SPARQLによるLODの検索＠第4回LODとオントロジー勉強会-

SPARQL による LODの検索

大阪大学　産業科学研究所 /LOD チャレンジ実行委員会　関西支部長

古崎　晃司

第 4 回Linked Open Data とオントロジー勉強会2015/10/27@ 大阪大学中之島センター

開催年度＼応募部門データセット

アイデアアプリケーション

ビジュアライゼーショ

ン基盤技術

2014 年度（ 245作品）2013 年度（ 321作品）2012 年度（ 205作品）2011 年度（ 73作品）

８７１０１８７２１

５１６７５０３４

６９１２２４４１８

２０１８２４

１８１３

Linked Open Data （ LOD ）チャレンジLOD の技術普及を目的として開催している日本初のオープンデータに関するコンテスト（ 2011 年度より毎年開催）これまでの応募状況

http://lodc.jp

2015/10/28LOD チャレンジ 2015 ：作品募集中（ 2016 年 1 月17 日まで）

年々，応募作品数の増加 / 質の向上が見られる＝ LOD 利用の広がり2013 年度以降には，オープンデータのコンテストが多数開催される ICTSFC-WS in 大阪 2

http://lodc.jp/

LOD ハッカソン関西

2015/10/28 ICTSFC-WS in 大阪 3

• 2013 年～，これまでに 6 回開催• LOD の技術資料の公開にも注力

http://wp.lodosaka.jp

http://wp.lodosaka.jp/

関西オープンデータディ　～検索したおしたんディ～

2015/10/28 ICTSFC-WS in 大阪 4

• 開催日： 2015/11/23 （月・祝）

• 会場：大阪イノベーションハブ• テーマ：データを検索したお

す！• サイト： https://

goo.gl/KY2AW4

https://goo.gl/KY2AW4



本日の予定

19:00 ～ 20:30SPARQL を用いた LOD の検索入門＆ハンズオン LOD について，おさらい SPARQL による LOD 検索入門＆ハンズオン

20:30 ～ 20:45参加者からの話題提供（ライトニングトーク）５分 × ３件を予定

20:45 ～ 21:00LOD の公開・利用に便利なツールの紹介

2015/10/27 5LOD とオントロジー勉強会

本日の勉強会のねらい

メイントピック SPARQL による LOD の検索

本日の目標 SPARQL の基本的な使い方を学ぶ

基本的な文法簡単なクエリの書き方

いろいろなクエリのパターンを学ぶ基本的なクエリを組み合わせて，少し複雑な

SPARQL クエリを書けるようになる初めて見るデータセット（ SPARQL

Endpoint ）に対しても，いろいろ試せるようになる

2015/10/27 LOD とオントロジー勉強会 6

LOD について，おさらいSPARQL を用いた LOD の検索入門＆ハンズオン


Linked Open Data(LOD) Linked Data ： Web 上のデータを，つなぐ（ link する）こと

で，新しい価値を生み出そうとする取り組み． Web の創始者Tim Berners-Lee 氏が提唱

※ Linked Open Data(LOD) ：オープンな形で公開されたLinked Data

2015/10/27 LOD とオントロジー勉強会

http://linkeddata.org/

• 誰もが同じ方法で，「データをつなぐことができる仕組み」を提供している．• 技術的には，　　－データ公開の共通フォーマット（ URI による名前付け， RDF によるグラフ表現　　－コンピュータが，データにアクセスする共通の仕組み　　が提供されている．→Web 上に公開された膨大なデータを統合した１つのデータベースとして利用できる．

8

5 ★ オープンデータ★ 　　 ( どんな形式でも良いので ) あなたのデータをオープンライセンスでWeb 上に公　　開しましょう★★ 　　データを構造化データとして公開しましょう★★★ 　　非独占の形式を使いましょう★★★★ 　　物事を示すのに URI を使いましょう，そうすることで他の人々があなたのデータにリンクすることができます★★★★★ あなたのデータのコンテキストを提供するために他のデータへリンクしましょう

http://5stardata.info/ja/　より引用（図および原文は http://5stardata.info/ ）

ライセンスについて

フォーマットについて

Web の発明者であり Linked Data の創始者でもあるティム・バーナーズ＝リーがオープンデータのために提案したスキーム※注：図中の PDF ，エクセル， CSV のアイコンは，　あくまでも例示であって，そのフォーマットを推奨　している訳ではない．


