（计算机软件与理论专业论文）基于关系数据库的rdf存储与查询的研究与实现.pdf

j ：i l r h 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名：迹匆差一 日期：扫。年r 月卵 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：豳鹜 导师签名： 日期：沙f 。年箩月驴 、0 ，4 本论文对i f 和s 湖l 进行了深入的研究，设计了一套使用关系数据库 来进行i f 数据存储与查询的方案。 存储方面，将m ) f 数据结合s p a r q l 查询语言的格式设计存储结构，方便 查询语言进行匹配。同时，由于s p a r q l 查询语言不能根据r d fs c h e m a 元信息 进行推理，无法拒绝或者控制用户根据非敏感数据推理得到敏感数据的操作，本 文尝试性地在r d f 存储端引进了r d f 数据推理控制，以弥补查询端的不足。 查询方面，将用户提交的s p a r q l 查询语言转换成等价的s q l 语言，提交 给关系数据库进行查询，最后将查询结果进行语义封装，返回给用户。本文详细 分析了s p a r o l 查询图模式的结构，针对现有的关于查询图模式匹配顺序的分歧， 提出了自己的观点以及论据，最后采用逆波兰算法将s p a r q l 查询语言正确转换 成s q l 语句。 关键词：i f 、s p a r q l 、s q l 、推理控制、逆波兰算法 0 v，t a b s t r a c t a b s t r a c t w i t hm ed e v e l o p m e n to fs 锄孤t i cw 曲，w o 订d w i d ea 仕e n t i o nh a sb e e np r o f o u l l d l y 0 b t a i n e dt 0t l l er e s e 删l b o o mo fr d f ( r e s o u r c ed e s e r i p t i o nf r a m e w o r k ) m a ti st l l e d a t af o rd e s 嘶b i i l gm e t a d a t aa n di su s e dt 0d e s c r m ew 曲r e s o u r c e s r d fs c h 锄a w r h i c hp r o v i d e s 也e 缸l i l l e w o r ko fc l a s s e sa 1 1 da t t 曲u t e sm a ti ss p e c i f i ct od e s 嘶b e 印p l i c a t i o n s ，i sa i le x t e l l s i o no f r d f t h es t o r a g ea i l dq u e 巧o f m a s s i v e 锄o u n t o f r d f d a t a 行o mi n t e m e t ，a sm er d fa p p l i c a t i o n d e v e l o p e d ，d e m a l l d s f o r h i g h e r r e q u i 獭n e i l t s 1 1 1 ed r a f to fs n r q lq u e 拶l a i l g u a g ep r 0 v i d e db yw 3 c o r g i l n i z a t i o ni s c o n s i d e r e da sm ef i l _ t u r ed e v e l o p m e n t 缸e i l df o rs 锄a n t i cw 曲q u e r yl a l l g u a g e t h e s e m i s t m c t u r e dc h a r a c t e r i s t i c so fr d fi sa b l et ob ep e 疵c t l yc o m b i n e dw i t ht 1 1 e s e m i s t r u c t l h e dq u e r ym e 1 0 d s ，a no p t i o n a lm o d e ，o fs p a r q l 1 1 1 i sd i s s 嘶a t i o nt h a ti sd e 印l ye n g a g e di nt h er e s e a r c ho fi fa 1 1 ds p a r q lh a s d e s i 弘e dap a c k a g eo fs 0 1 u t i