regex - 如何使我的sparql查询与正则表达式更快？

Question

我已经用正则表达式在dbpedia中建立了一个sparql查询，它非常慢：

PREFIX rdf:<http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX dbpedia-owl:<http://dbpedia.org/ontology/>

select ?label where {
    ?s rdfs:label ?label.
    ?s dbpedia-owl:thumbnail ?photo.
    ?s dbpedia-owl:abstract ?abstract.
    FILTER langMatches( lang(?label), "FR" ).
    FILTER langMatches( lang(?abstract), "FR" ).
    FILTER regex(?label, "^Jules V", "i").

}
LIMIT 10

您可以使用公共端点 http://fr.dbpedia.org/sparql进行尝试，然后看到您必须等待几秒钟。

即使最终质量不是很好，我是否有办法获得更好的性能？

谢谢，
塞缪尔

Answer 1

除非您的查询限制在数据集中足够小的部分，否则使用REGEX进行的任何查询几乎肯定会很慢。处理REGEX基本上要求商店对潜在结果进行线性扫描，检查每个结果以查看其是否与正则表达式匹配。

如果您的情况下具有足够简单的正则表达式，则应尝试以下两种方法之一：

解决方案1-使用较轻的弦线功能

在您的情况下，您正在寻找以某个子字符串开头的字符串，因此使用STRSTARTS函数几乎可以肯定更有效率，因为它不需要完整的正则表达式。当然，这假定您的SPARQL引擎符合最新的SPARQL 1.1草案规范。

解决方案2-使用全文搜索

许多商店都包含全文搜索扩展名，可以用它们代替REGEX，并且通常可以显着提高性能，因为您正在访问全文索引而不是对潜在结果进行线性扫描。

对于DBPedia，其后面的Virtuoso存储支持以下语法：

?label bif:contains "Jules"

请注意，Virtuoso全文语法在某种程度上受到限制，因此您不能按原样使用 Jules V，因为每个术语必须至少包含4个字符（可能是3个字符）。但是您可以将其与其他 FILTER结合使用，以缩小所需的结果，如下所示：

PREFIX rdf:<http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX dbpedia-owl:<http://dbpedia.org/ontology/>

select ?label where {
    ?s rdfs:label ?label.
    ?s dbpedia-owl:thumbnail ?photo.
    ?s dbpedia-owl:abstract ?abstract.
    FILTER langMatches( lang(?label), "FR" ).
    FILTER langMatches( lang(?abstract), "FR" ).
    ?label bif:contains "Jules" .
    FILTER (CONTAINS(?label, "V"))

}
LIMIT 10

该查询几乎立即运行