乐趣区

SPARQL入门一SPARQL简介与简单使用

  知识图谱(Knowledge Graph)是当前互联网最炙手可热的技术之一,它的典型应用场景就是搜索引擎,比如 Google 搜索,百度搜索。我们在百度搜索中输入问题“中国银行的总部在哪”,搜索的结果如下:

这便是知识图谱的典型应用,能够直接输出问题的答案。借助知识图谱,能够让搜索引擎更加高效,搜索结果更加精准,给用户带来更好的搜索体验和乐趣。
  关于知识图谱的知识点和工具数不胜数,我们在学习时常常会感到无从下手,一片茫然。本文将尝试着介绍知识图谱的几个知识点——RDF、URI、URL 和 SPARQL,希望能以此为切入点,让读者对 SPARQL 有些感性的认识,至于知识图谱,则是更大更深的范围了,不是本文所能概括的。

什么是 SPARQL?

  SPARQL 的英文全称为 SPARQL Protocol and RDF Query Language,是为 RDF 开发的一种查询语言和数据获取协议,它是为 W3C 所开发的 RDF 数据模型所定义,但是可以用于任何可以用 RDF 来表示的信息资源。它于 2008 年 1 月 15 日正式成为一项 W3C 推荐标准,于 2013 年 3 月发布 SPARQL1.1。
  既然 SPARQL 是为是为 RDF 开发的一种查询语言,那么什么是 RDF 呢?

什么是 RDF?

  首先,RDF 不是一种数据格式。
  RDF 的英语全称为 Resource Description Framework,中文名称为资源描述框架。RDF 是一种描述数据文件储存的数据模型,该数据模型通常描述由三个部分组成的事实,被称为三元组(triples)。三元组由主语(subject)、谓语(predicate)和宾语(object)组成,看上去很像一个简单的句子。比如:

subject predicate object
richard homeTel (229)276-5135
cindy email cindym@gmail.com

  以下为 Turtle RDF 格式的 RDF 文件,文件名为 ex002.ttl,

# filename: ex002.ttl

@prefix ab: <http://learningsparql.com/ns/addressbook#> .

ab:richard ab:homeTel "(229) 276-5135" . 
ab:richard ab:email   "richard49@hotmail.com" . 

ab:cindy ab:homeTel "(245) 646-5488" . 
ab:cindy ab:email   "cindym@gmail.com" . 

ab:craig ab:homeTel "(194) 966-1505" . 
ab:craig ab:email   "craigellis@yahoo.com" . 
ab:craig ab:email   "c.ellis@usairwaysgroup.com" .

# 表示注释,@prefix 行为前缀行,即为 <http://learningsparql.com/ns/…> 取一个前缀 ab:,也就是别名,避免每次命名时都要写这个长长的字符,句子最后的. 可写可不写,写上后便于阅读。另外,<http://learningsparql.com/ns/…> 是 URI,这个后面会介绍。
   之后的每一行,都是一个三元组,分别是主语、谓语和宾语,带有前缀 ab:。

URI 和 URL

  URI 和 URL 是两个相近的概念,但 URL 只是 URI 的一种。
  URL 就是我们常说的网址,英文全称为 Uniform Resource Locators,是统一资源定位符,对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示,是互联网上标准资源的地址。
  URI 的英语全称为 Uniform Resource Identifier,是统一资源标识符。在 RDF 三元组中,主语、谓语必须属于某个特定的命名空间,避免相似的名字发生混淆,因此需要使用 URI。

如何使用 ARQ?

  好了,在了解了上述的基本概念之后,我们需要实践一把,在这里,我们使用 ARQ。
  ARQ 是 SPARQL 处理器。它是 Apache Jena 框架的一部分,是一个基于 java 的免费软件,其下载地址为:http://jena.apache.org/download/index.cgi。以 Linux 系统为例,我们下载文件 apache-jena-3.11.0.zip,并将解压后的 zip 文件中的 bin 目录添加到环境变量中。添加方式如下:

  • vim /etc/profile
  • 在文件末尾添加命令:
export JENA_HOME= 你的 apache-jena-3.11.0 路径
export PATH=$JENA_HOME/bin:$PATH
  • source /etc/porfile
  • 运行命令 echo $JENA_HOME,如果能输出你的 JENA 路径,则表明添加该环境变量成功。

  接着我们写好 SPARQL 查询语句(关于查询语句,会在后面的文章中介绍),文件名为 ex003.rq,内容如下:

# filename: ex003.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?craig_email
WHERE
{ab:craig ab:email ?craig_email .}

简单对该查询语句做个说明:PREFIX ab: http://learningsparql.com/ns/… 表示使用哪个 URI,并取别名。后续的查询语句类似于 SQL,是对三元组做查询,?craig_email 为变量,查询三元组中的宾语,用通俗的话来理解,就是查询 craig 的电子邮箱是什么?
  运行命令:

arq --data ex002.ttl --query ex003.rq

输出结果如下:(ex002.ttl 文件见之前的描述)

--------------------------------
| craig_email                  |
================================
| "c.ellis@usairwaysgroup.com" |
| "craigellis@yahoo.com"       |
--------------------------------

还可以查询三元组中的其他部分,这里不再讲述,后续会专门讲 SPARQL 查询语句的。

总结

  在知识图谱的工具箱中,有很多图数据库,它们提供了很好的查询语句功能和可视化效果,比如 Neo4j, Cayley,这次,我们可以学习下 RDF 和 SPARQL,毕竟,SPARQL 的查询能力和推理能力也是很强的哦~
  期待下次关于 SPARQL 的分享~

注意:不妨了解下笔者的微信公众号:Python 爬虫与算法(微信号为:easy_web_scrape),欢迎大家关注~

参考文献

  1. SPARQL 百度百科:https://baike.baidu.com/item/SparQL/10956405?fr=aladdin
  2. RDF 百度百科:https://baike.baidu.com/item/rdf/5956080
  3. URI 百度百科:https://baike.baidu.com/item/URI/16481812
  4. URL 百度百科:https://baike.baidu.com/item/url
  5. SPARQL 维基百科:https://en.wikipedia.org/wiki/SPARQL
  6. Apache Jena 下载页面:http://jena.apache.org/download/index.cgi
  7. 书籍:Learning SPARQL,Bob DuCharme,Publisher: O’Reilly Media, Inc.
  8. Learning SPARQL 学习网址:http://www.learningsparql.com/
退出移动版