o n so fu t i l i z i n gr e l a t i o nd a t a b a s ef o rs t o 血ga i l dq u e r 如n g r d fd a t a 1 1 1s t o r a g e ，t h ep a t t e mo fd e s i g n i n gs t o r a g es t 九】c t u r eo fc o m b i n i n gr d fd a t aw i t h s p a r q lq u e r yl a n g u a g ei s a b l et of a c i l i t a t em em a t c l l i n gf o rq u e 巧1 a i l g i l a g e m e a n w h i l e ，m o r ee 舶r t sh a v eb e e i lm a d et oi n t r o d u c er d f d a t ar e a s o n i n gc o n t r o lo n r d fs t o m g et e n n i n a l 矗”m e e t i n gt h es h o r 渤1 lo fq u e 巧t 印n i n a lb e c a u s eo ft h e i n c 印a b i l i t yo fr e a s o n i n gf o rs p a r q lq u e r ) r1 a n g u a g ea c c o r d i n gt o r d fs c h e m a m e t a i n f o n n a t i o na i l dm ei n c a p a b i l i t yo fd e n ) ，i n go rc o n 缸d 1 1 i n gt ho p e r a t i o n sf o ru s e r s t oa c q u i r es e n s i t i v ed a t ab yr e a s o m n g 行o mn o n - s e n s i t i v ed a t a 1 1 1q u 睨y ，m es n 峨l q u e 巧l a n g u a g es u b m i t t e db yu s e r si si n i t i a l l yt r a n s f o 肌e d t oe q u i v a l e n ts q l1 a 1 1 9 1 1 a g ea i l ds u b s e q u e i l t l yd e l i v e r e dt or e l a t j o nd a t a b a s e 南rq u e f i n a l l ym eq u e 拶r e s u l t sh a v eb e 既s 锄a n t i c - e 芏l c a p s u l a t e da i l dr e 彻m e dt o t h e u s e r s o w no p i l l i o na sw e na si t sa i 翟阻m e n th a sb e e np r o p o s e db yd e t a i l e da n a l y z i n gt h e s t m 曲】r eo f q u e r ym 印m o d e a 1 1 da i 】商n ga tt h er e c e i l td i f f 醯e 1 1 c e sc o r r e s p o n d i n gt ot h e m a t c h i n gs e q u 吼c e so fq u e 巧m 印m o d e u 1 t i m a t e l y ，r e v e r s ep 0 1 i s hn o t a t i o nh a sb e e i l i n 仃o d u c e dt o 恤n s f o 吼c o m p l e xs p a r q l q u e r yl a n g u a g et os q l1 a 1 1 9 u a g e k e y w o r d s ：r d f 、s p a r q l 、s q l 、h l 衙e l l c ec o n 缸d 1 、r p n i i ， ， 目录 目录 第一章绪论。