选择。

【问题讨论】：

p:P31/ps:P31/wdt:P279 [p:P31/ps:P31/wdt:P279 不等于 p:P31/ps:P31/wdt:P279*，因为 * 的优先级高于 / - 如果您希望在层次结构中最多三个跃点，则应使用 p:P31/ps:P31/wdt:P279?/wdt:P279?/wdt:P279?

【参考方案1】：

如果您的意图是使用“递归”属性路径来查找建筑物类型的事物以及作为建筑物子类的类型，那么您使用 wdt:P279* 的第一个查询是正确的，而后面的尝试重复完整的 p:P31/ps:P31/wdt:P279 模式将无法匹配任何数据。

通过稍微简化第一个查询，我能够让它运行（在 39 秒内返回 96,297 个结果）：

SELECT DISTINCT ?building ?buildingLabel
WHERE 
  ?building p:P2671|p:P646 ?id;
            wdt:P31/wdt:P279* wd:Q41176 .
  ?building rdfs:label ?buildingLabel .
  FILTER(LANGMATCHES(LANG(?buildingLabel), "nl"))

两个显着变化：

p:P31/ps:P31 被 wdt:P31 替换，从查询中删除一个连接。 第二个FILTER 是不必要的，因为?building（一个URI）和?buildingLabel（一个字符串）必然是不相等的