SPARQL中能否高效实现标签合并拼接及优化处理？

现有查询及问题 #

基于Wikidata的SPARQL查询已实现按国家分组（原查询返回53546条结果，耗时19484ms；分组后返回208条，耗时21600ms），当前查询语句如下：

SELECT ?country (GROUP_CONCAT(?label; SEPARATOR=";") AS ?labels) (GROUP_CONCAT(lang(?label); SEPARATOR=";") as ?label_langs) ?countryLabel
WHERE
{
  ?country wdt:P31 wd:Q6256.
  ?country rdfs:label ?label .
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en". }
}
GROUP BY ?country ?countryLabel

当前问题：标签与语言码分开存储，无法直接对应；且存在大量重复的英文标签（如日本Q17的结果中包含多个"Japan"条目）。

期望的标签格式 #

基础需求 #

将语言码直接附加到对应标签后，生成单一字符串，示例：

日本@ja;Japan@nl;Japó@ca;ژاپن@fa;Japan@en;Japan@de;Giappone@it;ಜಪಾನ್@kn;Japon@fr;Япония@ru;Japan@en-gb;Hapon@ilo;Hapon@tl;Japonia@ro;Japón@es;Japan@din;

优化需求 #

进一步完成两项处理：

• 移除所有与英文标签内容相同的条目
• 将同一标签对应的多语言码合并（如Hapon@ilo;Hapon@tl合并为Hapon@ilo,tl）
  最终示例结果：

日本@ja;Japó@ca;ژاپن@fa;Giappone@it;ಜಪಾನ್@kn;Japon@fr;Япония@ru;Hapon@ilo,tl;Japonia@ro;Japón@es;

SPARQL实现方案 #

无需导出后用脚本处理，可直接通过嵌套分组在SPARQL中实现需求，查询语句如下：

SELECT ?country ?countryLabel 
       (GROUP_CONCAT(CONCAT(?label, "@", GROUP_CONCAT(?lang; SEPARATOR=",")), SEPARATOR=";") AS ?processedLabels)
WHERE {
  # 匹配所有国家实体
  ?country wdt:P31 wd:Q6256.
  # 获取当前国家的英文标签，用于后续去重过滤
  ?country rdfs:label ?enLabel FILTER(lang(?enLabel) = "en").
  # 获取所有语言的标签及对应语言码
  ?country rdfs:label ?label .
  BIND(lang(?label) AS ?lang)
  # 过滤掉与英文标签内容相同的条目
  FILTER(?label != ?enLabel)
  # 生成英文国家标签（用于展示）
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en". }
}
# 第一级分组：按标签内容聚合，合并同一标签的多语言码
GROUP BY ?country ?countryLabel ?label
# 第二级分组：按国家聚合，合并所有处理后的标签条目
GROUP BY ?country ?countryLabel

性能说明 #

该查询利用Wikidata查询引擎的分组优化能力，耗时不会比原查询大幅增加：引擎会在数据扫描阶段完成过滤，嵌套分组的计算开销与原查询的分组操作相当，同时减少了客户端需要处理的数据量。

关于skos:altLabel与rdfs:label的性能疑问 #

将?country rdfs:label ?label改为?country skos:altLabel ?label后查询更快，核心原因是数据量差异：

• rdfs:label包含所有语言的官方标准标签，三元组数量远多于skos:altLabel（仅包含备用/别名标签）
• skos:与rdfs:本身不存在性能差异，只是对应的数据集大小不同，导致扫描、处理的三元组数量减少，从而耗时降低。

内容的提问来源于Stack Exchange，提问作者Darren Cook