1 1 1研究背景1 1 2发展现状3 1 - 3 研究目标与内容安排4 第二章i m f 相关技术简介5 2 1 r d f 概述5 2 1 1 i f 模型5 2 1 2 r d f 图8 2 2i 国f 存储方案9 2 3i f 查询语言11 2 4 s p a r q l 查询语言12 2 4 1 s p a r q l 查询结构1 3 2 4 2 s p a r q l 图模式1 4 2 4 2 1 基本图模式1 5 2 4 2 2复杂图模式1 5 2 4 3s p a r q l 结果集17 2 5本章小结1 7 第三章r d f 存储1 9 3 1r d f 存储方案1 9 3 2r d f 蕴涵推理2 1 3 3敏感数据标识2 4 3 4本章小结2 6 第四章s p a r q l 查询转换2 7 4 1 s p a r q l 图模式转换2 7 4 1 1基本图模式2 7 4 1 2并图模式2 9 4 1 3可选图模式3 0 4 1 3 1 简单可选图模式3 0 l l t 目录 4 1 3 2 多重可选图模式3 0 4 1 3 3嵌套可选图模式3 1 4 1 4 s p a r q l 查询图模式转换3 5 4 2结果集3 6 4 3本章小结3 7 第五章系统设计与实现3 8 5 1开发工具和平台3 8 5 2系统体系结构3 8 5 3i f 存储模块3 9 5 3 1r d f 三元组解析3 9 5 3 2i f 推理控制4 0 5 3 2 1i f 推理控制算法。4 1 5 3 3i f 数据存储及视图：4 6 5 4 s p a r q l 查询模块4 9 5 4 1s p a r q l 语句解析。51 5 4 2查询转换5 2 5 4 2 1基本图模式转换。5 2 5 4 2 2 复杂图模式转换5 3 5 4 3语义包装5 4 5 5本章小结5 6 第六章系统测试5 7 第七章总结与展望6 5 鸳| 谢6 6 附录t i 7 参考文献6 9 攻硕期间取得的研究成果7 1 i v 、 i 0 加以及信息间交错复杂的关系，用户获取到自己所需要的数据的难度也正在加大。 虽然通过搜索引擎能帮助用户查找所需要的信息，但是从目前的情况来看，已有 的搜索引擎在“全、快、准、省”标准上并不尽如人意，往往在搜索到的大量数 据中，充斥着一些完全无关的数据。同时，现有的w e b 多数注重于页面的展现， 而不关注数据本身的语义性。如在网上想要查找一个电话号码“8 8 8 8 8 8 8 8 ”，搜索 引擎只会去简单匹配字符串为“8 8 8 8 8 8 8 8 ”或者包含“8 8 8 8 8 8 8 8 ”的数据，搜索 出来的结果让人眼花缭乱，而如果你使用“电话号码8 8 8 8 8 8 8 8 ”去进行搜索，搜 索引擎实际上是将文本分割成了两个部分：“电话号码”和“8 8 8 8 8 8 8 8 8 ”，它会搜 索包含这两个关键字的页面，而如果实际包含真实信息的页面中没有使用到“电 话号码 这个字符串，则结果可能会被掩埋在若干查询结果之后。产生这个问题 的关键是目前的搜索引擎基本上是基于文本的简单匹配，它并不理解数据的语义， 搜索引擎只会力不从心。 此外，在庞大的互联网环境中，几乎所有的计算机所起到的作用都只是存储 数据、传输数据或显示数据，担当着人与信息之间的媒介。语义以及数据的选择 判断依然依赖着人工交互。如果计算机能够根据数据的语义性，自动去理解和判 断所操作的数据，将有效地提高程序的处理能力以及数据的选择、判断的效率。 于是，互联网之父t i mb 锄e r s l e e 通过万维网联盟w 3 c 组织( w o d dw i d ew e b c o l l s o r t i u m ) 提出了语义w e b ( s e m a i l t i cw e b ) 的想法，并把语义w e b 看成是下一 代的w e b 发展方向，其目标是为w e b 的实际信息内容提供形式化的含义，以实现 信息在语义层的互操作，从而使得计算机和人类能够更好地协同工作。也就是说， 语义w e b 的目标是让w e b 上的信息能够为机器所理解，从而实现w e b 信息的自动 电子科技大学硕士学位论文 搜索、自动知识获取、自动逻辑推理等操作，以适应w e b 信息资源的爆炸式增长， 更好地为人类服务。 语义w e b 的核心思想就是让机器理解w e b 上的信息，即w e b 数据的语义。这 就需要为机器提供描述w e b 数据的数据，即元数据。为此，需要建立一个通用的 元数据模型，r d f ( r e s o u r c ed e s 耐p t i o nf r 锄e w o r k 资源描述框架) 【1 】正是这样 的一种标准。r d f 提供了一种通用的框架，即由资源、属性、属性值所组成的三 元组，以描述w e b 上的资源。r d f 数据是一种描述元数据的数据。r d f 描述的 资源可以是任何一个能够用u r i 标识的事物，属性值可以是简单的文字值，如 “a l i c e ”，也可以是一个由某个u r i 代表的资源。 