通过SPARQL计算大型数据集中的属性

我想要一个SPARQL端点中最常用属性的列表。最直接的查询是：

select ?p ( count ( distinct * ) as ?ct )
{
  ?s ?p ?o. 
}
group by ?p
order by desc ( ?ct )
limit 1000

问题是有太多的三元组（16亿）和服务器超时。所以，在谷歌搜索之后，我也尝试了这个方法，以获得至少一个样本统计数据（是的，这是一个非常专业的方法，对我来说也很好）：

选择？p（计数（不同*）为？ct）
{
s？p？o。
过滤器（1>（0.0001，s，p，o））
}
B组？p
按描述排序（？ct）
限制1000

但无论如何它都会超时，我猜是因为它仍然需要

分组

，

计数

，然后

排序

。那么，我该怎么做呢？我可以访问Virtuoso关系数据库（即iSQL），但找不到有关SQL语法以及如何从表

DB.dba.rdf_quad

中选择随机三元组的文档

---

编辑：我已经修复了这些查询，最初它们是错误的，谢谢您的评论。上面的版本仍然不起作用。

好的，我找到了一种方法，至少是部分方法：Virtuoso有一个命令行管理工具，

isql

。它也接受

SPARQL

查询，形式为：

SPARQL。它们的执行没有超时或结果大小限制

如果您只能通过HTTP访问端点，这仍然不太好，我不太清楚这种方式是否可行。
旁注：我认为查询并不能统计最常用的属性，您应该删除distinct，否则每个组都会将数字1作为count.Yep或count？s或？o，但同样没有distinct。抱歉，我弄乱了太多打开的窗口，现在我已经修复了查询，但它们还不能工作。1。您愿意尝试对virtuoso.ini文件进行一些优化吗？2.您是否通过网络（如通过web浏览器）发出查询？i、 例如，您是否可以登录到virtuoso服务器的外壳并将查询提交给localhost，例如使用cURL？正如@MarkMiller已经说过的那样。查询本身没有改进的余地。其他一切都取决于triple store的性能，而triple store实际上是基于它所部署的硬件。一些限制影响通过HTML进行交互，但不影响通过iSQL、ODBC、JDBC或其他机制进行交互；其他限制会影响所有交互。如果Virtuoso实例是您自己的，您可以调整配置以优化性能，并调整限制，使其不会影响您的查询。这里是一个很好的提问高手的地方。谢谢@TallTed，我在某个地方读到有这些配置选项，我想我会更改它们，但我不知道如何简单地列出属性及其用法，这不会花费太长时间。也许三联书店应该引入一些统计图表，在飞机上可以得到这些东西。这不是一个进行此类对话的好地方，但一个关键的细节是——你为什么想要这些统计数据？目的、目标和最终结果是什么…我认为它们可能有多种用途。例如，-告诉用户/利益相关者您在知识库中拥有什么（以及它是如何增长的）-评估应用程序所需的资源（例如，内存/节点/分析数据的时间）-反向工程数据集以在其上构建适当的本体（我的当前案例）。您可能会发现一个有趣的阅读。
select ?p ( count ( distinct * ) as ?ct )
{
  ?s ?p ?o. 
  FILTER ( 1 > <SHORT_OR_LONG::bif:rnd> (0.0001, ?s, ?p, ?o) )
}
group by ?p
order by desc ( ?ct )
limit 1000