[论文解读] Pleasantly Consuming Linked Data with RDF Data Descriptions

Michael Schmidt, Georg Lausen|arXiv (Cornell University)|Jul 12, 2013

Semantic Web and Ontologies参考文献 18被引用 3

一句话总结

本文提出了RDF数据描述（RDD），一种用于指定RDF数据实例级别约束（如键、基数和类型限制）的语言，以提升数据质量并简化SPARQL查询编写。通过提供形式化的的一阶逻辑语义，RDD使得机器可检查的约束成为可能，从而增强查询优化能力，并确保在链接数据应用中的一致性数据消费。

ABSTRACT

Although the intention of RDF is to provide an open, minimally constraining way for representing information, there exists an increasing number of applications for which guarantees on the structure and values of an RDF data set become desirable if not essential. What is missing in this respect are mechanisms to tie RDF data to quality guarantees akin to schemata of relational databases, or DTDs in XML, in particular when translating legacy data coming with a rich set of integrity constraints - like keys or cardinality restrictions - into RDF. Addressing this shortcoming, we present the RDF Data Description language (RDD), which makes it possible to specify instance-level data constraints over RDF. Making such constraints explicit does not only help in asserting and maintaining data quality, but also opens up new optimization opportunities for query engines and, most importantly, makes query formulation a lot easier for users and system developers. We present design goals, syntax, and a formal, First-order logics based semantics of RDDs and discuss the impact on consuming Linked Data.

研究动机与目标

• 为解决RDF数据缺乏显式、机器可处理的约束，特别是当将具有完整性约束的遗留数据转换为RDF时的问题。
• 使开发人员和用户能够编写精确、可靠的SPARQL查询，而无需猜测属性的多重性或数据结构。
• 提供一种用户可读且机器可处理的语言，类似于DTD或关系模式，用于RDF，以提升数据质量和查询优化能力。
• 以与RDF(S)的开放世界假设兼容的方式，形式化表达键、基数和子属性限制等约束。
• 支持按需采用（pay-as-you-go）模式，即约束为可选，但可逐步添加以提升数据可靠性与查询可预测性。

提出的方法

• 提出RDF数据描述（RDD）语言作为表达RDF实例数据约束（包括键、基数和类型限制）的语法。
• 为RDD定义形式化的一阶逻辑语义，使能够对RDF数据集中的约束进行可靠且完整的验证。
• 通过一组属性上的总和性与唯一性约束组合实现键约束，确保没有两个不同资源共享相同的键值。
• 引入约束类型，如总和性、部分性、最小/最大基数以及限定范围类型约束，以表达结构和值级别限制。
• 采用将约束形式嵌入一阶逻辑的方法，使其可与现有的推理和查询优化流水线集成。
• 支持按需采用模型，即约束为可选，但可逐步添加以提升数据质量和查询可靠性。

实验结果

研究问题

• RQ1 如何在RDF数据中显式表达实例级别约束（如键和基数），以提升数据质量和查询可靠性？
• RQ2 如何设计一种用户友好且机器可处理的RDF数据约束表达语法，以补充现有的RDF(S)和OWL词汇？
• RQ3 如何将约束形式化地建立在一阶逻辑基础上，以支持SPARQL查询引擎中的验证、优化和推理？
• RQ4 将约束与RDF(S)的开放世界假设相结合会产生何种影响？在实践中如何调和这一矛盾？
• RQ5 在现实世界的链接数据发布中，如何逐步采用约束规范，特别是在从具有现有完整性约束的关系数据库映射时？

主要发现

• RDD支持显式指定实例级别约束，如键、基数和类型限制，而这些在RDF(S)和OWL中通常是隐式或缺失的。
• RDD的形式化一阶逻辑语义使得约束的可靠且完整验证成为可能，为SPARQL查询引擎的优化铺平了道路。
• 通过显式表达约束，RDD降低了SPARQL查询的复杂度——用更简单、更可预测的查询替代了复杂的OPTIONAL和GROUP BY模式。
• 该语言支持按需采用模型，允许发布者逐步添加约束，而无需从一开始就强制执行完整模式。
• RDD通过向数据消费者提供结构保证，即使在底层数据以开放世界语义发布时，也能提升数据质量和互操作性。
• 该方法表明，只要在表达力与与RDF开放世界性质的兼容性之间取得恰当平衡，约束可以在RDF中被有意义地表达，而不会违背数据之网的原则。