在r d f 模型中，一个具有若干属性和相应的属性值的事物( 也称之为一个资 源) ，可以通过若干语句来进行描述。语句的基本结构为“主语( s u 功e c t ) 一谓 语( p r e d i c a t e ) 宾语( o b e c t ) 三元组，其中主语即所描述的资源，谓语为资 源的某个属性，宾语为该属性对应的属性值。每个r d f 三元组可以用“节点边 节点”的连接来表示，如图1 1 所示： 图卜lr d f 模型的三兀组表不 i m f 模型的底层结构就是三元组的集合。在r d f 图中，节点总是主体或者 客体，而且弧的方向总是由主体指向客体。因此，一个r d f 模型可以看作是一个 带标签的有向图。i f 三元组通过谓语说明了事物间的二元联系。通过组合多个 i f 三元组，就能将复杂的信息世界间的多元关系表示出来。 简而言之，砌) f 使用属性以及属性值来描述资源，具体表现形式为i f 三 元组。但是，在有些语句中，会使用特定的值来增强对属性的约束，例如：有时 候需要表示该属性所描述的资源是某一种特定资源，用来描述这种特定资源类的 属性需要增加一些额外的约束，比如父类子类、取值范围等等，但r d f 并不具备 这样的能力，r d f 模型只是提供了一种机制来描述元数据，它并没有定义任何应 用领域的语义，定义专门领域的资源属性及其语义需要借助于其它手段来进行补 充。这些类和属性所形成的特定词汇就可以使用r d fs c h e m a 来描述。 2 第一章绪论 i fs c h e m a 是砌) f 的扩展，它通过提供一些原语来定义类、属性、类与属 性之间的隶属关系等，来增强对资源语义的进一步描述。i fs c h 锄a 比较类似于 一些面向对象的程序设计语言，比如允许类组织成层次结构，一个资源可以是一 个或多个类的实例。但在某些方面又不尽相同，比如它对类和属性的描述属于扩 展的性质，不是强制性的。 i fs c h 锄a 本身也是一种元数据，也是以i f 资源集的形式存在的，并且 r d fs c h 锄a 产生的词汇描述也是i f 图，遵循砒) f 规则。因此，i f 解析软 件可以把i fs c h e i l l a 正确地解释成i f 图。r d fs c h 锄a 定义了资源的种类， 还有资源的属性及其之间的关系。元数据的含义被机器理解和共享是很必要的， 在这方面本体( o n t 0 1 0 9 y ) 起了相当重要的作用，本体实际上是一种共享的词汇， 一般描述了某个领域的重要概念，以及概念间的关系。r d fs c h e m a 就被视作一 种简单的本体语言。 i f 已被广泛地应用在各个领域，例如：用于协助搜索引擎更好地查找资源， 对网站、图书馆中的内容及其关系进行分类和描述，以及智能软件代理中用作知 识表示、共享和交换等等。随着r d f 的应用日益广泛，对于r d f 的存储与查询 的需求也提出了更高的要求。 1 2 发展现状 r j ) f 被设计为一种描述w e b 资源信息数据的通用语言和方法。世界上有很多 科研组织和大学团队在从事i m f 方面的研究。由d 心( 美国国防部高级计划 研究署) 支持开发的d a m l 【2 1 ，是语义w e b 活动的主要推动力，其在i f 之上， 以描述逻辑为基础，成功地以机器可读的方式表示了语义关系。d a m l + o i l 是由 美国和欧盟在d a m l 背景下共同开发的，是在r d f ( s ) 基础之上的扩展，具备一 定的推理性，确定了语义w e b 中知识表示语言的整体框架。j e i l a 【3 】是目前最为流 行的建立语义网应用的j a v a 框架，由h p 实验室开发的开源项目，它可以处理本 体，r d f 数据，推理机制，持久化存储等，支持包括s p a r q l 【4 】在内的多种r d f 查询语言。希腊国家计算机研究所研究开发的冲【5 】( i c s f o r l l hv 撕d a t i n g r d f p a r s e r ) 和j e n a 的a r p 【3 】 ( a n o m e rr d fp a r s e r ，j e i l a 的子a p i ) 是r d f 解析领 域的两大主要开源工具包。s e s 锄e 【6 】使用自己的r d f 数据源模型，并部分支持 s p a r q l 查询语言。r i ) f s t o r e 【7 】是用于解析、存储和管理r d f 。r e d l a i l di f 3 电子科技大学硕士学位论文 l i b r 撕e s 【8 】( r d f 语言工具套件) 是一套基于对象的，模块化的，用来处理r d f 语言文档的工具，提供了用于i f x m l 解析、序列化( r a p t o r ) 和r d f 查询 ( r a s q a l ) 的r d f 工具a p i 。 