Random 如何从SPARQL中选择随机DBPedia节点？

如何使用sparql端点从DBpedia中选择随机样本

这个问题

SELECT ?s WHERE { ?s ?p ?o . FILTER ( 1 > bif:rnd (10, ?s, ?p, ?o) ) } LIMIT 10

（发现） 在大多数SPARQL端点上似乎工作正常，但在它上会被缓存（因此它总是返回相同的10个节点）

如果我从JENA处尝试，我会得到以下异常：

Unresolved prefixed name: bif:rnd

我找不到“bif”名称空间是什么

有没有办法解决这个问题

---

Mulone:rnd不是SPARQL标准，因此不能移植到任何SPARQL端点。您可以使用“限制”、“顺序”和“偏移”来模拟带有标准查询的随机样本。类似于

SELECT * WHERE { ?s ?p ?o } 
ORDER BY ?s OFFSET $some_random_number$ LIMIT 10

其中

some\u random\u number

是由应用程序生成的数字。这应该可以避免缓存问题，但这个查询无论如何都非常昂贵，我不知道公共端点是否会支持它

---

尽量避免像

？s？p？o这样的完全开放模式，您的查询将更加高效。
在SPARQL 1.1中，您可以执行以下操作：

SELECT ?s
WHERE {
  ?s ?p ?o
}
ORDER BY RAND()
LIMIT 10

我还不知道有多少商店会进行优化，甚至还没有实施

[见下面的评论，这不太管用]

另一种选择是：

SELECT (SAMPLE(?s) AS ?ss)
WHERE { ?s ?p ?o }
GROUP BY ?s

但我认为这更不可能被优化

bif:rnd是一个特定于Virtuoso的扩展，因此只能在Virtuoso SPARQL端点上再次工作

是Virtuoso内置函数的前缀，该函数允许在SPARQL中调用任何Virtuoso函数，并且是用于返回随机数的Virtuoso函数。
我遇到了相同的问题，这里的解决方案都没有解决我的问题。这是我的解决方案；这件事非同小可，而且相当棘手。到目前为止，这适用于DBPedia，也可能适用于其他SPARQL端点，但不能保证在将来的版本中适用

DBPedia使用Virtuoso，它支持
RAND
函数的未记录参数；该参数有效地指定了用于PRNG的范围。该游戏旨在欺骗Virtuoso，使其相信在计算每个结果行之前无法静态计算输入参数，从而迫使程序为每个绑定计算
RAND（）
：

select * {
    ?s dbo:isPartOf ?o .  # Whatever your pattern is
    bind(rand(1 + strlen(str(?s))*0) as ?rid)
} order by ?rid

神奇发生在
rand（1+strlen（str（？s））*0）
中，它生成了与
rand（）等价的
；但通过利用程序无法预测包含某个变量的表达式的值这一事实（在本例中，我们只是将IRI的长度计算为字符串），强制它在每个匹配上运行。实际表达式并不重要，因为我们将其乘以
0
以完全忽略它，然后添加
1
以使
rand
正常执行

这只是因为开发人员在表达式的静态代码求值中没有走这么远。他们本可以很容易地为“乘零”编写一个分支，但可惜他们没有：）
SELECT？s WHERE{
？s？p？o。
绑定（（10，？s，？p，？o）为rid）
}
凭什么订货
限制10

这个怎么样

可能比你的好。
（）

您只需将random id（？rid）绑定到每一行绑定（？s？p？o），然后按random id对结果排序。
以上方法都不适用于Jena/Fuseki，因此我采用了另一种方式：

SELECT DISTINCT ?s ?p ?o
{
  ?s ?p ?o.
  BIND ( MD5 ( ?s ) AS ?rnd)
}
ORDER BY ?rnd ?p
LIMIT 100

显然，这不会选择随机三元组，但前k个MD5排序的受试者组应该具有统计显著性样本的相关特征（即样本代表整个人群，没有特定的选择偏差）。
经过大量实验后，我得出以下解决方案，使用散列避免静态计算
RAND（）
，以及使用
RAND（）
避免仅使用散列导致的选择偏差的组合

SELECT ?s WHERE {
  ?s ?p ?o .
  BIND(SHA512(CONCAT(STR(RAND()), STR(?s))) AS ?random) .
} ORDER BY ?random
LIMIT 1

此处用于从Wikidata中随机选择山谷冰川：

SELECT ?item ?itemLabel ?random WHERE {
  ?item wdt:P31 wd:Q11762356 .
  BIND(SHA512(CONCAT(STR(RAND()), STR(?item))) AS ?random) .
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en" . }
} ORDER BY ?random
LIMIT 1

（该服务缓存响应，您可以在运行查询之前只做一个新的注释来绕过它）
我想您的解决方案的问题在于选择顺序没有改变，因此它不是真正随机的。也许我可以通过将来自不同查询的样本放在一起来改善其“随机性”，比如（偏移量为x1的查询）UNION（偏移量为x2的查询）UNION（偏移量为xn的查询）UNION。我的选择顺序不是随机的，但随机数上的偏移量会给你一个随机样本。这是需要随机生成的偏移量。实际上，第二个偏移量不起作用，SAMPLE（）返回一个任意值。但不是随机的。我只想添加'DISTINCT'：SELECT DISTINCT？我相信RAND（）只被调用一次，所以所有结果的值都是相同的。如果是这样的话，试着使用“（SHA512（CONCAT（str（？s），str（RAND（）））作为？random）”和“ORDER BY？random”我自己已经多次使用过这种方法，最后发现不幸的是存在选择偏差。将大样本的分布与其原始数据集进行比较，选择偏向于确定的特征。我建议在可用时使用
RAND（）
或
bif:rnd
。感谢@mommi84，我很想知道存在哪些偏差，以及是否有其他函数与MD5哈希相结合，以使返回的结果更加无偏。
SELECT ?item ?itemLabel ?random WHERE {
  ?item wdt:P31 wd:Q11762356 .
  BIND(SHA512(CONCAT(STR(RAND()), STR(?item))) AS ?random) .
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE], en" . }
} ORDER BY ?random
LIMIT 1