Star Pattern Fragments: Accessing Knowledge Graphs through Star Patterns
Author
Aebeloe, Christian
Term
4. term
Education
Publication year
2020
Submitted on
2020-08-28
Pages
27
Abstract
The Semantic Web is a large network of linked data that can be queried through SPARQL endpoints (servers that answer SPARQL queries). These servers do all the work to process complex queries, which can overload them, slow responses, or even cause crashes. Newer interfaces like Triple Pattern Fragments move more of the work to the client. However, when queries include triple patterns with low selectivity (they match many records), this approach can create heavy network traffic and slow performance. We present Star Pattern Fragments (SPF), a new interface that breaks SPARQL queries into star-shaped subqueries centered on a common subject. SPF lowers network traffic, increases query throughput, and keeps server load comparatively low. In experiments, SPF not only significantly reduces network traffic but is also up to an order of magnitude faster than state-of-the-art interfaces under high query load.
Det semantiske web er et stort netværk af sammenkædede data, som kan forespørges via SPARQL-endepunkter (servere, der besvarer SPARQL-forespørgsler). Disse servere udfører hele arbejdet med at behandle komplekse forespørgsler, hvilket kan overbelaste dem, gøre svarene langsomme eller i værste fald få dem til at gå ned. Nyere grænseflader som Triple Pattern Fragments flytter mere af arbejdet til klienten. Når forespørgsler indeholder triple-mønstre med lav selektivitet (de matcher mange poster), kan denne tilgang dog skabe høj netværkstrafik og langsom ydeevne. Vi præsenterer Star Pattern Fragments (SPF), en ny grænseflade, der opdeler SPARQL-forespørgsler i stjerneformede delspørgsmål omkring et fælles subjekt. SPF sænker netværkstrafikken, øger gennemløbet af forespørgsler og holder serverbelastningen relativt lav. I vores eksperimenter reducerer SPF ikke blot netværkstrafikken markant, men er også op til en størrelsesorden hurtigere end de bedste eksisterende grænseflader under høj belastning.
[This apstract has been rewritten with the help of AI based on the project's original abstract]