国内关于语义w e b 的研究起步较晚，但也有不少组织致力于语义w e b 的研究 和应用。江苏省“语义w e b 语言及支撑软件技术基础研究 项目组面向r d f 开 发了f i r t r e e 【9 】系统和r o m q s 系统【10 1 ，f i r t r e e 系统主要研究r d f 前向推 理策略，而r o m q s 系统研究的是s p a r q l 查询语言的非强制匹配问题。复旦大 学的“数字媒体综合素材库建设与关键技术研究 项目纠1 1 】研究r d f 数据在关 系数据库中的存储模式。武汉大学的董慧教授主导的“基于本体的数字图书馆检 索模型研究 【1 2 】项目实现了本体检索、推理和可视化的功能，其中本体推理采用 了基于逻辑的领域知识检测推理和基于关系的蕴涵知识发现推理。 1 3 研究目标与内容安排 本文工作是华为高校合作项目“基于关系数据库的i f 存储与查询的研究” ( 项目号y b i n 2 0 0 7 2 4 3 ) 的研究内容。本文的研究重点是：一、学习r d f 资源描述 框架与s p a r q l 查询语言，在这基础上设计实现一个i f 存储与查询系统。二、 由于r d f 数据的语义性和s p a r q l 的非推理性，研究i f 数据的推理规则，通 过设计存储方案的办法来保护由推理规则推导衍生出来的敏感信息，并保护此类 信息不被泄露；三、研究s p a r q l 查询语言与s q l 语言之间的转换关系，设计 转换系统来支持关系数据库的r d f 查询框架。 本文以下各章的主要内容安排如下：第二章主要介绍r d f 存储以及查询语言 的相关技术，重点介绍s n 娘q l 语言；第三章介绍本文r d f 存储方案的设计， 引入推理控制模块，区分敏感数据和非敏感数据并为其进行标识、处理，主要用 来弥补s p a r q l 查询语言的非推理性带来的安全隐患；第四章针对领域内关于 s p a r q l 复杂可选图模式的分歧，提出个人观点，并给出s p a r q l 到s q l 等价 转换的框架；第五章根据前两章的理论分析，给出具体的系统实现；第六章针对 推理控制模块和查询模块进行功能验证；文章最后对目前的研究做出总结，并对 下一步研究工作提出展望和讨论。 4 第二章r d f 相关技术简介 2 1r d f 概述 第二章r d f 相关技术简介 目前的w e b 模型主要支持对文本内容的浏览和搜索。随着w e b 信息的大量增 加，该模型已不能适应海量信息的交换和处理工作。语义w e b 需要新模型以支持 对w r e b 信息源和服务以及智能应用的统一访问，并用标准机制去交换数据和处理 不同的数据语义。l 模型可用于数据的表示和交换，但缺乏描述语义信息的能 力。因此，w 3 c 标准采用资源描述框架i f 和i fs c h e l l l a 描述网络上的信息 资源，为其赋予语义，比如网页的标题、作者、修改日期、内容以及版权信息。 r d f 被设计为提供一种描述w 曲资源信息数据的通用语言和方法，这样就可 以被计算机应用程序读取并理解，它是一个网络资源对象和对象之间的关系的数 据模型，拥有简单的语义，该数据模型遵循x m l 语法、结构，可用订l 语言编 口 吧，o 2 1 1r d f 模型 r d f ( r e s o u r c ed e s 嘶p t i o nf r 撇e w o r k ，资源描述框架) 通常称为一种“语言 ， 但它实际上是一个数据模型。r d f 的设计基于这一思想：被描述的资源具有一些 属性，而这些属性各有具体的属性值。资源指的是能在w e b 上以u r i 标识的所有 事物；资源的属性值可以是资源，或者是文字值。如果属性值是资源，所对应的 属性可以理解为两个资源之间的关系；如果属性值是文字型，则该属性即为对资 源属性的描述。对资源的描述就是对资源的属性以及属性值的声明，我们称之为 陈述( s t a t 锄e n t ) 或语句。陈述的基本结构为“资源属性属性值 三元组，也可 称为“主语谓语宾语 三元组。 i f 抽象数据模型可以采用不同的语法来描述，但是通常情况下使用l 语法来刻画，本文也采用这种方式。在这种情况下，r d f 继承l 的优点。 陈述用于描述资源所具有的属性值。如： 三重门( h t t p ：肺p b 0 0 k s i n a c o m c i l b 0 0 k 胁d 强3 7 5 9 0 h 缸1 1 1 ) 的作者是韩寒。 