Compact Encoding of Reified Triples using HDTr

Abstract

La información contextual sobre una afirmación suele representarse en grafos de conocimiento RDF mediante reificación: la creación de un nuevo término “ancla” que representa la afirmación y su uso en los triples que la describen. Los enfoques actuales establecen la conexión entre la afirmación reificada y su ancla extendiendo la sintaxis de RDF, lo que da lugar a una representación que no cumple con las normas del estándar, o mediante la creación de triples adicionales que conectan el ancla y los términos de la afirmación, generando representaciones de mayor tamaño y complejidad. Este trabajo aborda este desafío y presenta HDTr, un formato de serialización binaria para triples reificados que es agnóstico al modelo, compacto y consultable. HDTr se basa en, y es compatible con, el formato HDT, aprovechando su estructura subyacente para conectar las afirmaciones reificadas con los términos que las representan. La evaluación muestra que HDTr mejora la compresión y el tiempo de recuperación de afirmaciones reificadas con respecto a varios triplestores y a la serialización en HDT de distintos enfoques de reificación.

Contextual information about a statement is usually represented in RDF knowledge graphs via reification: creating a fresh ‘anchor’ term that represents the statement and using it in the triples that describe it. Current approaches make the connection between the reified statement and its anchor by either extending the RDF syntax, resulting in non-compliant RDF, or via additional triples to connect the anchor with the terms of the statement, at the cost of size and complexity.

This work tackles this challenge and presents HDTr, a binary serialization format for reified triples that is model-agnostic, compact, and queryable. HDTr is based on, and compatible with, the counterpart HDT format, leveraging its underlying structure to connect the reified statements with the terms that represent them. Our evaluation shows that HDTr improves compression and retrieval time of reified statements w.r.t. several triplestores and HDT serialization of different reification approaches.