SPARQL 查询返回邻居数

Question

我只需要在 DBPedia 中找到给定文章的邻居数量（最多 4 个节点）（当它们之间存在 wikilink 时，2 篇文章是邻居）。 目前我正在做这个查询，但需要很多时间来计算：

SELECT COUNT(?n4)
WHERE {
    SELECT DISTINCT ?n4
    WHERE {
        <http://dbpedia.org/resource/Albert_Einstein> dbo:wikiPageWikiLink/dbo:wikiPageWikiLink/dbo:wikiPageWikiLink/dbo:wikiPageWikiLink ?n4 .
    }
}

任何人都知道有什么更好的方法可以做到这一点？ 我只需要邻居的数量。 该查询只能快速运行到 2 级，从 3 级开始需要将近 30 秒才能完成，而 4 级几乎总是超时。

我正在使用 RDFLib 和 Python 进行查询，因此任何使用 Python 的技巧也会有所帮助！

编辑：我已经下载了数据集并为查询设置了本地端点，但性能仍然很低。

Answer 1

如果您要对 4 步外的邻居进行大量重复查询，您可以将所有计算工作放在一个单一的、一次性的等效属性计算中：

PREFIX ex: <http://example.com/>

CONSTRUCT {
  ?x ex:fourthNeighbour ?y .
}
WHERE {
  ?x dbo:wikiPageWikiLink/dbo:wikiPageWikiLink/dbo:wikiPageWikiLink/dbo:wikiPageWikiLink ?y .
}

这仍然需要很长时间才能运行，但是您只需要执行一次，然后对 4 步邻居的任何查询都会快得多。

Answer 2

SPARQL 1.1 属性路径可能具有非常高的时间和空间复杂度，请参阅论文Counting Beyond a Yottabyte，或 SPARQL 1.1 属性路径将如何阻止标准的采用

您的查询的最大复杂度为 O(n^4)，其中 n 是 DBpedia 中的文章数，这是很多。 具体的运行时间取决于数据的网络结构。 想象John有100个朋友，那么度数为4的朋友可以达到（包括重复）100^4 = 10^8 = 1亿。

此外，在我的测试中，与 Virtuoso Opensource 7 等专用三重存储库相比，RDFLib 的性能非常低。

然而，如果这还不够，您可以尝试专用的图论工具和库，如 NetworkX、Gephy 和 Cytoscape。 虽然 RDF 也是一种图数据模型，但三元组存储可能不会针对这种查询进行优化。