5 电子科技大学硕士学位论文 可以使用下面的三元组定义来描述： ( h 婶：、却b 0 0 k s i n a c o m c n b 0 0 k i n d e x j 7 5 9 0 h n i l l f oa f a u m o r “韩寒”) 陈述的主语为：h 位p ：v i p b 0 0 k s i n a c o m c n b o o “i n d e x j 7 5 9 0 h t i i l l ； 陈述的谓语为：f o 征a u t h o r ； 陈述的宾语为：韩寒。 其中f o a f 为前缀，代表的是一个命名空间，表示h 钍p ：) 础n s c o 州f o 彬0 1 。 后文还会提到r d f 前缀和r d f s 前缀，分别指代命名空间l 脚： w 3 o r 1 9 9 9 0 2 2 2 一r d f - s ) ，i l t a x - n s 舟和l m p ：m 删w 3 o r 2 0 0 0 0 1 r d s c h e m 群。这三个 词汇为w 3 c 教程中的通用命名空间前缀，后文如无特别说明，均指代上述命名 空间。 陈述三元组( x ，p ，y ) 可以看成一个逻辑公式p ( x ，y ) ，其中二元谓语p 将对象x 和对象y 关联起来。实际上，r d f 只提供二元谓语( 属性) 。而现实社 会的各种关系中，多元关系经常出现，如b o b 借给l i l y 一本书g o n ew i mm e 丽n d 。这在二元关系中就不便于表示。为此，r d f 数据模型提供辅助对象的概 念称之为空节点。本例中，设计一个空节点b l a n k n o d e ，表示为：n u m b e r ( “：” 是s p a r q l 查询语言中空节点的表示方法，n u l n b e r 为系统对空节点赋予的独一 无二的值) ，作为b o b 的借出对象，然后对空节点进行补充描述，见以下方式： r d f s ：b o bf o a f b o o k 一：1 一：1 f o a f n a m e “g o n ew i t ht h ew i n d ” 一：1 f o a f b o r r o w e r “l i l 矿 如果一个资源的某个属性有多个相互独立的属性值，也可以用空节点来表示， 它传达这样一个信息：资源的属性值存在，但空节点不表示具体的信息，具体信 息会在对该空节点的描述中给出。如：歌曲“n o b o d y m t st ob el o n e l y ”的演 唱者是c “s t i n a a g u i l e r a 和r i c k ym a n i n ，这两个歌手是信息世界中两个相互独立 的客体。借助空节点，该信息可以表示为： r d f s ：n o b o d yw | 锄t st ob e j 乃n e l yf o a e s i n g e r s_ 2 一：2 r d f t y p ei - d b a g ：2f o a f n 锄e“c h r i s t i n aa g u i l e r a ， 6 第二章r d f 相关技术简介 一：2 f o 疆n 撇e “鼬c k ym a i t m ” 在这个例子中，空节点表示“n o b o d y w 撕t s t ob el o n e l y 这首歌的演唱者存 在。第二个三元组中r d b a g 表示一个无序的容器，表明用于描述该空节点的三 元组不区分先后顺序，而歌手信息被置放在该容器中，无先后轻重之分。 实际上，空节点的表现形式并不是一个实际可用的u r j 形式。这就是r d f 模型中空节点的特殊性。在i f 抽象语法中，一个空节点只是一个独特的节点， 用特殊的标识符来标识，没有内在的名字，但是空节点可以有多个，并且互异。 空节点可以用在一个或多个r d f 陈述中，即通过空节点标识符，允许在多个陈述 三元组中引用同一个未标识的资源。需要注意的是，空节点标识符是一个和所有 u r i 引用以及文字均不相同的本地标识符。在合并i f 图的时候，为了保留空节 点的含义，那么不同r d f 图中的空节点必须保持不同，这可能会导致重新分配空 节点标识符。由于空节点本身不存在实际意义，对原r d f 陈述的语义并无任何影 响。 通过上文的例子，给出了r d f 数据模型的三种基本对象类型： 1 u r i 引用，普通资源。在w e b 上以u r i 标识的所有事物都可以称为资源。 在r d f 中普通资源都是以u r i 引用命名的。任何事物都可以有一个唯一 的u r i 引用，u 引用的扩展性允许用来表示任何实体。如： “l l t t p ： w w s i n a c o i i l 。 2 文字。字符串或数据类型的值。字符串又称为平凡文字，数据类型的值又 称为类型文字。