[论文解读] Correlation and Substitution in SPARQL

Daniel Hernández, Claudio Gutiérrez+1 more|arXiv (Cornell University)|Jun 5, 2016

Semantic Web and Ontologies被引用 3

一句话总结

本文通过基于逻辑与编程语言原理的形式化语义，解决了SPARQL在变量相关性和替换处理中的模糊性问题。提出了一种归一化的'bind'函数，以解决现有实现中的不一致性，表明Blazegraph/Fuseki（S1）与Virtuoso/rdf4j（S3）遵循截然不同但定义明确的语义，且仅后者在所有测试用例中与其对应的形式化模型一致。

ABSTRACT

In the current SPARQL specification the notion of correlation and substitution are not well defined. This problem triggers several ambiguities in the semantics. In fact, implementations as Fuseki and Virtuoso assume different semantics. In this technical report, we provide a semantics of correlation and substitution following the classic philosophy of substitution and correlation in logic, programming languages and SQL. We think this proposal not only fix the current ambiguities and problems, but helps to set a safe formal base to further extensions of the language. This work is part of an ongoing work of Daniel Hernandez. These anomalies in the W3C Specification of SPARQL 1.1 were detected early and reported no later than 2014, when two erratas were registered (cf. https://www.w3.org/2013/sparql-errata#errata-query-8 and https://www.w3.org/2013/sparql-errata#errata-query-10).

研究动机与目标

• 解决SPARQL规范中长期存在的关于变量相关性与替换的模糊性问题，这些模糊性导致不同实现间查询结果不一致。
• 基于子查询中未投影变量的处理方式，形式化SPARQL子查询中变量可见性与替换的三种不同语义。
• 通过与逻辑和编程语言领域的既定原则对齐，为未来SPARQL扩展提供安全、形式化的基础。
• 评估并比较主要SPARQL引擎（Fuseki、Blazegraph、Virtuoso、rdf4j）在实际查询中与所提形式化语义的行为差异。
• 识别并解释引擎行为中的差异，特别是在涉及未绑定变量与嵌套子查询的场景下。

提出的方法

• 提出一种新的'bind'函数，以替代W3C SPARQL规范中定义不清的'substitute'函数，确保变量归一化的稳定性。
• 引入一个归一化函数'norm(P)'，用于重命名模式P中的变量，以确保所有出现位置的角色分配一致。
• 基于子查询中未投影变量是否可见，定义三种不同语义（S1、S2、S3），其中S1与S3与实际引擎行为一致。
• 使用形式化求值规则，在每种语义下计算查询结果，并与一组10个测试查询的实际引擎输出进行对比。
• 分析涉及空白节点与未绑定变量的边界情况，以确保语义的安全性与一致性。
• 通过将引擎输出与形式化模型对比，验证所提语义的正确性，识别实现中的错误与不一致之处。

实验结果

研究问题

• RQ1 当前SPARQL实现（Fuseki、Blazegraph、Virtuoso、rdf4j）在子查询中处理变量相关性与替换时有何差异？
• RQ2 为何W3C SPARQL 1.1规范导致语义模糊？如何通过形式化方法加以解决？
• RQ3 何种形式化语义能够统一并澄清现有SPARQL引擎中观察到的异构行为？
• RQ4 现实世界中的SPARQL引擎在多大程度上符合所提出的正式语义？其偏离点在哪里？
• RQ5 空白节点与未绑定变量如何影响所提语义的正确性与安全性？

主要发现

• Fuseki与Blazegraph遵循S1语义，即子查询中未投影的变量不可见，但Fuseki在查询6与7中表现出不一致行为，表明存在错误。
• Virtuoso与rdf4j遵循S3语义，即未投影变量可见且可被替换，且在所有测试用例中均与形式化模型一致。
• 所提出的正式语义S1与S3在逻辑上一致且安全，尤其在空白节点与变量作用域方面表现良好。
• 形式上证明W3C的'substitute'函数定义不清且存在矛盾，因此必须被新的'bind'函数所取代。
• 查询8与10表明，某些引擎对未绑定变量应用了特殊处理，暗示存在实现特定的解释方式。
• 仅S3（Virtuoso与rdf4j）能正确处理包含相关变量的嵌套子查询，而S1（Fuseki/Blazegraph）在涉及跨多个子查询绑定变量的场景中失败。