如何使用SPARQL从GraphDB的RDF数据中检索含共现关键词的文本

基础查询写法（适配当前4000条文献数据量） #

直接运行以下语句即可拿到所有符合要求的文本：

PREFIX kg: <http://www.ztonebv.nl/KG#>
SELECT DISTINCT ?textValue ?relatedNode
WHERE {
  # 匹配所有关联hasText属性的节点与对应文本内容
  ?relatedNode kg:hasText ?textValue .
  # 双条件过滤：文本同时包含两个目标术语，大小写不敏感
  FILTER(
    REGEX(?textValue, "gut microbiota", "i") &&
    REGEX(?textValue, "diabetes", "i")
  )
}

• 语句中提前声明了kg前缀，避免重复书写冗长的IRI地址
• 正则匹配的i参数为忽略大小写配置，可以覆盖"Gut Microbiota""DIABETES"等大小写变体，避免漏检；如果需要严格匹配原始大小写，删除该参数即可
• 加了DISTINCT去重，避免重复的文本条目出现在结果里

大数据量优化写法（可选） #

如果后续数据集规模上涨到十万、百万级，正则过滤的性能会下降，可以用GraphDB自带的Lucene全文索引能力提速，查询写法如下：

PREFIX kg: <http://www.ztonebv.nl/KG#>
PREFIX luc: <http://www.ontotext.com/connectors/lucene#>
SELECT DISTINCT ?textValue ?relatedNode
WHERE {
  # 调用Lucene索引做布尔检索
  ?query luc:query '"gut microbiota" AND "diabetes"' ;
         luc:entities ?relatedNode .
  ?relatedNode kg:hasText ?textValue .
}

该写法检索速度远高于正则匹配，使用前需要先在GraphDB中为hasText属性创建对应的Lucene全文索引即可。

内容的提问来源于stack exchange，提问作者noobmaster69