使用 SPARQL 比较两个字符串答案

【问题标题】：Comparing two strings with SPARQL使用 SPARQL 比较两个字符串
【发布时间】：2013-11-15 09:23:11
【问题描述】：

我正在使用带有 SPARQL 的正则表达式函数。是否有一个函数可以找到一个与另一个字符串有最小距离的字符串？我的意思是，我需要一个函数，它给我的词与另一个词最相似。实际上我传递了两个变量（这些变量取值来自两个不同的数据集）并仅考虑这些不区分大小写的情况进行比较。所以我需要一个可以比较两个变量的函数。有谁知道吗？

【问题讨论】：

你能澄清一下你的用例吗？我不太清楚你想做什么。 “找到与另一个字符串具有最小距离的字符串的函数”听起来像一个函数，它接受一个 single 参数并从固定集合中返回一些单词。但是“我传递了两个变量（......来自两个不同的数据集）并进行比较，只是考虑到这些不区分大小写。......我需要一个可以比较两个变量的函数。”听起来你想要sim(?w1,?w2) 之类的东西返回一个数字，这样你就可以这样做，例如order by sim(?w1,?w2)。
请将 cmets 作为 cmets 发布，而不是作为答案发布。您写道：“我并没有说我在 OWLIM 存储库中使用 SPARQL。我想要一个接收 2 个变量的函数，它会说明它们是否足够接近。当我说接近时，我的意思是一个词需要最少数量的更改为第二个，因此 2 个单词必须尽可能相似。就像您使用正则表达式时一样（例如 regex(?x, ?y, "i")），但比较不同。”
您的意思是“最少的更改”是什么意思？像sim("root","book") 这样的东西只需要更改两个字母。但是你不能说“两个”是最不重要的，除非你有别的东西可以比较。我是否正确理解您希望能够执行select ?x ?y where { ... } order by sim(?x,?y) limit 1 之类的操作，以便获得编辑距离在所有?x 和?ys 中最小的?x 和?y？

标签： rdf sparql

【解决方案1】：

标准 SPARQL 中没有这样的功能。但是，SPARQL 是可扩展的，因此您可以根据需要添加自己的函数（当然，代价是失去查询的可移植性）。例如，请参阅此tutorial on how to do this in Sesame's SPARQL engine。

我还认为，一些扩展了全文搜索支持的三元存储库（如 OWLIM 或 Virtuoso）可能对这类东西有一些内置支持，但我不确定这一点。

编辑

假设你想要类似 Levenshtein 距离的东西，你可以有一个函数 ex:ldistance(?string1, ?string2) 给定两个字符串输出距离。所以ex:ldistance("room", "root") 将返回 1，ex:ldistance("room", "door") 将返回 2，依此类推。然后，您可以使用它来查询给定的距离，例如让所有比 2 更接近“房间”的字符串：

SELECT ?x ?string1 
WHERE {
       ?x rdfsl:abel ?string1 
       FILTER(ex:ldistance("room", ?string1) < 2)
}

或返回所有按距离排序的匹配字符串：

SELECT ?x ?string1 ?ldistance
WHERE {
       ?x rdfsl:abel ?string1 
       BIND ( ex:ldistance("room", ?string1) as ?ldistance)
}
ORDER BY ?ldistance

但是，如前所述，函数 ex:ldistance 实际上并不存在于 SPARQL 中，因此您需要自己创建它作为扩展。

【讨论】：

我没有说我在 OWLIM 存储库中使用 SPARQL。我想要一个接收 2 个变量的函数，如果它们足够接近的话。当我说接近时，我的意思是一个词需要最少的变化才能成为第二个词，所以两个词必须尽可能相似。就像您使用正则表达式时一样（例如 regex(?x, ?y, "i")），但比较不同。
是的。我明白。大概你想要像 Levenshtein 或 Jaro-Winkler 这样的东西。重复一遍：标准 SPARQL 中没有这样的功能，但一些三元存储可能有一些扩展 - 或者您可以创建自己的扩展。
我已经更新了我的答案，并举例说明了如何在 SPARQL 中使用此类函数。
有关 Virtuoso 全文索引支持的详细信息，请访问 docs.openlinksw.com/virtuoso/sparqlextensions.html