dynamic provenance for sparql updates using named graphs
play

Dynamic provenance for SPARQL Updates using Named Graphs - PowerPoint PPT Presentation

Dynamic provenance for SPARQL Updates using Named Graphs Harry Halpin (W3C) James Cheney* (UoE) * supported by Royal Society University Research Fellowship


  1. Dynamic ¡provenance ¡for ¡SPARQL ¡ Updates ¡using ¡Named ¡Graphs ¡ Harry ¡Halpin ¡(W3C) ¡ James ¡Cheney* ¡(UoE) ¡ * ¡supported ¡by ¡Royal ¡Society ¡University ¡Research ¡Fellowship ¡

  2. “Linked ¡Data” ¡

  3. Buzzword ¡detox ¡ • Linked ¡Data ¡ = ¡exporRng ¡RDF ¡using ¡stable ¡ids ¡ – = ¡the ¡part ¡of ¡the ¡“semanRc ¡web” ¡that ¡works ¡ • RDF ¡ = ¡<subject, ¡predicate, ¡object> ¡triples ¡(graphs) ¡ • Named ¡graphs ¡= ¡RDF ¡graphs ¡with ¡a ¡(URI) ¡name ¡ – duh ¡ • SPARQL ¡ = ¡query ¡language ¡for ¡RDF ¡ – think ¡conjuncRve ¡queries ¡with ¡a ¡few ¡wrinkles ¡ ¡ • SPARQL ¡Updates ¡= ¡update ¡language ¡for ¡RDF ¡ – Work ¡in ¡progress ¡(part ¡of ¡SPARQL ¡1.1) ¡

  4. Dynamic ¡provenance ¡ • By ¡this, ¡I ¡basically ¡just ¡mean ¡version ¡history ¡ – this ¡would ¡cover ¡large ¡fracRon ¡of ¡things ¡people ¡ seem ¡to ¡want ¡right ¡off ¡the ¡bat ¡ • Plus ¡minimal ¡ability ¡to ¡track ¡sources ¡of ¡data ¡ copied ¡from ¡other ¡places ¡ – i.e., ¡copy-­‑paste ¡provenance ¡for ¡RDF ¡ • Use ¡of ¡URIs ¡makes ¡this ¡possible. ¡ • This ¡paper: ¡translate ¡updates ¡to ¡self-­‑maintain ¡ provenance. ¡

  5. r � r � r � a � b � a � b � a � b � t � u � t � t � s � c � d � d � d � u � g_v0 � g_v1 � g_v2 � output � u1 � output � u2 � input � input � meta � data � insert � delete � m2 � G_u1 � m1 � G_u2 � 5pm � 4pm � INSERT { � Harry � g {?x u ?y } � DELETE WHERE { � James � } WHERE { � g {?x s ?y . � g {?x t ?y} � a � a � ?y t ?z } � } � u � s � } � u � prov � c � d � d �

  6. Update ¡language ¡ U ::= INSERT {C} WHERE P � | DELETE {C} WHERE P � | LOAD g INTO g’ | CLEAR g � | CREATE g | DROP g � where ¡ C ¡is ¡a ¡SPARQL ¡graph ¡expression ¡(possibly ¡ with ¡variables) ¡and ¡ P ¡is ¡a ¡SPARQL ¡pa_ern ¡that ¡ queries ¡a ¡graph ¡and ¡binds ¡the ¡variables ¡to ¡URIs ¡or ¡ literals. ¡

  7. Graph ¡crea;on ¡( CREATE g ): ¡ CREATE g; � CREATE g v0 ; � INSERT DATA {GRAPH prov { � g version g v0 . g current g v0 . � u 1 type create. u 1 output g v0 . � u 1 meta m 1 . ... (other metadata) � } � } �

  8. Graph ¡dele;on ¡( DROP g ): ¡ DROP g; � DELETE WHERE { � GRAPH prov { g current g v i } � }; � INSERT DATA {GRAPH prov { � u i type drop. u i input g v i . � u i meta m i . ... (other metadata) � } �

  9. Graph ¡load ¡( LOAD g INTO g’ ) ¡ LOAD h INTO g; � DELETE WHERE {GRAPH prov { � g current g v i � } � }; � INSERT DATA {GRAPH prov { � g version g v i+1 . g current g v i+1 . � u i type load. u i input g v i . � u i output g v i+1 . u i source h j . � ui meta m i . ... (other metadata) � } �

  10. Inser;on ¡( INSERT {C} WHERE P ) ¡ CREATE g u i ; � INSERT {GRAPH g u i {C}} WHERE P; � INSERT {GRAPH g {C}} WHERE P; � CREATE g v i +1 ; � LOAD g INTO g v i +1 ; � DELETE DATA {GRAPH prov {<g current g v i >}}; � INSERT DATA {GRAPH prov { � g version g v i +1. g current g v i +1 . � u i input g v i. u i output g v i +1 . � u i type insert. u i data g u i . � u i source S 1. ... u i source S m. � u i meta m i. ... (other metadata) � } � } �

  11. Also ¡in ¡paper ¡ • Provenance ¡querying ¡via ¡SPARQL ¡ – implicitly ¡ – SPARQL ¡is ¡not ¡really ¡enough: ¡no ¡recursion. ¡ – Not ¡my ¡problem. ¡ • Strawman ¡for ¡provenance ¡retrieval ¡over ¡HTTP ¡

  12. Next ¡steps ¡ • ImplementaRon ¡  ¡ – should ¡be ¡straigh`orward ¡to ¡implement ¡slow ¡ version ¡ • Mapping ¡dynamic ¡provenance ¡from ¡other ¡data ¡ models ¡/ ¡DBMSs ¡ – copy-­‑paste ¡DBs/DBWiki ¡ – export ¡from ¡Oracle ¡with ¡metadata?? ¡ • Reconcile ¡with ¡OPM ¡/ ¡W3C ¡PIL? ¡

Recommend


More recommend