Wikidata多语言标签与描述SPARQL查询问题及优化咨询

问题说明 #

我需要从Wikidata的特定类（wd:Q92275707）实例中获取所有多语言标签和描述，编写的两款SPARQL查询存在以下问题：

• 第一款查询返回statement/Q681554-7152e1c3-43a8-0b46-824d-62fd44d480ca这类异常标签，且无描述结果；
• 第二款查询能返回多语言标签和描述，但每种语言对应单独一行结果。

以下是两款原始查询代码：

第一款原始查询 #

SELECT DISTINCT *
WHERE 
{
  ?item (ps:P31) wd:Q92275707
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en".
            ?item rdfs:label ?label_EN.
            ?item schema:description ?desc_EN .
  }
  SERVICE wikibase:label { bd:serviceParam wikibase:language "it".
            ?item rdfs:label ?label_IT.
            ?item schema:description ?desc_IT .
  } hint:Prior hint:runLast false.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "de".
            ?item rdfs:label ?label_DE.
            ?item schema:description ?desc_DE .                
  } hint:Prior hint:runLast false.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "fr".
            ?item rdfs:label ?label_FR.
            ?item schema:description ?desc_FR .
  } hint:Prior hint:runLast false.
} LIMIT 100

第二款原始查询 #

SELECT DISTINCT *
{
  ?item wdt:P31 wd:Q92275707;
        rdfs:label ?label;
        schema:description ?desc 
        filter(lang(?label) = 'en' && lang(?desc) = 'en' || lang(?label) = 'it' && lang(?desc) = 'it' || lang(?label) = 'fr' && lang(?desc) = 'fr') #optional filtering
}
ORDER BY ?item

预期结果示例（以Q681554为例）：标签为英文Toron、意大利文Toron，其他语言无；描述为英文castle ruin，其他语言无。

第一款查询修正 #

问题根源 #

1. 使用ps:P31而非wdt:P31：ps:指向的是陈述节点（statement），而非实例本身，这就是出现statement/xxx异常结果的原因，应替换为wdt:P31（直接属性值路径）。
2. 重复调用wikibase:label服务：该服务支持一次指定多语言，多次调用会导致逻辑混乱，且无法正确绑定描述字段。

修正方案1：简洁多语言查询（每行一个语言） #

如果可以接受每行对应一种语言的结果，可简化为一次调用wikibase:label服务：

SELECT DISTINCT ?item ?label ?desc
WHERE 
{
  ?item wdt:P31 wd:Q92275707.
  SERVICE wikibase:label {
    bd:serviceParam wikibase:language "en, it, de, fr".
    ?item rdfs:label ?label.
    ?item schema:description ?desc.
  }
} LIMIT 100

修正方案2：分列展示多语言（一行一个实例） #

如果需要将同一实例的所有语言标签/描述放在同一行，可使用OPTIONAL配合COALESCE处理缺失值：

SELECT DISTINCT ?item
  (COALESCE(?label_en, '') AS ?label_EN)
  (COALESCE(?desc_en, '') AS ?desc_EN)
  (COALESCE(?label_it, '') AS ?label_IT)
  (COALESCE(?desc_it, '') AS ?desc_IT)
  (COALESCE(?label_de, '') AS ?label_DE)
  (COALESCE(?desc_de, '') AS ?desc_DE)
  (COALESCE(?label_fr, '') AS ?label_FR)
  (COALESCE(?desc_fr, '') AS ?desc_FR)
WHERE 
{
  ?item wdt:P31 wd:Q92275707.
  OPTIONAL { ?item rdfs:label ?label_en FILTER(lang(?label_en) = 'en') }
  OPTIONAL { ?item schema:description ?desc_en FILTER(lang(?desc_en) = 'en') }
  OPTIONAL { ?item rdfs:label ?label_it FILTER(lang(?label_it) = 'it') }
  OPTIONAL { ?item schema:description ?desc_it FILTER(lang(?desc_it) = 'it') }
  OPTIONAL { ?item rdfs:label ?label_de FILTER(lang(?label_de) = 'de') }
  OPTIONAL { ?item schema:description ?desc_de FILTER(lang(?desc_de) = 'de') }
  OPTIONAL { ?item rdfs:label ?label_fr FILTER(lang(?label_fr) = 'fr') }
  OPTIONAL { ?item schema:description ?desc_fr FILTER(lang(?desc_fr) = 'fr') }
} LIMIT 100

第二款查询修正 #

问题根源 #

原始过滤条件存在逻辑优先级问题：&&优先级高于||，可能导致不符合预期的匹配结果，且结果按语言分行。

修正方案1：修复过滤逻辑（保留每行一个语言） #

给过滤条件添加括号，明确逻辑分组：

SELECT DISTINCT *
{
  ?item wdt:P31 wd:Q92275707;
        rdfs:label ?label;
        schema:description ?desc.
  FILTER(
    (lang(?label) = 'en' && lang(?desc) = 'en') ||
    (lang(?label) = 'it' && lang(?desc) = 'it') ||
    (lang(?label) = 'fr' && lang(?desc) = 'fr')
  )
} ORDER BY ?item

修正方案2：合并多语言结果到一行 #

使用GROUP BY和GROUP_CONCAT将同一实例的多语言值合并：

SELECT ?item
  GROUP_CONCAT(DISTINCT ?label; SEPARATOR='|') AS ?all_labels
  GROUP_CONCAT(DISTINCT ?desc; SEPARATOR='|') AS ?all_descriptions
{
  ?item wdt:P31 wd:Q92275707;
        rdfs:label ?label;
        schema:description ?desc.
  FILTER(lang(?label) IN ('en', 'it', 'fr') && lang(?desc) = lang(?label))
}
GROUP BY ?item
ORDER BY ?item

性能对比 #

1. 第一款修正方案2（OPTIONAL+COALESCE）：性能最优。Wikidata对wdt:P31的索引优化完善，OPTIONAL子句均为单个实例的属性查询，执行效率高，且结果结构清晰，无需后续额外处理。
2. 第二款原始/修正方案1（每行一个语言）：性能较好，但结果行数多，若需整合多语言信息，后续需额外处理。
3. 第一款修正方案1（wikibase:label服务）：服务内部做了多语言查询优化，代码简洁，但返回结果与第二款类似，需自行处理分行问题。
4. 第二款修正方案2（GROUP_CONCAT）：性能略逊于前几种，因为GROUP_CONCAT需要对结果集进行分组合并计算，实例数量较大时开销会明显增加。

总结：若需要分列展示多语言信息，优先选择第一款修正方案2；若可接受每行一个语言的结果，第二款修正方案1或第一款修正方案1均可。

内容的提问来源于stack exchange，提问作者alelom