Wikidata SPARQL查询人物altNames因P69教育经历产生重复结果问题

数据老陈

2026-8-26

问题根因

这是SPARQL查询执行时的**交叉连接（笛卡尔积）**逻辑导致的，和当前查询块结构直接相关：

你在WHERE子句的同一层级，并列写了三个独立的匹配块：匹配英文别名的块、匹配人物单值基础属性（性别/生日/出生地/头像）的块、匹配P69教育经历的块。
SPARQL在匹配同一实体下的多组独立属性时，会对不同块返回的结果做笛卡尔积计算：如果某个人物有A个英文别名、B条教育经历记录，最终会生成A*B条中间结果行。
你给教育经历的GROUP_CONCAT加了DISTINCT去重，所以教育经历字段不会出现重复；但别名的聚合没有加去重逻辑，所有中间行里的别名都会被直接拼接，自然就会出现「有几条教育经历，别名列表就重复几次」的现象——比如比尔·盖茨有3条P69教育经历记录，每个别名都会在中间结果里出现3次，最终拼接出的别名列表就会把每个别名重复3遍。

修复方法

两种方案按需选择即可：

快速修复：直接给别名的聚合加上DISTINCT去重，把GROUP_CONCAT(?altNames; SEPARATOR = ";") AS ?aliases修改为GROUP_CONCAT(DISTINCT ?altNames; SEPARATOR = ";") AS ?aliases，聚合时自动过滤重复的别名值。
性能更优的规范写法：把所有多值属性的查询拆分为独立子查询，先完成单属性的聚合，再和主查询的单值属性做连接，从根源上避免无意义的笛卡尔积生成冗余中间结果。核心修改后的查询结构如下：

SELECT ?item ?itemLabel ?itemDesc ?genderLabel ?birthday ?placeOfBirthLabel ?image ?aliases ?edus
WHERE {
  VALUES ?item {
    wd:Q5284
    wd:Q28920824
    wd:Q93592590
    wd:Q109596276
  }
  # 单值基础属性直接匹配
  OPTIONAL { ?item wdt:P21 ?gender. }
  OPTIONAL { ?item wdt:P569 ?birthday. }
  OPTIONAL { ?item wdt:P19 ?placeOfBirth. }
  OPTIONAL { ?item wdt:P18 ?image. }
  SERVICE wikibase:label {
    bd:serviceParam wikibase:language "en".
    ?item schema:description ?itemDesc.
  }
  # 别名单独子查询聚合
  OPTIONAL {
    SELECT ?item (GROUP_CONCAT(?altName; SEPARATOR=";") AS ?aliases) WHERE {
      ?item skos:altLabel ?altName.
      FILTER(LANG(?altName) = "en")
    } GROUP BY ?item
  }
  # 教育经历单独子查询聚合
  OPTIONAL {
    SELECT ?item (GROUP_CONCAT(?ed; SEPARATOR="|") AS ?edus) WHERE {
      ?item p:P69 ?statement.
      ?statement (ps:P69/rdfs:label) ?eduLabel.
      FILTER(LANG(?eduLabel) = "en")
      OPTIONAL { ?statement pq:P580 ?edStart. }
      OPTIONAL { ?statement pq:P582 ?edEnd. }
      OPTIONAL {
        ?statement (pq:P512/rdfs:label) ?edDegrees.
        FILTER(LANG(?edDegrees) = "en")
      }
      OPTIONAL {
        ?statement (pq:P812/rdfs:label) ?edMajors.
        FILTER(LANG(?edMajors) = "en")
      }
      BIND(IF(BOUND(?edStart), CONCAT("::start:", STR(YEAR(?edStart))), "") AS ?edStartText)
      BIND(IF(BOUND(?edEnd), CONCAT("::end:", STR(YEAR(?edEnd))), "") AS ?edEndText)
      BIND(IF(BOUND(?edDegrees), CONCAT("::degrees:", STR(?edDegrees)), "") AS ?edDegreeText)
      BIND(IF(BOUND(?edMajors), CONCAT("::majors:", STR(?edMajors)), "") AS ?edMajorText)
      BIND(CONCAT(?eduLabel, ?edStartText, ?edEndText, ?edDegreeText, ?edMajorText) AS ?ed)
    } GROUP BY ?item
  }
}

子查询写法在实体的多值属性数量较多时，性能提升会非常明显，也能避免后续新增其他多值属性查询时再次出现同类重复问题。

内容的提问来源于stack exchange，提问作者Korimako