[论文解读] SPARQL for a Web of Linked Data: Semantics and Computability (Extended Version)

Olaf Hartig|arXiv (Cornell University)|Mar 7, 2012

Semantic Web and Ontologies参考文献 16被引用 3

一句话总结

本文通过引入两种新颖的语义：全网语义和基于可达性的语义，正式研究了SPARQL在查询链接数据网络方面的适用性。它通过数据与计算模型建立了理论基础，证明在恒定可达性准则下，即使在无限大的链接数据网络环境中，SPARQL查询仍具有可计算性并产生有限结果。

ABSTRACT

The World Wide Web currently evolves into a Web of Linked Data where content providers publish and link data as they have done with hypertext for the last 20 years. While the declarative query language SPARQL is the de facto for querying a-priory defined sets of data from the Web, no language exists for querying the Web of Linked Data itself. However, it seems natural to ask whether SPARQL is also suitable for such a purpose. In this paper we formally investigate the applicability of SPARQL as a query language for Linked Data on the Web. In particular, we study two query models: 1) a full-Web semantics where the scope of a query is the complete set of Linked Data on the Web and 2) a family of reachability-based semantics which restrict the scope to data that is reachable by traversing certain data links. For both models we discuss properties such as monotonicity and computability as well as the implications of querying a Web that is infinitely large due to data generating servers.

研究动机与目标

• 为使用SPARQL查询链接数据网络缺乏理论基础的问题提供解决方案。
• 定义一个正式的数据模型，以捕捉链接数据网络无限且相互关联的本质。
• 提出一个基于图灵机的计算模型，以反映在Web查询过程中对数据访问能力的限制。
• 提出并分析两种SPARQL查询语义：全网语义和基于可达性的语义，适用于动态、分布式的数据。
• 研究在这些语义下关键属性的性质，如可满足性、单调性以及可计算性。

提出的方法

• 提出一个基于无限数据模型的理论框架，将链接数据网络表示为相互链接的RDF文档网络。
• 引入一种使用受限类型图灵机的计算模型，以形式化在Web查询过程中对数据访问能力的限制。
• 定义全网语义，即SPARQL查询在Web上所有可用链接数据的集合上进行评估。
• 引入一类基于可达性的语义，将查询范围限制在通过特定数据链接可到达的数据范围内。
• 基于URI集合和RDF三元组集合，定义四种类型的恒定可达性准则：U-constant、T-constant、(U∧T)-constant和(U∨T)-constant。
• 使用形式化定义与证明，分析每种语义下的单调性、可满足性及可计算性等属性。

实验结果

研究问题

• RQ1 鉴于链接数据网络具有动态性和潜在无限性，SPARQL能否被正式适配为整个链接数据网络的查询语言？
• RQ2 在全网语义和基于可达性的语义下，SPARQL查询的理论属性（如单调性与可满足性）是什么？
• RQ3 当链接数据网络无限大时，是否能够确保SPARQL查询的可计算性？
• RQ4 不同的可达性准则（如U-constant、T-constant等）如何影响查询结果的有限性与可处理性？
• RQ5 在限制性与计算可行性方面，不同可达性准则之间的关系如何？

主要发现

• 全网语义允许SPARQL查询考虑Web上所有可用的链接数据，但由于潜在的无限性，带来了可计算性方面的挑战。
• 基于可达性的语义将查询范围限制在通过既定准则可到达的数据上，从而实现有限且可计算的查询结果。
• 所有恒定可达性准则——U-constant、T-constant、(U∧T)-constant和(U∨T)-constant——均确保了可到达数据的有限性，这通过URI和三元组的有界集合得到证明。
• (U∨T)-constant准则最为宽松，而(U∧T)-constant准则最为严格，且在该层级结构中保持了单调性属性。
• 本文证明了在任意恒定可达性准则下，SPARQL查询在链接数据网络无限大的情况下仍具有可计算性。
• 该理论框架为在动态、分布式的链接数据环境中推理查询语义、可计算性与正确性提供了坚实基础。