SPARQL多GROUP BY查询优化：区域与地区单元市镇统计合并问题

需求与问题描述 #

需求：查询各区域的名称及其下辖市镇总数，同时查询各地区单元的名称及其下辖市镇总数。层级关系为：区域包含地区单元，地区单元包含市镇。

问题：编写的SPARQL查询返回错误结果，该查询尝试通过两个带GROUP BY的SELECT语句分别统计区域、地区单元的市镇数量，但结果不符合预期。

原查询代码 #

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema 
PREFIX strdf: <http://strdf.di.uoa.gr/ontology
PREFIX gag: <http://geo.linkedopendata.gr/gag/ontology/> 
PREFIX owl: <http://www.w3.org/2002/07/owl#>

SELECT ?region ?municipality_region ?unit ?municipality_unit
WHERE
{
 { SELECT ?region (COUNT(?municipality) AS ?municipality_region)
 {?m rdf:type gag:Δήμος .
  ?m gag:έχει_επίσημο_όνομα ?municipality .
  ?m gag:ανήκει_σε ?reg_un .
  ?reg_un gag:ανήκει_σε ?reg .
  ?reg gag:έχει_επίσημο_όνομα ?region .
 }GROUP BY ?region}
{ SELECT ?unit (COUNT(?municipality_un) AS ?municipality_unit) 
 { ?m rdf:type gag:Δήμος .
   ?m gag:έχει_επίσημο_όνομα ?municipality_un .
   ?m gag:ανήκει_σε ?reg_un .
   ?reg_un gag:έχει_επίσημο_όνομα ?unit .
  } GROUP BY ?unit}
};

属性映射（中文） #

• Δήμος = 市镇
• έχει_επίσημο_όνομα = 拥有正式名称
• ανήκει_σε = 隶属于

原查询错误原因 #

1. 前缀语法错误：rdf、rdfs、strdf的前缀URL未添加闭合的#，会导致SPARQL解析失败。
2. 笛卡尔积问题：两个子查询之间没有任何关联条件，导致区域统计结果和地区单元统计结果被无意义地两两组合，返回大量冗余错误数据。
3. 统计逻辑隐患：直接统计名称（?municipality）而非市镇实体（?m），若同一市镇存在多个正式名称，会导致重复计数。

正确查询方案 #

方案1：分离两类统计，用UNION合并结果 #

此方案将区域统计和地区单元统计分开查询，通过UNION合并到同一结果集，并用额外字段标识实体类型，适合需要统一展示两类统计数据的场景。

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX strdf: <http://strdf.di.uoa.gr/ontology#>
PREFIX gag: <http://geo.linkedopendata.gr/gag/ontology/> 
PREFIX owl: <http://www.w3.org/2002/07/owl#>

SELECT ?实体名称 ?市镇数量 ?实体类型
WHERE {
  # 统计区域下的市镇数量
  {
    SELECT ?区域名称 (COUNT(DISTINCT ?市镇) AS ?数量)
    WHERE {
      ?市镇 rdf:type gag:Δήμος .
      ?市镇 gag:ανήκει_σε ?地区单元 .
      ?地区单元 gag:ανήκει_σε ?区域 .
      ?区域 gag:έχει_επίσημο_όνομα ?区域名称 .
    } GROUP BY ?区域名称
    BIND("区域" AS ?实体类型)
  }
  UNION
  # 统计地区单元下的市镇数量
  {
    SELECT ?单元名称 (COUNT(DISTINCT ?市镇) AS ?数量)
    WHERE {
      ?市镇 rdf:type gag:Δήμος .
      ?市镇 gag:ανήκει_σε ?地区单元 .
      ?地区单元 gag:έχει_επίσημο_όνομα ?单元名称 .
    } GROUP BY ?单元名称
    BIND("地区单元" AS ?实体类型)
  }
  BIND(IF(?实体类型 = "区域", ?区域名称, ?单元名称) AS ?实体名称)
  BIND(?数量 AS ?市镇数量)
}

方案2：关联区域与下属地区单元的统计 #

此方案将区域和其下属的地区单元统计关联起来，每行展示一个区域+区域总市镇数+该区域下的一个地区单元+该单元的市镇数，适合需要展示层级关联统计的场景。

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX strdf: <http://strdf.di.uoa.gr/ontology#>
PREFIX gag: <http://geo.linkedopendata.gr/gag/ontology/> 
PREFIX owl: <http://www.w3.org/2002/07/owl#>

SELECT ?区域名称 ?区域市镇总数 ?地区单元名称 ?单元市镇总数
WHERE {
  # 统计每个区域的总市镇数
  {
    SELECT ?区域 (COUNT(DISTINCT ?市镇) AS ?区域统计数)
    WHERE {
      ?市镇 rdf:type gag:Δήμος .
      ?市镇 gag:ανήκει_σε ?地区单元 .
      ?地区单元 gag:ανήκει_σε ?区域 .
    } GROUP BY ?区域
  }
  # 统计每个地区单元的市镇数，并保留单元实体用于关联
  {
    SELECT ?地区单元 ?单元名称 (COUNT(DISTINCT ?市镇) AS ?单元统计数)
    WHERE {
      ?市镇 rdf:type gag:Δήμος .
      ?市镇 gag:ανήκει_σε ?地区单元 .
      ?地区单元 gag:έχει_επίσημο_όνομα ?单元名称 .
    } GROUP BY ?地区单元 ?单元名称
  }
  # 关联条件：地区单元隶属于对应的区域
  ?地区单元 gag:ανήκει_σε ?区域 .
  # 获取区域名称
  ?区域 gag:έχει_επίσημο_όνομα ?区域名称 .
  # 重命名字段以提高可读性
  BIND(?区域统计数 AS ?区域市镇总数)
  BIND(?单元统计数 AS ?单元市镇总数)
  BIND(?单元名称 AS ?地区单元名称)
}

关键优化点 #

• 补全前缀URL的闭合#，修复语法错误
• 使用COUNT(DISTINCT ?市镇)基于实体而非名称统计，避免重复计数
• 通过UNION或层级关联解决笛卡尔积问题，确保结果符合业务逻辑

内容的提问来源于stack exchange，提问作者C96