i f 没有自己的数据类型定义机制，而是允许使用独立 定义的数据类型，如使用证ls c h e m a 中定义的数据类型。如：”l i l y ， 1 9 。 3 空节点，特殊资源。空节点实际上也是一种资源，是特殊的资源匿名 资源，它们没有外在的可定位的标记，空节点它仅仅表示一个资源或一 个事件的存在，不指代任何具体的资源。一个空节点既不是一个u r i 引 用也不是文字。空节点标识符并不是i d f 抽象语法的一部分，而且包含 空节点的三元组的表示完全依赖于所用的特定的具体语法。在s p a r q l 中采用以“：”开头的方式来定义空节点，如“：a ，：b 等。本系统沿 用这种方式，另外系统会为每个空节点分配一个独一无二的编号，而不 7 电子科技大学硕士学位论文 是变量名，见上文例子。因此，空节点信息中仅编号为有效信息，用以 区分不同的空节点。 ) f 区分资源、文字这些对象类型，要求主语必须是资源，即可以是u 砒 引用或者空节点；谓语也必须是资源，但是只能是u r i 引用，这是因为空节点本 身是个匿名对象，不包含属性信息，因此不能作为谓语；而宾语可以是资源或者 文字，也就是说，宾语可以是u r i 引用，空节点或者文字。 陈述构成了i f 模型的基本结构。多个陈述就构成了i f 片段。r d f 数据 是对主语相对应的资源进行描述的一种手段，它是语义w e b 技术的基础。 ) f 通过类和特性来陈述资源，而这些特定的类和特性并没有在i f 中预 定义。这时就需要用户使用i fs c h e m a 来自己定义所需的类和特性。i m f s c h e m a ( i m f s ) 是对r d f 的一种扩展。它不提供实际的应用程序专用的类和属性， 而是提供了描述应用程序专用的类和属性的框架。i fs c h 锄a 中的类与面向对 象编程语言中的类非常相似，这就使得资源能够作为类的实例和类的子类来被定 义。r d f s 描述类是通过其中的资源r d f s ：c l a s s ( 类) 和r d f s ：r e s o u r c e ( 资源) ，特 性r d f t y p e ( 类型) ，r d f s ：s u b c l a s s o f ( 子类) ，r d f p r o p e r t y ( 属性) 和r d f s ：d o m a i n ( 定义域) 、r d f s ：姗g e ( 值域) 和r d f s ：s u b p r o p 嘶y o f ( 子属性) 来完成的。 2 1 2r d f 图 i f 资源描述框架是在语义w e b 的基础上发展起来的。陈述三元组便可以用 语义w e b 中的图来解释，称为r d f 图。i f 图是具有节点和有向边的图。在r d f 图中每个陈述三元组表示为一个“节点边节点的连接，对应于原陈述三元组 中“主语( 资源) 谓语( 属性) 宾语( 属性值) 的关系。r d f 图的节点是主语 或者是宾语，其中资源用椭圆节点表示，文字用矩形节点表示；有向边表示谓语， 即主语的属性。如图2 1 所示。 图2 一lr d f 三元组类型表示 8 第二章r d f 相关技术简介 由于矩形节点只能作为宾语存在，矩形节点只可能出现在有向边的末端，而 且矩形节点后不能再扩展r d f 图，因为矩形节点并不是一个资源，按照i f 数 据模型的定义，不能被描述。 扩展三重门的例子，增加韩寒博客h t t p ：b l o g s i l l a c o m c i 帅o c o l d 的信息。由 于“韩寒 只是个文字，不能作为主语。利用空节点的表示方法，建立一个表示 人的空节点：2 2 ，不指代任何具体的人，只是表明存在这个作者。于是，上述信 息可以表示为： h t t p ：v i p b o o k s i i l a c o m c i l b o o k 他d c x j 7 5 9 0 h t n l l f o a f a u t h o r 一：2 2 ：2 2f o a n a m e 韩寒” 一：2 2 f 0a f b l o g h t t p ：b l o g s i l l a c o m c 毗w o c o l d 这组三元组用i f 图表示为： 图2 2 r d f 图空节点示例 如果将砒) f 图看成一棵以主语资源为根节点衍生出来的树，那么在这棵树 中，空节点一般不作为叶子节点存在，它们通常只存在于分支节点中。因为处于 叶子节点的空节点无任何具体信息，其所在的r d f 三元组为无意义三元组。 2 2r d f 存储方案 r d f 存储系统是所有r d f 应用系统的核心，较为简单的一种i m f 数据存储 方法是使用x m l 数据库存储r d f 数据【l l 】。