LOD

9

http://5stardata.info/ja/

http://5stardata.info/ja/

http://5stardata.info/

http://5stardata.info/

５★オープンデータにおけるLOD ★★★★ 　（ RDF ）　

　物事を示すのに URI を使いましょう，そうすることで　他の人々があなたのデータにリンクすることができます

★★★★★ （ LOD ）　あなたのデータのコンテキストを提供するために　他のデータへリンクしましょう

　→ LOD （ Linked Open Data ）　　＝ Web 上で相互にリンクされた Open Data　※リンクする際には「 Web の仕組み」を利用する

データ（物事）を示すのに URI を用いるデータ間を（名前付き） Hyper-link でリンクする


Linked Data (RDF) の例

大阪府

大阪市

都道府県 223㎢2,687,287人

面積

人口

吹田市

豊中市

…バラ科

市の木

隣接自治体

隣接自治体

…

http://ja.dbpedia.org/resource/大阪市　という URI から得られる情報

サクラ

科

Cherry blossom英名

リソース：URI で表されるモノ・コト

プロパティ：リソース間の関係を表す

リテラル：文字列

主語述語目的語

トリプル※RDF （ Linked Data の

データモデル）は，「トリプルの組み合わせ」で表される

（ DBpedia Japanese より）

目的語が他のリソースのとき，トリプルを辿って更なる情報が得られる

※実際のリソースとプロパティは，すべて URI で表される．2015/10/27 LOD とオントロジー勉強会 11

http://ja.dbpedia.org/resource/%E5%A4%A7%E9%98%AA%E5%B8%82




Linked Data (RDF) の例

http://ja.dbpedia.org/resource/ 大阪府

http://ja.dbpedia.org/resource/ 大阪市

http://ja.dbpedia.org/resource/都道府県 223㎢2,687,287人

http://ja.dbpedia.org/resource/面積

http://ja.dbpedia.org/resource/人口

http://ja.dbpedia.org/resource/吹田市

http://ja.dbpedia.org/resource/豊中市

…http://ja.dbpedia.org/resource/バラ科

http://ja.dbpedia.org/resource/市の木

http://ja.dbpedia.org/resource/隣接自治体

http://ja.dbpedia.org/resource/隣接自治体

…

http://ja.dbpedia.org/resource/大阪市　という URI から得られる情報

http://ja.dbpedia.org/resource/ サクラ

http://ja.dbpedia.org/resource/ 科

Cherry blossomhttp://ja.dbpedia.org/resource/英名

（ DBpedia Japanese より）

※実際のリソースとプロパティは，すべて URI で表される．2015/10/27 LOD とオントロジー勉強会 12





SPARQL の基本SPARQL を用いた LOD の検索入門＆ハンズオン


SPARQL による RDF の検索 SPARQL

RDF データに対するクエリ言語「指定したグラフ構造」に一致するトリプルを検索する

最も基本的な検索

select ?s ?p ?owhere { ?s ?p ?o . }LIMIT 100 ←取得する数の制限

←検索するグラフのパターン

←返す要素

この例では「任意のトリプルの組み合わせ」

このパターンを変えることで，欲しいデータを取得する

142015/10/27

「 . 」（ピリオド）を忘れない

LOD とオントロジー勉強会

* とすると全ての変数を返す

SPARQL 検索のハンズオン

SPARQL の検索の基本例 DBpedia Japanese の検索を例に，基本的

な SPARQL クエリについて学ぶさまざまなクエリのパターン

大阪市の情報 LOD を用いた簡単な検索 CSV などの表形式のオープンデータから変換さ

れた RDF の検索 DBpedia Japanese のより複雑な検索

興味があるデータ（リソース）を中心とした検索同一種類のデータ（リソース）を中心とした検索


DBPediaWikipedia の各記事のインフォボックスの情報を抽出して自動生成される LOD様々なデータをつなぐ LOD のハブ的な存在となっている．

http://dbpedia.org/

