Rdf 如何编写SPARQL查询，在忽略大小写的同时有效地匹配字符串文本

我正在使用Jena ARQ针对从Jena TDB读取的大型本体编写SPARQL查询，以便根据rdfs标签查找与概念相关的类型：

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> "aspirin" .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
}

我可以使用如下筛选器语法编写此查询的不区分大小写的版本：

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> ?term .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
 FILTER ( regex (str(?term), "tylenol", "i") )
}

选择DISTINCT？类型，其中{
？x？术语。
？x？型。
过滤器（正则表达式（str（？term），“tylenol”，“i”））
}

---

但是现在查询需要一分钟才能完成！有没有更有效的方法来编写不区分大小写的查询？

在SPARQL中可以使用的所有可能的字符串运算符中，

regex

可能是最昂贵的。如果您避免使用

regex

，而是在测试的两侧使用

UCASE

或

LCASE

，则查询可能会运行得更快。比如：

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> ?term .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
 FILTER (lcase(str(?term)) = "tylenol")
}

选择DISTINCT？类型，其中{
？x？术语。
？x？型。
过滤器（lcase（str（？term））=“泰诺”）
}

---

这可能会更快，但一般来说，使用任何三重存储的文本搜索都不会有很好的性能。三重存储非常擅长于图匹配，而不太擅长于字符串匹配

带有筛选器查询的查询运行较慢的原因是？术语未绑定。它需要扫描PSO或POS索引，以查找带有rdfs:label谓词的所有语句，并根据正则表达式对它们进行筛选。当它绑定到一个具体的资源时（在第一个示例中），它可以使用OPS或POS索引只扫描带有rdfs:label谓词和指定对象资源的语句，这将具有更低的基数

---

这类文本搜索问题的常见解决方案是使用外部文本索引。在本例中，Jena提供了一个名为的自由文本索引，该索引使用Lucene执行搜索，并将结果与查询的其余部分连接起来。

您不需要说明正在使用的软件。许多RDF存储都有文本索引选项，这些选项比regex（）更能有效地进行文本搜索。@SteveHarris我更新了这个问题，加入了我正在使用的技术。我原本希望我只是错过了一些SPARQL特性，但现在我“我想我需要像你建议的那样调查文本索引选项，所以谢谢你的提示。它可能会稍微快一点，但仍然比非过滤版本慢几个数量级。谢谢你周到的回答，但我可能需要研究字符串索引选项。当我看到这个问题时，这正是我想要的答案。规范化字符串（通过下套管）和检查应该比正则表达式查询快得多+1.这个答案是正确的，但它并没有为OP的问题提供最简单的答案“有没有更有效的方法来编写不区分大小写的查询？”表明有一种方法比

regex

更有效。

SELECT DISTINCT ?type WHERE {
 ?x <http://www.w3.org/2000/01/rdf-schema#label> ?term .
 ?x <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> ?type .
 FILTER (lcase(str(?term)) = "tylenol")
}