SPARQL
PulseAugur coverage of SPARQL — every cluster mentioning SPARQL across labs, papers, and developer communities, ranked by signal.
-
AI工具MetaConfigurator帮助科学家将JSON数据转换为RDF
研究人员开发了MetaConfigurator，一个AI辅助工具，旨在帮助科学家将结构化JSON数据转换为RDF（资源描述框架），以提高语义互操作性。该系统与现有的JSON Schema编辑器集成，并使用AI生成RML映射，允许用户精炼三元组、执行SPARQL查询和可视化知识图谱。这种方法旨在连接传统数据管理与语义网技术，使保存和查询实验上下文更加容易，如通过金属有机框架合成数据所证明的那样。
-
新的DeSQ框架简化了KBQA的SPARQL查询生成
研究人员推出DeSQ，一个用于知识库问答（KBQA）的SPARQL查询生成新框架。DeSQ将复杂问题分解为原子约束，将它们映射到SPARQL片段，然后组装成完整的查询。该方法旨在结合直接查询生成和答案检索的优点，同时减轻它们的缺点。DeSQ在多个基准测试中表现出卓越的性能，并提供了更高的鲁棒性和简化的评估。
-
LLM框架MetaboT简化代谢组学数据分析
研究人员开发了MetaboT，一个开源的多智能体框架，利用大型语言模型（LLMs）简化基于质谱的代谢组学数据的分析。该框架将自然语言查询转换为代谢组学知识图谱的SPARQL查询，克服了专业查询语言陡峭的学习曲线。MetaboT采用模块化架构，配备专门的智能体来验证范围、解析实体、生成模式感知查询和解释结果，从而减轻了LLM常见的局限性，如幻觉和模式不合规。该系统在实验天然产物知识图谱（ENPKG）上使用专家编写的基准进行了验证，证明了…
-
LLM代理通过约束引导的Chase & Backchase生成图查询
研究人员开发了UniQGen，一个使用大型语言模型代理生成图查询的新框架。该方法扩展了Chase & Backchase算法，以动态提取和优化查询子句，支持Cypher等多种查询语言，超越了典型的RDF/SPARQL。在GraphQ和GrailQA等基准测试上的评估显示，与现有方法相比，准确性和效率有了显著提高。
-
TIO-SHACL框架为TMF意图本体提供全面验证
研究人员开发了TIO-SHACL，一个用于验证TMF意图本体的新框架。TMF意图本体用于电信领域的意图驱动网络。该系统提供全面的SHACL验证，包括56个节点形状和69个属性形状，以确保在实施网络意图之前其正确性。该框架覆盖了100%的TMF意图本体词汇，并在多个SHACL引擎上展示了兼容性，以及在测试用例上实现了高验证准确率。