日本語版の DBPedia はhttp://jp.dbpedia.org/ インフォボックスの例


データの例（大阪府）


すべての Wikipedia の記事がhttp://ja.dbpedia.org/resource/ 大阪府のような URI でデータ化されている

DBpedia Japanese


http://jp.dbpedia.org/SPARQL Endpoint※ここから，検索可能

SPARQL Endpoint の例　


サンプルクエリ集http://wp.lodosaka.jp/tool/sparqlquery/

http://ja.dbpedia.org/sparql

ここに，クエリを入れる※プログラムからのクエリ　＋結果取得も可能

http://wp.lodosaka.jp/tool/sparqlquery/

http://wp.lodosaka.jp/tool/sparqlquery/



SPARQL の検索の基本例① 「東京都を主語（ Subject ）に含む」トリプルの述語 (?p ）と目的語 (?o) を取得する

select distinct ?p ?owhere { <http://ja.dbpedia.org/resource/東京都> ?p ?o . }LIMIT 100 「東京都」を表す URI

DBｐｅｄｉａ Japanesehttp://ja.dbpedia.org/sparqlでの検索結果

↑同じパターンは除外する





SPARQL の検索の基本例② 「ラベルが“大阪”と一致する」トリプルの主語 (?s)select distinct ?s where {

?s <http://www.w3.org/2000/01/rdf-schema#label> " 大阪 "@ja . }LIMIT 100 リテラルの指定

（※データの言語指定も含めて一致が判定される）






SPARQL の検索の基本例③ 「ラベルに“大阪”を含む」トリプルの主語 (?

s)select distinct ?s where { ?s <http://www.w3.org/2000/01/rdf-schema#label> ?o . FILTER(regex(str(?o), " 大阪 ")) .}LIMIT 100 「文字列が含む」データでの絞り

込み






SPARQL の検索の基本例④ 「ラベルが“大阪”と一致する」トリプルの主語 (?s) につながっている述語 (?p) と目的語(?o)select distinct ?p ?o where {

?s <http://www.w3.org/2000/01/rdf-schema#label> " 大阪 "@ja . ?s ?p ?o.}LIMIT 100

パターンを続けて書くと「 AND条件」になる※この例では， ?p ?o を限定していないが…






OFFSET の利用

OFFSET を使うと，クエリ結果を n番目から取得できる

PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>select distinct ?p ?owhere { dbpedia-ja:東京都 ?p ?o . }LIMIT 10OFFSET 10

2015/10/27 24

10番目の結果から取得


SPARQL の省略表現① PREFIX の利用

select distinct ?p ?o where { ?s <http://www.w3.org/2000/01/rdf-schema#label> " 大阪 "@ja . ?s ?p ?o.}LIMIT 100

252015/10/27

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>select distinct ?p ?o where { ?s rdfs:label " 大阪 "@ja . ?s ?p ?o.}LIMIT 100


SPARQL の省略表現② 主語が同じ時の省略表現

262015/10/27

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>select distinct ?p ?o where { ?s rdfs:label " 大阪 "@ja . ?s ?p ?o.}LIMIT 100

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>select distinct ?p ?o where { ?s rdfs:label " 大阪 "@ja ; ?p ?o.}LIMIT 100









大阪市の施設情報・防災情報のLOD＋簡易検索システム

2015/10/28

大阪市の施設 (9,238 件 ) ・防災設備 (4,694 件 ) ，標高 (18,780地点 ) の情報の LOD です．約 3万地点の緯度・経度情報が LOD 化され，検索用 API （ SPAQRL エンドポイント）・簡易検索システムと共に公開．

