生命科学RDF数据库模式定义调查与SPARQL查询空答案解决策略

### 生命科学RDF数据库模式定义调查与SPARQL查询空答案解决策略 #### 1. 生命科学数据集成与查询系统需求 随着测量仪器的发展，生命科学数据以数据库形式迅速积累。为从这些大型异构数据库中获取科学知识，需要对它们进行集成。许多生命科学数据库以关联开放数据（LOD）形式发布，并通过支持SPARQL协议和RDF查询语言（SPARQL）的SPARQL端点提供服务。然而，许多生物学家，尤其是实验生物学家，不熟悉语义网技术，难以从LOD中获取所需数据。因此，需要一个能根据用户需求为LOD数据提供查询建议的系统。 为了在合理时间内通过系统建议查询，需要提前获取LOD中每个数据集的模式，如类列表、属性和类 - 类关系。但如果系统通过穷举式爬取SPARQL端点来获取数据集模式，由于生命科学RDF数据集规模大且耗时，常常会因SPARQL端点超时错误而失败。 #### 2. 研究方法 为了高效获取模式，研究聚焦于RDF Schema 1.1（RDFS）和OWL 2 Web本体语言（OWL 2）的7种特定限制模式，这些模式有助于爬虫缩小RDF数据集的搜索空间来获取模式。具体模式如下： 1. `ex:property rdfs:domain ex:Domain` 2. `ex:property rdfs:range ex:Range` 3. `ex:property rdfs:range xsd:(datatype)` 4. `ex:Class1 rdfs:subClassOf ex:Class3` - `ex:Class3 ex:p owl:Restriction` - `owl:onProperty ex:property` - `owl:someValuesFrom ex:Class2` 5. `ex:Class1 rdfs:subClassOf ex:Class3` - `ex:Class3 ex:p owl:Restriction` - `owl:onProperty ex:property` - `owl:someValuesFrom xsd:(datatype)` 6. `ex:Class1 rdfs:subClassOf ex:Class3` - `ex:Class3 ex:p owl:Restriction` - `owl:onProperty ex:property` - `owl:allValuesFrom ex:Class2` 7. `ex:Class1 rdfs:subClassOf ex:Class3` - `ex:Class3 ex:p owl:Restriction` - `owl:onProperty ex:property` - `owl:allValuesFrom xsd:(datatype)` 研究使用YummyData提供的SPARQL端点列表，对每个端点，通过发送SPARQL查询计算所有属性集合P、具有（1）和（2）/（3）限制的属性集合P(RDFS)以及具有（4）、（5）、（6）或（7）限制的属性集合P(OWL)。例如，对于属性`ex:property`，可通过以下SPARQL查询获取模式（4）和（5）的限制： ```sparql SELECT ?c1 ?c2 WHERE{ ?c1 rdfs:subClassOf ?s . ?s ?p owl:Restriction ; owl:onProperty ex:property ; owl:someValuesFrom ?c2. } ``` #### 3. 验证策略与方法 通过研究上述7种限制模式的属性，得到RDF数据集的限制集合。为将这些限制应用于搜索系统，需要验证RDF数据集是否遵循这些限制。由于从SPARQL端点收集的限制主要是模式（1）、（2）或（3），因此研究