新瓶装旧酒：RDF查询语言SPARQL

前面我们已经介绍过了语义网技术栈中的RDF，RDFS/OWL。这次我们介绍最后一个核心技术标准——SPARQL（RDF，OWL和SPARQL称为语义网的三大核心技术）。RDF本质上是一种数据模型，那么我们如何在RDF上进行查询呢？类似使用SQL查询关系数据库，我们使用SPARQL查询RDF格式的数据。本文先简单介绍一下SPARQL的历史，然后结合我们实践篇的数据举几个具体的例子。

  一、SPARQL  

SPARQL即SPARQL Protocol and RDF Query Language的递归缩写，专门用于访问和操作RDF数据，是语义网的核心技术之一。W3C的RDF数据存取小组（RDF Data Access Working Group, RDAWG）对其进行了标准化。在2008年，SPARQL 1.0成为W3C官方所推荐的标准。2013年发布了SPARQL 1.1。相对第一个版本，其支持RDF图的更新，提供更强大的查询，比如：子查询、聚合操作（像我们常用的count）等等。

从SPARQL的全称我们可以知道，其由两个部分组成：协议和查询语言。

1. 查询语言很好理解，就像SQL用于查询关系数据库中的数据，XQuery用于查询XML数据，SPARQL用于查询RDF数据。

2. 协议是指我们可以通过HTTP协议在客户端和SPARQL服务器（SPARQL endpoint）之间传输查询和结果，这也是和其他查询语言最大的区别。

一个SPARQL查询本质上是一个带有变量的RDF图，以我们之前提到的罗纳尔多RDF数据为例：

<http://www.kg.com/person/1> <http://www.kg.com/ontology/chineseName> "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.

我们把属性值用变量代替（SPARQL中，用问号加变量名的方式来表示一个变量。），即：

<http://www.kg.com/person/1> <http://www.kg.com/ontology/chineseName> ?x.

SPARQL查询是基于图匹配的思想。我们把上述的查询与RDF图进行匹配，找到符合该匹配模式的所有子图，最后得到变量的值。就上面这个例子而言，在RDF图中找到匹配的子图后，将"罗纳尔多·路易斯·纳萨里奥·德·利马"和“?x”绑定，我们就得到最后的结果。简而言之，SPARQL查询分为三个步骤：

1. 构建查询图模式，表现形式就是带有变量的RDF。

2. 匹配，匹配到符合指定图模式的子图。

3. 绑定，将结果绑定到查询图模式对应的变量上。

  二、例子  

以实践篇的RDF电影数据为例，我们介绍如何利用SPARQL查询：

1. 所有的RDF三元组。

2. 周星驰出演了哪些电影？

3. 英雄这部电影有哪些演员参演？

4. 巩俐参演的评分大于7的电影有哪些？

如何查询所有数据？参照我们在第一个部分介绍的查询过程，查询所有数据即我们没有任何已知值，SPO三元组每个都是未知变量。对应的SPARQL查询语言为：

PREFIX : <http://www.kgdemo.com#>PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>PREFIX owl: <http://www.w3.org/2002/07/owl#>PREFIX xsd: <XML Schema>PREFIX vocab: <http://localhost:2020/resource/vocab/>PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>PREFIX map: <http://localhost:2020/resource/#>PREFIX db: <http://localhost:2020/resource/>
SELECT * WHERE {  ?s ?p ?o}

SPARQL的部分关键词：

• SELECT， 指定我们要查询的变量。在这里我们查询所有的变量，用*代替。

• WHERE，指定我们要查询的图模式。含义上和SQL的WHERE没有区别。

• FROM，指定查询的RDF数据集。我们这里只有一个图，因此省去了FROM关键词。

• PREFIX，用于IRI的缩写。

下面是该语句的部分查询结果：

       s                   p             o
db:genre/12 [http]  :genreName  "冒险"db:genre/12 [http]  rdf:type  :Genredb:genre/14 [http]  :genreName  "奇幻"db:genre/14 [http]  rdf:type  :Genredb:genre/16 [http]  :genreName  "动画"db:genre/16 [http]  rdf:type  :Genredb:genre/18 [http]  :genreName   "剧情"db:genre/18 [http]  rdf:type  :Genredb:genre/27 [http]  :genreName  "恐怖"db:genre/27 [http]  rdf:type    :Genre

“周星驰出演了哪些电影”：

PREFIX : <http://www.kgdemo.com#>PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>PREFIX owl: <http://www.w3.org/2002/07/owl#>PREFIX xsd: <XML Schema>PREFIX vocab: <http://localhost:2020/resource/vocab/>PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>PREFIX map: <http://localhost:2020/resource/#>PREFIX db: <http://localhost:2020/resource/>
SELECT ?n WHERE {  ?s rdf:type :Person.  ?s :personName '周星驰'.  ?s :hasActedIn ?o.  ?o :movieTitle ?n}

