1。關於RDF、RDFS、OWL的理解
1） RDF：三元組（IRI在知識圖譜中唯一標識實體，literals是帶有資料型別的純文字）。
例如：“
http：//www。
kg。com/person/1
” “kg：chineseName” “羅納爾多” 表示一個三元組，對應兩個IRI和一個literals。
2） 在此基礎之上考慮了語義和概念層面，就引出了RDFS，即提供schema層的描述來進行區分。
3） 之後發現RDFS引入schema層表達能力還是不足，vocab不足，進一步的引入OWL，新增額外的vocab，能夠進行推理。
關於RDF中某些寫法的解釋：
RDF定義了一種特殊的rdf：type特性表示兩個資源之間的類性關係。
一般rdf：type特性值的資源稱為類，表示屬於rdf：resource表示屬性，rdfs： range/domain經過OWL之後對映為ObjectProperty和DataProperty。
2。關於mysql相對RDF的理解
關於mysql的資料對映：
1） 表作為本體中的類Class
2） 表的列作為屬性Property
3） 表的行為作為例項或者資源
4） 表的單元格作為字面量
5） 如果單元格所在的列是外來鍵，那麼其值值IRI，或者說是實體或者醫院
3。如何將mysql的資料轉化為RDF
如何將mysql的資料對映到我們在protege中定義的本體上？
要注意到使用D2RQ的優勢在於：
1） 先將mysql中資料出自動轉化為預定義的mapping檔案，然後使用者在這個mapping檔案上進行修改，將資料對映到自己定義的本體上。
注意：當資料關係比較複雜的時候，直接在由D2RQ生成的mapping檔案上進行修改更加節省時間。
這裡使用D2RQ進行資料轉化：
generate-mapping -u root -p 8610912 -o kg_demo_movie_mapping。ttl jdbc：mysql：//localhost/kg_demo_movie
直接編輯kg_demo_movie_mapping。ttl檔案，主要剔除掉關於主鍵id的map描述， 另外主要更改d2rq：class和d2rq：property，將其後面的值對應到自己定義的本體上。
接下來開始轉化為RDF： 透過使用如下命令將資料轉化為kg_demo_movie_mapping。ttl轉化為kg_demo_movie。nt的RDF檔案。
D：\kg\software\d2rq-0。8。1>dump-rdf。bat -o kg_demo_movie。nt kg_demo_movie_mapping。ttl
其中預設匯出RDF格式為： “TURTLE”， “RDF/XML”， “RDF/XML-ABBREV”， “N3”和“N-TRIPLE”， 其中“N-TRIPLE”是預設的輸出格式。
現在已經有了三元組RDF，就需要開始進行檢索和查詢RDF資料，而SPARQL是專門為了訪問和查詢RDF設計的，是語義網的核心概念。
SPARQL（SPARQL Protocol and RDF Query Language），透過http協議在客戶端和SPARQL伺服器（SPARQLendpoint）之間進行傳輸和查詢。
對於d2rq，開啟web查詢功能：
d2r-server。bat kg_demo_movie_mapping。ttl
這裡不做過多關於d2rq的說明，只要注意到d2rq最主要的功能是將mysql對映到mapping上，透過修改，最終獲取RDF形式的資料，即重在資料格式或者內容的轉化，而關於另外的重頭戲關於儲存和查詢會接下來介紹JENA。
4。關於RDF資料的儲存和查詢
關於JENA，是一個開源的Java語義網框架（open source Semantic Web Framework for Java），用於構建語義網和連結資料應用。其架構如下：
簡單解釋：
1） 底層也相當於是資料儲存或者資料來源，主要使用sql資料庫或者一種高速持久的三元組形式直接在磁碟上進行儲存。
2） 之上是推理層，內含內部已有的推理和外部定義的推理。
3） 繼續之上，提供各種方式的查詢。
首先配置JENA的環境變數：
path路徑上增加如下：
%JENA_HOME%\bat；%JENA_HOME%\bin
繼續執行如下命令：
tdbloader。bat ——loc=“D：\kg\software\apache-jena-3。8。0\tdb” “D：\kg\software\d2rq-0。8。1\kg_demo_movie。nt”
——loc指定jena儲存RDF資料的目錄，第二個引數是mysql資料經過mapping然後再轉化為RDF資料
同時tdb的目錄下產生了新的資料：
接下來，開啟服務，透過Fuseki進行開啟。Fuseki是Jena提供的SPARQL伺服器，也就是SPARQL endpoint。
注意關於apache-jena-fuseki的版本問題： 若選擇版本apache-jena-fuseki-3。8。0，則後續在執行的過程中會報出如下錯誤：
檢查之後是版本問題，重新下載低版本的，使用版本apache-jena-fuseki-3。5。0。
進入到
cd D：\kg\software\apache-jena-fuseki-3。5。0
執行
fuseki-server。bat
會自動建立並生成“run”資料夾，然後將本體檔案移動到run目錄下的databases資料夾，將字尾改為ttl。
注意，當在protege中儲存本體檔案時，需要儲存為Turtle Syntax，若儲存為其他型別的檔案，則後續執行的過程中會報錯。
然後我們進入到apache-jena-fuseki-3。5。0\run\configuration目錄中，新建檔案fuseki_conf。ttl 再次執行
fuseki-server。bat
執行成功！
登入http：//localhost：3030/，頁面如下：
為了能夠提供python查詢，找到SPARQL endpoint， 可以透過如下頁面找到： http：//localhost：3030/kg_demo_movie/sparql http：//localhost：3030/kg_demo_movie/query
不過需要注意的是很容易導致java。lang。OutOfMemoryError： Java heap space的錯誤問題。 注意每次重啟需要刪除apache-jena-3。8。0\tdb下如下的檔案，否則報錯：
#！/usr/bin/env python
# -*- coding： utf-8 -*-
# @Time ： 2018/8/23 12：45
# @Author ：
# @File ： jena_query。py
# @Software： PyCharm
from
SPARQLWrapper
import
SPARQLWrapper
，
JSON
sparql
=
SPARQLWrapper
（
“http：//localhost：3030/kg_demo_movie/query”
）
sparql
。
setQuery
（
“”“
PREFIX ：
PREFIX rdf：
SELECT * WHERE {
？x ：movieTitle ‘功夫’。
？x ？p ？o。
}
”“”
）
sparql
。
setReturnFormat
（
JSON
）
results
=
sparql
。
query
（）
。
convert
（）
# print（results）
for
result
in
results
［
“results”
］［
“bindings”
］：
# print（result［“n”］［“value”］）
（
result
［
“x”
］［
“value”
］，
result
［
“p”
］［
“value”
］，
result
［
“o”
］［
“value”
］）
列出部分結果如下：
file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#movie/9470 http：//www。kgdemo。com#hasGenre file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#genre/35
file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#movie/9470 http：//www。kgdemo。com#hasGenre file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#genre/28
file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#movie/9470 http：//www。kgdemo。com#hasGenre file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#genre/80
file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#movie/9470 http：//www。kgdemo。com#hasGenre file：///D：/kg/software/d2rq-0。8。1/kg_demo_movie。nt#genre/14
參考：
1。實踐篇（一）：資料準備和本體建模
2。實踐篇（二）：關係資料庫到RDF
3。RDF查詢語言SPARQL
4。實踐篇（三）：D2RQ SPARQL endpoint與兩種互動方式
5。實踐篇（四）：Apache jena SPARQL endpoint及推理
6。知識圖譜基礎之RDF，RDFS與OWL
7。資源描述框架RDF
8。SPARQL Endpoint interface to Python