SPARQL （ RDF 用検索言語）を使わずに，簡単なキーワードによる検

索が可能

http://lodosaka.hozo.jp/OsakaCityMapLOD.htm

他のアプリを開発するときに，直接，利用できる仕組み

LOD チャレンジ2013チャレンジデー賞 ICTSFC-WS in 大阪 28



表からへ関した RDF データの構造

表から変換した RDF の多くは，下記のようなグラフ構造になる

05/01/2023 29

ID_1

スポーツ施設

千代台公園野球場函館市千代台町 22-26

http://www.zaidan-hako date .com /okugai/baseball/

41.784926140.746367

カテゴリ

施設名（ラベル）住所

HP の URL緯度

経度

主語（ Subjec

t ）

述語（ Propert

y ）目的語（ Object

）

RDF データ＝「主語 -述語 - 目的語」の組み合わせで表されるグラフ構造のデータ

※目的語になるデータには，「 URI で表されるリソース」と「文字列で表されるリテラル」がある．→目的語を他のリソースとすることで，複雑なグラフも表現可能

表からへ関した RDF データの構造へのクエリ主語（?s ）を変数として，絞り込みたいクエリを書けば良い

ただし，全てのプロパティが使われているとは限らないので，必須出ないプロパティには OPTIONAL を使う

例）PREFIX schema:<http://schema.org/>SELECT DISTINCT * WHERE{ ?uri schema:address ?address; schema:name ?name. FILTER regex(str(?address)," 中之島 ") OPTIONAL{ ?uri <http://schema.org/address> ?addr. }} 大阪市の施設情報

http://lodosaka.hozo.jp/OsakaCityMapLOD.htm 大阪市のイベント情報

http://data.lodosaka.jp/osaka-events/




http://data.lodosaka.jp/osaka-events/








DBpedia Japanese の検索例大阪府を主語とするトリプル一覧

興味があるデータ（リソース）が決まっているときに，“そのデータにつながっている全データ”　＝“そのデータを主語とする全トリプル”を取得する

2015/10/27 32

PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>select distinct * where { dbpedia-ja: 大阪府 ?p ?o.}

興味があるデータ（リソース）

全てのトリプル＝つながっている述語（ ?p ）と目的語（ ?

o ）を指定

全変数（ここでは， ?p と ?o ）を返す



DBpedia Japanese の検索例大阪府が持つプロパティ一覧

結果が多すぎるので，興味があるトリプルに絞りたい．

どのプロパティ（関係）で絞り込むかを考えるために，“そのデータにつながっているプロパティの一覧”を取得する

2015/10/27 34

PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>select distinct ?p where { dbpedia-ja: 大阪府 ?p ?o.}

★ 取得する結果を， ?p のみに変える


2015/10/27 35

ここから，興味があるプロパティ

（関係）を選ぶと良い

例）隣接都道府県


DBpedia Japanese の検索例大阪府の隣接都道府県

“ 興味があるデータ（リソース）と，　興味があるプロパティ（関係）でつながったトリプル”（の目的語）を取得する

2015/10/27 36

PREFIX prop-ja: <http://ja.dbpedia.org/property/>PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>

select distinct * where { dbpedia-ja: 大阪府 prop-ja:隣接都道府県 ?o.}

目的語

全て取得（ここでは，目的語 ?o ）

主語：興味があるデータ（リ

ソース）述語：興味がある関係（プロパティ）



DBpedia Japanese の検索例すべての隣接都道府県の組

主語（ ?s ）と目的語（ ?o ）を変数として，興味があるプロパティ（関係）のみを指定すると，“その関係を持つ，すべての主語と述語の組”が取得できる

2015/10/27 38


select distinct * where { ?s prop-ja:隣接都道府県 ?o.}

目的語主語も変数にする

述語：興味がある関係（プロパティ）



DBpedia Japanese の検索例大阪府の隣接都道府県の数

count を使うと，取得したデータの数を取得できる．

2015/10/27 40


select distinct count(?o) where { dbpedia-ja: 大阪府 prop-ja:隣接都道府県 ?o.}

大阪府の隣接都道府県


select distinct count(?o) AS ?count where { dbpedia-ja: 大阪府 prop-ja:隣接都道府県 ?o.}

カウントした結果（数）を ?countに代入


2015/10/27 41

カウントした結果（数）を ?count に代

入


DBpedia Japanese の検索例不要なプロパティを FILTERで除外

あるプロパティ（関係）によるトリプルが多すぎるので除外したい．→ FILTER を用いることで，取得するトリプルの“特定の条件による絞り込み”が可能

2015/10/27 42

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>PREFIX prop-ja: <http://ja.dbpedia.org/property/>PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>

