[发明专利]预存储RDF三元数据的方法和装置

说明书

技术领域

本发明涉及RDF三元数据的存储和管理，更具体而言，涉及用于加速RDF三元数据的查询和读取的方法和装置。

背景技术

RDF(Resource Description Framework，资源描述框架)是万维网联盟(W3C)提出的一组标记语言的技术标准，以便更为丰富地描述和表达Web资源的内容与结构。具体地，RDF可专门用于表达关于Web资源的元数据，比如Web页面的标题、作者和修改时间，Web文档的版权和许可信息，某个被共享资源的可用计划表等。然而，将“Web资源”这一概念一般化后，RDF可用于表达关于任何可在Web上被标识的事物的信息。随着基于语义的网络描述的发展，RDF数据越来越多地应用在各种网络相关应用中，对RDF数据的管理也变得愈加重要。

与一般的关系数据不同，RDF数据可表达为三元组的形式，该三元组包括<主体，谓词，客体>。也就说，RDF通过这样的三元组描述各个元素之间的关系。在将这样的RDF三元组存储在诸如数据库的存储系统的情况下，通常通过W3C推荐的SPARQL语言进行数据查询。

图1示出现有的RDF数据存储和查询系统的结构。该系统100包括数据库101，数据加载器102，数据存取模块103和查询引擎104。数据库101用于存储RDF三元数据。具体地，在数据库101中，包括IRI表和三元组表。IRI表用于存储内部ID或索引与数据中的IRI串之间的对应关系，而三元组表用上述内部ID的表示形式来存储三元组数据。可以理解，这样的存储方式有利于数据的压缩存储，从而节省存储空间。在从外部输入新的RDF数据时，数据加载器102接收数据输入，并对输入的RDF数据进行解析，将其转化为内部数据模型。对于该内部数据模型中的每个IRI串，数据存取模块103为其分配一个唯一的内部ID，并将该ID与该串之间的对应关系插入或存储到上述IRI表中。之后，对于数据模型中的每个RDF三元组，数据存取模块103将其内部ID的表示形式插入或存储到上述三元组表中。对于如此存储的RDF三元数据，在想要进行数据查询时，查询引擎104接收用户的SPARQL查询请求，并将SPARQL查询请求转译为对应的标准化SQL(结构化查询语言)语句。数据存取模块103根据SQL语句从数据库101中提取所查询的三元组，并将结果返回给查询引擎104。

下面结合具体例子说明在上述系统100中执行的RDF数据存储和查询的过程。在一个例子中，在数据库101中存储关于学校课程设置的信息，这些信息均以RDF三元组形式存储。假定，用户想要知道选修Jack所教授的课程的学生名单，那么可以在查询引擎104中将SPARQL查询设置为：

SELECT？name

WHERE{

？student：hasName ？name.     (1)

？student：takeCourse ？course.(2)

？course：toughtBy ？person.   (3)

？person：hasName“Jack”.     (4)

}

在上述SPARQL查询中，请求返回所有name值，其中WHERE{}中的语句为name需要满足的关系。具体地，该查询中包含了4行三元组形式的查询语句(1)-(4)，每个这样的语句称为一个三元模式(triplepattern)。可以理解，此处为了便于描述而对这些语句进行了编号，在实际查询中不存在这样的编号。与RDF数据相对应地，每个三元模式也表示为<主体，谓词，客体>的形式，但是可以在三元组的至少一个元素前添加问号，将其设定为变量，以表示对该元素进行查询。例如，三元模式(4)表示希望查询在三元组中的谓词为hasName，客体为Jack的情况下，对应的变量person，即确定名字叫Jack的person。继而，通过三元模式(3)，可以搜索谓词为toughtBy，客体为以上确定的person的情况下，对应的主体course，也就是确定person所教授的课程course。在三元模式(2)中，搜索选修course的所有student，最后，在三元模式(1)中，确定上述student的名字name。于是，通过以上的三元模式(1)-(4)，以person，course，student为中间变量，就可以确定最终想要查询的name的值。

通过逐一执行上述三元模式，图1中的数据存取模块103从数据库101中依次提取出期望的查询结果，并返回给查询引擎104。在一个例子中，返回的RDF三元组可以为如下的形式：