部分结果：

n
"功夫""琉璃樽""英雄本色""少林足球""西游记第壹佰零壹回之月光宝盒""长江七号""西游记大结局之仙履奇缘""建国大业""审死官""龙在天涯""大内密探零零发"

就我们这个例子而言，可以不要“?s rdf:type :Person”，这里只是让查询图更具体（在拥有复杂关系的RDF图中，可能会存在不同的类拥有相同的属性名。比如，猫和狗名字的属性名都是"name"，我们想查询一只叫汤姆的猫；如果不指定类型，返回结果可能也包含一只叫汤姆的狗）。图模式中，每个RDF用英文句号进行分割。

“英雄这部电影有哪些演员参演”：

PREFIX : <http://www.kgdemo.com#>PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>PREFIX owl: <http://www.w3.org/2002/07/owl#>PREFIX xsd: <XML Schema>PREFIX vocab: <http://localhost:2020/resource/vocab/>PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>PREFIX map: <http://localhost:2020/resource/#>PREFIX db: <http://localhost:2020/resource/>
SELECT ?n WHERE {  ?s rdf:type :Movie.  ?s :movieTitle '英雄'.  ?a :hasActedIn ?s.  ?a :personName ?n}

结果：

n
"李连杰""梁朝伟""张曼玉""章子怡""甄子丹"

“巩俐参演的评分大于7的电影有哪些”：

PREFIX : <http://www.kgdemo.com#>PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>PREFIX owl: <http://www.w3.org/2002/07/owl#>PREFIX xsd: <XML Schema>PREFIX vocab: <http://localhost:2020/resource/vocab/>PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>PREFIX map: <http://localhost:2020/resource/#>PREFIX db: <http://localhost:2020/resource/>
SELECT ?n WHERE {  ?s rdf:type :Person.  ?s :personName '巩俐'.  ?s :hasActedIn ?o.  ?o :movieTitle ?n.  ?o :movieRating ?r.FILTER (?r >= 7)}

结果：

n
"2046""Memoirs of a Geisha""荆轲刺秦王""大红灯笼高高挂""霸王别姬""活着""唐伯虎点秋香""秋菊打官司""菊豆""Hong gao liang""画魂""风月""Piao Liang Ma Ma""The Hand"

这里我们用到了FILTER关键词，可以对变量取值进行约束。

SPARQL更详细的语法和功能这里就不再多做介绍。读者可以参考W3C的文档(https://www.w3.org/TR/rdf-sparql-query/)或者SPARQL查询的例子(https://www.w3.org/2009/Talks/0615-qbe/)，也有专门的书来讲解SPARQL 1.1（Learning SPARQL: Querying and Updating with SPARQL 1.1，可以关注我的公众号，点击“书单”菜单获取下载链接）

另外多提一点，关于知识图谱，有一个非常重要的概念，即开放世界假定（Open-world assumption，OWA，https://www.wikiwand.com/en/Open-world_assumption）。这个假定的意思是当前没有陈述的事情是未知的，或者说知识图谱没有包含的信息是未知的。怎么理解？首先我们要承认知识图谱无法包含所有完整的信息。以我们这个电影数据的例子而言，很明显，它的数据十分残缺。即使我们拥有一个十分完整的电影知识图谱，包含了当下所有的电影、演员等信息，在现实世界中，信息也是动态变化和增长的。即，我们要承认知识图谱的信息本身就是残缺的。有了这个前提，我们来思考例子中的第二个SPARQL语句：

周星驰出演了上述查询结果中的电影。基于我们构建的电影知识图谱，提问：周星驰出演了《卧虎藏龙》吗？根据OWA，我们得到的答案是“不知道”，相反，如果是封闭世界假定（Closed-world assumption），我们得到的答案是“没有出演”。

我们在设计本体和开发相关应用的时候需要考虑开放世界假定。举个简单的例子，基于知识图谱的问答系统，用户提问“周星驰出演了《卧虎藏龙》吗？”，合适的回答是“不知道”而不是“没有出演”。直觉上这和一个人向另一个人提这个问题一样，如果我们知道问题答案，我们会给出肯定的回答，不知道的话，我们往往倾向于回复“我不知道”，“我不太清楚”，“我查查看”，而不是信誓旦旦地回答“没有出演”。毕竟，大多数人都有“自知之明”，知道自己总有不了解的东西。从这个角度上说，人和知识图谱类似，我们都存在于OWA的世界中。

  三、总结  

本文主要介绍了RDF查询语言SPARQL及其基本用法，希望能让读者对SPARQL有个初步的认识。下一篇文章是实践篇，介绍如何利用D2RQ创建SPARQL endpoint并在我们的数据上进行相关查询。

参考资料：

1. Learn SPARQL - Cambridge Semantics (https://www.cambridgesemantics.com/blog/semantic-university/learn-sparql/)

2. SPARQL By Example (https://www.w3.org/2009/Talks/0615-qbe/)

3. SPARQL Query Language for RDF (https://www.w3.org/TR/rdf-sparql-query/)

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