但一个r d f 图可以序列化为多个不 同的订l 文档，并且查询依赖于i f 图的订l 表示，所以这种存储方式不便 于对r d f 数据的查询。大规模r d f 数据的存储、管理和操作需要使用基于数据 库的存储方法。 9 电子科技大学硕士学位论文 用传统关系数据库存储i m f 文档是一种比较常见的i f 存储机制【9 】【1 1 】【1 3 1 。 现有的大多数r d f 查询系统，如j e i l a 等也都采用传统关系数据库作为存储介质， 以便利用数据库系统成熟和优良的性能。由于数据库管理系统提供了标准查询接 口，为r d f 查询的实现屏蔽了许多底层的操作，因此基于传统关系数据库是一种 很好的方案。基于数据库的r d f 存储可以采用如下几种具体形式： 幻水平表数据库。在水平表数据库中，只需要用一张“全局”表来表达整个 r d f 文档。r d f 文档中的每一个实例作为表中的一个记录和一个项。该 模型简单，但由于数据库中出现很多列，使得整个数据库呈现为一张稀疏 表。 b ) 垂直表数据库。在垂直表数据库中，用一张表来存储所有的r d f 断言， 表中每一个记录对应一个r d f 三元组。包括j e i l a 和s e s a m e 在内的众多 r d f 引擎均采用了该存储方式，该方式的缺点在于对于每一个查询，都 需要遍历整张表。当处理带有联合查询时，效率更差，查询引擎很难获得 高的查询效率。 c ) 水平类。水平类方法跟水平表数据库方法有点类似，不同之处在于它给本 体中的每个类都提供一个独立的表。本质上，这种方法与数据库领域常用 的实体一关系方法相对应。 d ) 按属性建表。按属性建表方法为r d f 中的每个属性建立一张表，表中仅 含主语( s u b j e c t ) 和宾语( o b j e c t ) 两个项。r d f 文档中的每个三元组都 可以根据所包含的属性名存储到相应的表中。这种方法的缺点和垂直数据 库类似，查询效率不高，同时，由于要为每个属性建立一张表，数量庞大， 给维护带来很大不便。 曲基于路径存储方式。此种方法是设计一种存储模式将i m f 图中的路径存 储在关系数据库中。设计方案的出发点是当前r d f 存储方式大多是将 i f 图拆分成三元组的集合，在进行查询的时候；将三元组连接起来进 行图模式匹配。当图模式中包含的三元组模式很多时，就需要进行多次连 接，使查询效率降低，而采用基于路径的存储方式，可以获得较高的查询 效率。 l o 第二章r d f 相关技术简介 2 3r d f 查询语言 目前存在很多不同的砌) f 查询语言【”】，有的偏重于i f 的逻辑性，有的偏 重于基于w 曲的搜索，有的偏重于简单的实现，也有的不仅注重搜索内容，还能 够搜索到r d fs c h 锄a 。各个查询语言均有自身的特点，主流的r d f 查询语言包 括r q l 【1 4 】、r d q l 【15 1 、n 3 q l 【1 6 1 、t r i p l e 【1 7 】、v ，e r s a 【1 引、s e r q l 【1 9 】和s p a r q “4 】 世 寸o a ) r q l 。r q l 是针对r d f 和r d fs c h e m a 的查询语言，沿用对象查询语言 o q l 语法。它的主要思想是如果研究一个或多个i f 和s c h e m a 模式， 可以把他们看成一组图的连接。r q l 对语言本身进行了r d fs c h 锄a 语 义研究，并涉及类实例关联关系、类属性包含关系、域范围等，并且 可以通过制定语句推断得到。i c s 二f o r t h 的r d fs u i t e 【2 0 】 ( 1 蜘：1 3 9 9 1 1 8 3 3 0 ：9 0 9 0 i f ) 已实现r q l 。 b ) r d q l 。r d q l 是s q u i s h q lr d f 查询语言的应用。它包括以三元组模式 列表表达的图形模式，其语法类似于s q l 的s e l e c t 模式，但没有 f r o m 子旬。i d q l 是安全的，并且提供初始的数据类型。 c ) n 3 q l 。n 3 q l 的数据模型与i f 数据模型一致。它提供基于) f 文本 的语法，它支持定义规则来实现查询的目的，因为这个目的，作为规则， 查询不得不保存在专用文件中来关联数据。作为一个查询语言，n 3 是比 较难以使用的。目前e u l 0 2 1 1 ( d e r o o ，2 0 0 0 2 ) 和c w m 【2 2 】( b e m e r s l e e ， 2 0 0 0 b ) 实现了n 3 q l 语言。 d ) 强p l e 。嘶p l e 是使用规则语言进行实际查询的运行系统。它的核心语言