select distinct * where { dbpedia-ja: 大阪府 ?p ?o. FILTER (?p != dbpedia-owl:wikiPageWikiLink) .}

絞り込み条件（ ?p が wikiPageWikiLink ではない）









DBpedia Japanese の検索例タイプ一覧の取得

RDF におけるリソースは， rdf:type プロパティにより，リソースの種類（＝どのクラスのインスタンスであるか）が指定される．※タイプが指定されていない RDFデータもある

そのデータセットで“使われているタイプの一覧”を取得

2015/10/27 44

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

select distinct ?o where { ?s rdf:type ?o.}LIMIT 100


2015/10/27 45

ここから，興味があるタイプを選ぶと良

い例） Place


DBpedia Japanese の検索例都道府県の一覧を取得

rdf:type プロパティの目的語となるクラスを指定することで，特定の種類のリソースが取得できる．

ただ， DBpedia Japanese では，クラスの種類が少ないため， dcterms:subject プロパティで， Wikipedia での記事のカテゴリを指定することで，うまく調整する．

2015/10/27 46

PREFIX dbpedia-owl: <http://dbpedia.org/ontology/>PREFIX dcterms: <http://purl.org/dc/terms/>PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>PREFIX dbpedia-ja: <http://ja.dbpedia.org/resource/>PREFIX category-ja: <http://ja.dbpedia.org/resource/Category:>

select distinct ?s where { ?s rdf:type dbpedia-owl:Place. ?s dcterms:subject category-ja: 日本の都道府県 .}

クラスの指定

カテゴリの指定LOD とオントロジー勉強会

2015/10/27 47

備考：カテゴリのみの指定だと，このようなゴミが入る


DBpedia Japanese の検索例都道府県の一覧を郵便番号でソート

ORDER BY を使うと，取得した一覧をソートできる． “ソートのキー”とする変数を指定する．

2015/10/27 48


select distinct ?s ?o where { ?s rdf:type dbpedia-owl:Place; dcterms:subject category-ja: 日本の都道府県 ; dbpedia-owl:postalCode ?o. } ORDER BY ?o

各都道府県 (?s)

の郵便番号郵便番号（ ?o ）をソートのキーに指定

DESC （ ?o ）に変えると「降順」で

ソート

都道府県



DBpedia Japanese の検索例都道府県を「隣接自治体の数」でソート

ORDER BY の“ソートのキー”として count結果を利用する．

2015/10/27 50


select distinct ?s count(?o) AS ?c where { ?s rdf:type dbpedia-owl:Place; dcterms:subject category-ja: 日本の都道府県 ; prop-ja:隣接都道府県 ?o. } ORDER BY ?c

隣接都道府数（ ?c ）を

ソートのキーに指定

各都道府県 (?s)の隣接都道府県

隣接都道府（ ?o ）をカウントして ?c に代入

都道府県



DBpedia Japanese の検索例各都道府県で生まれた政治家

都道府県一覧を取得するクエリに，もう少し複雑なクエリを組み合わせてみる．

2015/10/27 52


select distinct ?pref ?s where { ?pref rdf:type dbpedia-owl:Place. ?pref dcterms:subject category-ja: 日本の都道府県 . ?s rdf:type dbpedia-owl:Politician; dbpedia-owl:birthPlace ?pref.}ORDER BY ?pref

政治家（ ?s ）＝タイプが政治家で，生まれた場所が，各都道府県（ ?

