如何始终按名称查询 dbpedia 以获取编程语言？答案

【问题标题】：How do I consistently query dbpedia for programming languages by name?如何始终按名称查询 dbpedia 以获取编程语言？
【发布时间】：2012-10-17 04:02:21
【问题描述】：

似乎没有一致的方法来根据名称查询编程语言。例子：

http://dbpedia.org/page/D_(programming_language)
rdfs:label "D (programming language)"@en
dbpprop:name "D programming language"
owl:sameAs freebase:"D (programming language)"
foaf:name "D programming language"

对比

http://dbpedia.org/page/C++
rdfs:label "C++"@en
dbpprop:name "C++"
owl:samwAs freebase:"C++"
foaf:name "C++"

由于“编程语言”、“（编程语言）”、“编程语言”、“（编程语言”或“”是否是 dbpedia 中编程语言名称的一部分没有标准约定，我不知道如何始终按名称搜索。

我想创建某种 SPARQL 查询，为“D”返回 http://dbpedia.org/page/D_(programming_language)，为“C++”返回 http://dbpedia.org/page/C++，但我不知道该怎么做。

除非编程语言的各种三元组中至少有一个使用一致的命名约定，否则我将不得不先查询 name + " (programming_language)"，然后返回 name + "(programming language" , name + "programming language" 当没有找到结果时。但我想要一个更健壮的方法。

【问题讨论】：

也许没有？似乎草图尝试将名称用作某种形式的标签/语义标记。 C++ 已经“完善”，而 D（编程语言）相对较新。出于某种重大原因，它还选择了一个非常常见的“名称”。例如。与 Ruby 打交道会发生什么？
也就是说，为什么不使用本体/属性来代替呢？例如dbpedia.org/page/Category:Programming_languages
@pst 大局是我想制作一个程序，给定一个编程语言名称，例如“Python”或“QML”，显示它与其他编程语言关系的可视化图表. Programming_language 类别将确保我的查询结果都是正确的类型，但这并不能帮助我按名称查找语言资源。

标签： sparql dbpedia

【解决方案1】：

您当然可以使用基本的子字符串匹配或正则表达式进行匹配，例如像这样找到“C++”的匹配项：

SELECT DISTINCT ?pl ?label
WHERE { 
    ?pl a dbpedia-owl:ProgrammingLanguage ;
        rdfs:label ?label .
    FILTER(langMatches(lang(?label), "en"))
    FILTER(regex(str(?label), "C\\+\\+")) 
}

当然，对于像“D”这样的编程语言名称，上述内容会出现问题，因为您会得到多个匹配项（“D”、“Dylan”、“MAD”等）。在这些情况下，您可能希望对结果进行一些巧妙的后处理，例如标记返回的标签并查看您的输入字符串是否作为独立单词出现。

SPARQL 中的正则表达式匹配是出了名的昂贵（就评估时间而言），但由于您将它与特定类别的类型约束结合起来，DBPedia 端点应该能够很好地处理这种查询。

【讨论】：

“你可能想做一些聪明的后处理”和“SPARQL 中的正则表达式匹配是出了名的昂贵”表明这不是一个完整的解决方案。
您也许可以请求 DBPedia 维护人员对其进行预处理，剪掉（或添加）标签中常见的前缀或后缀，以便它们在 DBpedia 数据库中更常规，但在此之前您是坚持使用正则表达式和巧妙的后处理（这将足够好），或替代方法（例如，为您的用户提供下拉列表，而不是关键字搜索字段）。

【解决方案2】：

我会使用

SELECT distinct ?pl ?label
WHERE { 
  ?pl a dbpedia-owl:ProgrammingLanguage ;
      rdfs:label ?label.
  ?label bif:contains "'C++'" .
  filter (str (?label) like '%C++%')
  filter (lang(?label)="en")
}

?label bif:contains "'C++'" 会在一定程度上过滤，更具体地说是过滤 C++、C、Objective-C 等，因为 ++ 将被视为噪声并从实际搜索模式中排除。之后你有 C 并且需要两个加号，所以filter (str (?label) like '%C++%') 会比正则表达式更快地检查它们。添加filter (lang(?label)="en") 或filter (langmatches(lang(?label),"en")) 或根据口味根本不检查语言。

【讨论】：