[论文解读] Shape Expressions Schemas

Iovka Boneva, José Emilio Labra Gayo+2 more|arXiv (Cornell University)|Oct 19, 2015

Image Retrieval and Classification Techniques参考文献 6被引用 3

一句话总结

本文提出形状表达式（ShEx），一种面向RDF的用户友好、表达能力强的模式语言，通过借鉴Turtle和JSON的语法，利用节点级约束验证图结构。该文提出了形式化语义、可验证证明的递归验证算法，并证明了错误识别的NP-完全性，将ShEx定位为RDF数据验证中XML/关系模式的稳健替代方案。

ABSTRACT

We present Shape Expressions (ShEx), an expressive schema language for RDF designed to provide a high-level, user friendly syntax with intuitive semantics. ShEx allows to describe the vocabulary and the structure of an RDF graph, and to constrain the allowed values for the properties of a node. It includes an algebraic grouping operator, a choice operator, cardinalitiy constraints for the number of allowed occurrences of a property, and negation. We define the semantics of the language and illustrate it with examples. We then present a validation algorithm that, given a node in an RDF graph and a constraint defined by the ShEx schema, allows to check whether the node satisfies that constraint. The algorithm outputs a proof that contains trivially verifiable associations of nodes and the constraints that they satisfy. The structure can be used for complex post-processing tasks, such as transforming the RDF graph to other graph or tree structures, verifying more complex constraints, or debugging (w.r.t. the schema). We also show the inherent difficulty of error identification of ShEx.

研究动机与目标

• 设计一种RDF模式语言，提供直观、高层级的语法，用于表达图数据的结构约束。
• 为ShEx定义形式化语义，支持递归、否定、基数约束和取值集合等复杂特性。
• 开发一种递归验证算法，可生成节点符合模式约束的可验证证明。
• 分析ShEx中错误识别的计算复杂度，证明即使仅使用基本构造，其复杂度也为NP-完全。
• 将ShEx定位为实际应用中OWL、SPARQL及新兴标准（如SHACL）在数据验证方面的实用替代方案。

提出的方法

• ShEx采用基于形状的模型，其中每个节点根据命名形状进行验证，该形状定义了允许的属性、数据类型和基数。
• 该语言包含核心操作符：分组（逗号）、选择（交替）、基数约束（如1、0..1、*、+）以及否定。
• 验证算法递归检查焦点节点与形状的匹配情况，生成将节点与满足的约束关联的证明结构。
• 该算法支持$‘CLOSED’$和$‘EXTRA’$修饰符，以控制是否允许额外属性。
• 通过检查一致性的递归形状定义，支持明确定义的递归。
• 通过在取值类约束中引入取值集合和合取，扩展了表达能力。

实验结果

研究问题

• RQ1 如何设计一种RDF模式语言，使其在避免OWL复杂性的同时，兼具表达力和用户友好性？
• RQ2 如何为支持递归、否定和RDF图上基数约束的模式语言定义形式化语义？
• RQ3 能否构建一种递归验证算法，生成节点合规性的证明结构，以支持后续处理和调试？
• RQ4 即使仅使用基本构造，ShEx中识别模式违规的计算复杂度是多少？
• RQ5 与SPARQL、OWL和SHACL等现有方法相比，ShEx在表达力、可用性和验证能力方面表现如何？

主要发现

• ShEx为RDF提供了一种严谨且一致的模式语言，具有简洁的语法和直观的语义，支持否定、递归和基数约束等特性。
• 验证算法生成的证明结构易于验证，并支持复杂后续处理任务，如数据转换和约束调试。
• 即使限制在基本构造下，ShEx中的错误识别仍为NP-完全，表明其在自动错误定位方面存在固有难度。
• 通过$‘CLOSED’$和$‘EXTRA’$修饰符，ShEx同时支持开放世界和封闭世界验证，适用于链接数据和严格控制的环境。
• ShEx已在实际场景中成功应用，包括医学信息学和链接数据门户，展现出实际应用价值。
• 该语言已在多个开源工具中实现，并被用于验证临床模型和数据门户，显示出强大的采用潜力。