pref ）

各都道府県の一覧(?pref) を得るクエ

リ都道府県

都道府数（ ?pref ）を

ソートのキーに指定LOD とオントロジー勉強会


DBpedia Japanese の検索例各都道府県で生まれた政治家の数

GROUP BY を用いると，取得したトリプルをグループ化できる．

2015/10/27 54


select distinct ?pref (count(?s) AS ?c) where { ?pref rdf:type dbpedia-owl:Place. ?pref dcterms:subject category-ja: 日本の都道府県 . ?s rdf:type dbpedia-owl:Politician; dbpedia-owl:birthPlace ?pref.} GROUP BY ?prefORDER BY ?c

政治家（ ?s ）の数をカウント

都道府県

都道府数（ ?pref ）毎にグ

ループ化

都道府県（ ?pref ）毎の

政治家（ ?s ）の数（ ?c ）

をソートのキーに指定

ここを変えると，いろんな職業の出身県別ランキングが出来る例） Comedian



DBpedia Japanese の検索例出生地が大阪府または東京都の政治家 UNION を使うと OR条件での検索が可能．

2015/10/27 56


select distinct ?s ?pref where { {?s rdf:type dbpedia-owl:Politician; dbpedia-owl:birthPlace dbpedia-ja: 大阪府 .} UNION　 {?s rdf:type dbpedia-owl:Politician; dbpedia-owl:birthPlace dbpedia-ja:東京都 .} ?s dbpedia-owl:birthPlace ?pref.}ORDER BY ?pref 取得した政治家（ ?s ）の出生地

（ ?pref ）※この例では「大阪府」か「東京

都」

出生地が大阪府の政治家を得るクエリ

出生地が東京都の政治家を得るクエリ



SPARQL に関する参考資料 SPARQL 1.1 の仕様書 (W3C)

http://www.w3.org/TR/sparql11-overview/ LOD ハッカソン関西

http://wp.lodosaka.jp/ リンクト・オープン・データ・イニシアティブ

（ LODI ）による「 Linked Open Data連続講義」　 http://linkedopendata.jp/?cat=17 第 5 回「 LOD の作り方・使い方」

http://linkedopendata.jp/?p=554 SPARQL でマッシュアップ -LOD活用のための技

術紹介（ by Hiroshi Ueda) http://www.slideshare.net/uedayou/sparqllod2015/10/27 58LOD とオントロジー勉強会

http://www.w3.org/TR/sparql11-overview/

http://www.w3.org/TR/sparql11-overview/




http://linkedopendata.jp/?cat=17



http://linkedopendata.jp/?p=554

http://linkedopendata.jp/?p=554

http://www.slideshare.net/uedayou/sparqllod

LOD の公開・利用に便利なツールの紹介

CSV2RDF 　 http://lodosaka.jp/tool/CSV2LOD/ CSV ファイルを RDF に変化するツールテンプレートを用いることで柔軟な変換が可能解説スライド　 http://

www.slideshare.net/KoujiKozaki/csvlod

DyDra.com 　 http://dydra.com/ RDF データベース（トリプルストア）のクラウドサー

ビス Free版有り（ 100万トリプル？まで）アカウントを発行してもらうと

http://dydra.com/koujikozaki/osakacitydataのような URL で， SPARQL エンドポイントを立てることが出来る2015/10/27 LOD とオントロジー勉強会 59

http://lodosaka.jp/tool/CSV2LOD/



http://www.slideshare.net/KoujiKozaki/csvlod

http://www.slideshare.net/KoujiKozaki/csvlod

http://dydra.com/

http://dydra.com/

http://dydra.com/koujikozaki/osakacitydata

http://dydra.com/koujikozaki/osakacitydata

今後の予定 11/6 （金） ,7 （土）

神戸 IT フェスティバル： LOD のセッション有り

11/7 ， 16:30 ～ 17:30 　 LOD ハンズオン 11 月中旬？

11/23 に向けた「モクモク会」を開催するかも？

11/23 （月）関西オープンデータディ～検索したおしたん

ディ～勉強会の開催日について

平日夜　 or 　休日？その他のご希望は？


SPARQLによるLODの検索＠第4回LODとオントロジー勉強会-

Technology