[论文解读] 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 3

一句话总结

本文识别并形式化了 SPARQL 子查询中变量替换的核心问题，尤其是在存在不完整数据的关联子查询和嵌套子查询中。通过一种新颖的形式化方法——嵌套 Datalog 和模态 Datalog，本文揭示了不同 SPARQL 引擎（Fuseki、Virtuoso、Blazegraph、rdf4j）在评估策略上的差异源于模糊的替换语义，并表明逻辑替换与语法替换会导致不一致的结果，尤其是在涉及空值或可选模式时。

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.

研究动机与目标

• 识别主要实现（Fuseki、Virtuoso、Blazegraph、rdf4j）之间 SPARQL 子查询评估不一致的根本原因。
• 分析变量替换概念（尤其是关联和嵌套子查询中的替换）如何导致不同结果，特别是在涉及不完整数据（如空值）时。
• 使用嵌套 Datalog 和模态 Datalog 对问题进行形式化，区分语法替换与逻辑替换策略。
• 澄清 SPARQL 规范中关于 FILTER EXISTS 子查询内变量绑定与替换的语义模糊性。
• 提供一个逻辑框架，揭示替换顺序与不完整性之间的细微差别，从而实现一致的实现。

提出的方法

• 引入嵌套 Datalog 作为经典 Datalog 的扩展，用于建模包含变量替换的嵌套 SPARQL 子查询。
• 使用模态 Datalog 来形式化不完整信息，特别是通过引入模态算子来表示变量绑定中的不确定性。
• 将 SPARQL 子查询建模为具有不同替换策略的逻辑表达式：自顶向下、自底向上或中间替换层级。
• 构建依赖图以可视化嵌套查询层级之间的替换顺序与变量传播。
• 定义三种替换解释：(1) 在顶层进行逻辑替换，(2) 在变量绑定后进行替换，(3) 在评估过程中间阶段进行不恰当替换。
• 将 SPARQL 查询映射为模态 Datalog 规则，并在不同替换语义下进行评估，以比较系统行为。

实验结果

研究问题

• RQ1 为何主要 SPARQL 引擎对同一关联子查询（含 OPTIONAL 和 FILTER EXISTS 模式）返回不一致的结果？
• RQ2 哪些不同的替换策略（语法替换与逻辑替换）导致嵌套 SPARQL 查询中结果的分歧？
• RQ3 不完整数据（如空值或未绑定变量）如何影响 SPARQL 中变量替换的正确性与一致性？
• RQ4 当前 SPARQL 规范在何处未能明确定义替换语义，从而导致实现差异？
• RQ5 如何利用嵌套 Datalog 和模态 Datalog 等形式化逻辑框架来建模并区分嵌套查询中不同替换语义？

主要发现

• 对于示例查询，Fuseki 和 Blazegraph 返回 (1, *.com)、(3, *.com) 和 (5, -)，Virtuoso 仅返回 (1, *.com) 和 (3, *.com)，而 rdf4j 返回 (3, *.com) 和 (5, -)，表明各引擎之间无共识。
• 差异源于不同的替换策略：某些系统在评估内部查询前进行变量替换，另一些在之后进行，还有一些在评估过程中间阶段应用替换。
• 语法替换（在评估前绑定变量）会导致仅返回人员 1，而逻辑替换则允许多个答案。
• 当替换在第 2 层（变量实例化后但过滤前）应用时，人员 3 和 5 成功——只有 rdf4j 与此解释一致。
• 在第 3 层（变量实例化后立即进行替换）应用替换会导致包含人员 1、3 和 5 的结果，这与 Blazegraph 和 Fuseki 的行为一致，但该方法在逻辑上存在缺陷，因替换链不正确。
• 无任何系统正确实现了自顶向下替换策略，该策略在逻辑替换下应仅返回人员 5 为正确答案，表明存在系统性标准化缺失。