[論文レビュー] The Problem of Correlation and Substitution in SPARQL -- Extended Version

Daniel Hernández, Claudio Gutiérrez+1 more|arXiv (Cornell University)|Jan 13, 2018

Semantic Web and Ontologies参考文献 11被引用数 3

ひとこと要約

この論文は、不完全なデータを含む相関付きおよびネストされたクエリにおけるSPARQLサブクエリにおける変数の置換の根本的な問題を特定し、形式化している。新しい形式的枠組み「ネストド・デリューサクト（Nested Datalog）」および「モダール・デリューサクト（Modal Datalog）」を用いて、Fuseki、Virtuoso、Blazegraph、rdf4jといったSPARQLエンジン間の評価戦略の違いが曖昧な置換意味論に起因することを明らかにした。また、論理的置換と構文的置換の違いが、特にnull値やオプションパターンが存在する場合に一貫性のない結果をもたらすことを示している。

ABSTRACT

Implementations of a standard language are expected to give same outputs to identical queries. In this paper we study why different implementations of SPARQL (Fuseki, Virtuoso, Blazegraph and rdf4j) behave differently when evaluating queries with correlated variables. We show that at the core of this problem lies the historically troubling notion of logical substitution. We present a formal framework to study this issue based on Datalog that besides clarifying the problem, gives a solid base to define and implement nesting.

研究の動機と目的

• 主な実装（Fuseki、Virtuoso、Blazegraph、rdf4j）間で不一致が生じるSPARQLサブクエリ評価の根本的原因を特定すること。
• 特に相関付きおよびネストされたサブクエリにおける置換の概念が、不完全なデータ（例：null）が関与する場合に、なぜ結果が分かれるのかを分析すること。
• ネストド・デリューサクトおよびモダール・デリューサクトを用いて問題を形式化し、構文的置換と論理的置換の戦略の違いを明確にすること。
• FILTER EXISTSサブクエリにおける変数バインディングと置換の意味論に関するSPARQL仕様の曖昧さを解明すること。
• 置換順序と不完全性の微細な点を露呈する論理的フレームワークを提供し、一貫した実装を可能にすること。

提案手法

• 古典的デリューサクトの拡張として、変数置換を伴うネストされたSPARQLサブクエリをモデル化するためのネストド・デリューサクトを導入する。
• 不完全な情報（特にnull値）を扱うために、モダール・デリューサクトを用い、変数バインディングにおける不確実性を表すモダール演算子を導入する。
• SPARQLサブクエリを、トップダウン、ボトムアップ、または中間の置換レベルといった明確な置換戦略を持つ論理式としてモデル化する。
• 依存関係グラフを構築し、ネストされたクエリレベル間での置換順序と変数の伝播を可視化する。
• 3つの置換解釈を定義する：(1) トップで論理的置換を行う、(2) 変数バインディング後に置換を行う、(3) 評価の中間で不適切な置換を行う。
• SPARQLクエリをモダール・デリューサクト規則にマッピングし、異なる置換意味論の下で評価することで、システムの挙動を比較する。

実験結果

リサーチクエスチョン

• RQ1 なぜ主なSPARQLエンジン（Fuseki、Virtuoso、Blazegraph、rdf4j）が、OPTIONALおよびFILTER EXISTSパターンを含む同じ相関付きサブクエリに対して不一致な結果を返すのか？
• RQ2 ネストされたSPARQLクエリにおいて、結果が分かれる原因となる、異なる置換戦略（構文的 vs. 論理的）は何か？
• RQ3 不完全なデータ（例：null値やバインディングのない変数）が、SPARQLにおける変数置換の正しさと一貫性にどのように影響するか？
• RQ4 現在のSPARQL仕様が置換を明確に定義していないため、実装の差異が生じる理由は何か？
• RQ5 ネストド・デリューサクトおよびモダール・デリューサクトといった形式的論理フレームワークを用いることで、ネストされたクエリにおける異なる置換意味論をどのようにモデル化・区別できるか？

主な発見

• 例のクエリに対して、FusekiとBlazegraphは (1, *.com)、(3, *.com)、(5, -) を返すが、Virtuosoは (1, *.com) と (3, *.com) のみを返し、rdf4jは (3, *.com) と (5, -) を返す。各エンジンで一貫性のない結果が得られている。
• この差異は、異なる置換戦略に起因する：一部のシステムは内側のクエリを評価する前に変数を置換し、他のシステムは評価後に置換し、一部は評価の途中で置換を適用している。
• 構文的置換（評価前に変数をバインディング）では、ある解釈ではperson 1 のみが返されるが、論理的置換では複数の答えが得られる。
• レベル2（変数のインスタンス化後、フィルタリング前）で置換を適用すると、person 3 と 5 が成功するが、この解釈に唯一同意するのはrdf4jである。
• レベル3（変数のインスタンス化直後）で置換を行うと、person 1、3、5 が答えに含まれる。これはBlazegraphとFusekiの挙動と一致するが、不適切な置換チェーンのため論理的に誤りである。
• トップダウン置換戦略はどのシステムでも正しく実装されておらず、論理的置換の下では正しくはperson 5 のみが答えとなるべきである。これは標準化の欠如に起因する体系的な問題である。