Wikidata를 통한 SPARQL Tutorial Basic 01

해당 글은 https://www.wikidata.org/wiki/Wikidata:SPARQL_tutorial를 참고하여 정리한 노트입니다.

1. 시작하기 전에

Wikidata란?

우리가 흔히 말하는 위키피디아 등과 같은 정보를 담은 DB로, 위키미디어 재단에서 운영하는 협력적으로 편집 가능한 지식 데이터 베이스를 의미합니다. 위키데이터는 항목에 초점을 맞춘 도큐먼트 지향(document-oriented) 데이터베이스입니다.

위키데이터 저장소는 items로 구성되어 있습니다. 하나의 item은 하나의 label, description 등으로 이루어져있습니다. item은 고유한 Q 식별자를 가집니다. 아래의 사진처럼, Douglas Adams를 설명하기 위해 하나의 문서가 item이 됩니다. 즉, item의 label은 "Douglas Adams"라는 값이고, 이 item의 고유식별자(identifier)는 "Q42"입니다.

이밖에도, item을 설명하기 위해 property라는 것이 존재합니다. <Douglas Adams는 St John's College를 다녔다>라는 사실이 있다면, "Douglas Adams"는 "St John's College"와 "educated at"이라는 property로 연결되어 있다는 것을 알 수 있습니다. 그렇다면, “St John’s College”라는 item은 새로운 property에 의해 다른 item과 연결되어 있을 수 있겠죠? (실제로는 레이블이 아니라, Q42와 같은 고유식별자로 연결되어 있습니다.)

이런 방식으로, 모든 Wikidata를 거미줄처럼 연결할 수 있습니다!

RDF란?

RDF(Resource Description Framework)는 웹 상의 자원을 기술하기 위한 W3C(World Wide Web Consortium)의 표준규격입니다. 쉽게 말하면, 웹상에 존재하는 데이터를 거미줄처럼 표현하기 위한 표준 모델이라고 보면 됩니다. RDF 데이터 모델은 주어-서술어-목적어 형태의 트리플(triple)이 됩니다.

예를 들어, 위 사진에서는 “Douglas Adams”(주어)-“educated at”(서술어)-“St John’s College”(목적어)라는 트리플을 얻을 수 있습니다. 여기서 주의할 점은 목적어가 항상 대상이 될 필요는 없다는 점입니다. “Seongsu”-“isAge”-“27”이라는 문장처럼 목적어는 특징의 값이 될 수 있습니다.

SPARQL이란?

SPARQL(SPARQL Protocol and RDF Query Language)은 W3C(World Wide Web Consortium)의 표준으로서 RDF 질의어입니다. 흔히 우리가 관계형 데이터 베이스(RDBMS)에 접근하기 위해 SQL을 사용하듯이, RDF로 표현된 데이터를 다루기 위해 SPARQL이라는 쿼리 언어를 사용하게 됩니다.

따라서, 오늘은 RDF로 표현된 데이터인 Wikidata를 기반으로 SPARQL 튜토리얼을 진행해보려고 합니다. 튜토리얼을 위해서 다른 프로그램 설치 없이 WDQS을 통해 SPARQL 연습을 할 수 있습니다. WDQS는 Wikidata Query Service로, Wikidata 데이터셋에 대해 웹 상에서 SPARQL 쿼리를 작성해 실행하면 결과값을 바로 보여주는 서비스입니다.

2. SPARQL 기본 형태

1) SELECT, WHERE, triple

1
2
3
4
5
6
7

SELECT ?a ?b ?c
WHERE
{
  x y ?a.
  m n ?b.
  ?b f ?c.
}

• SELECT 절을 통해 반환하고 싶은 변수들을 나열 (변수는 ?로 시작)
• WHERE 절은 해당 변수들에 제한 조건을 부여
  • 보통 triple 형식으로 문장을 구성함
  • Wikidata와 비슷한 지식 기반 데이터 베이스는, 모든 정보가 triple형태로 저장되어 있음
• 따라서, triple의 조합에서 변수가 위치한 곳의 결과를 반환하는 방식으로 작동함

2) SELECT, WHERE, triple (예시)

1
2
3
4
5
6

SELECT ?fruit
WHERE
{
  ?fruit hasColor yellow.
  ?fruit tastes sour.
}

• triple은 하나의 문장이고, subject + predicate + object로 구성되어 있음
• 실제로 이렇게 쿼리가 돌아가는 것은 아니고, triple 요소를 해당하는 고유식별자로 변환해야 함

3. SPARQL 작성

1) pseudo-query

Wikidata에서 바로크 시대 작곡가인 Johann Sebastian Bach의 모든 자식들을 검색해보고 싶을 때, SPARQL 쿼리를 어떻게 작성하면 될까요? 먼저 pseudo-query를 살펴보겠습니다.

위 SPARQL 기본 형태에서 알 수 있었던 사실은 다음과 같습니다.

• SELECT 절 : 검색하고 싶은 변수를 ?를 붙여 작성
• WHERE 절 : 해당 변수가 포함된 triple을 작성

이 작성 규칙에 따라, 검색 대상인 “Bach의 자식들”은 3가지 형태의 triple로 작성할 수 있습니다.

• ?child의 아버지는 바흐다.
• ?child의 부모는 바흐다.
• 바흐의 아이들은 ?child이다.

따라서 pseudo-query로 다음과 같이 작성할 수 있습니다.

1
2
3
4
5
6

SELECT ?child
WHERE
{
  # child "has parent" Bach
  ?child parent Bach.
}

혹은

1
2
3
4
5
6

SELECT ?child
WHERE
{
  # child "has father" Bach
	?child father Bach.
}

혹은

1
2
3
4
5
6

SELECT ?child
WHERE
{
  # Bach "has child" child
  Bach child ?child.
}

2) executable-query

하지만 위에서 적은 pseudo-query를 실제 WDQS에서 실행하면 에러가 나게 됩니다. [실행]

사실 SPARQL 쿼리가 Bach나 child와 같은 언어를 이해하는 방식은 사람이 읽는 방식과 다릅니다. 따라서 Wikidata의 item과 property에 부여해준 고유식별자(identifier)를 사용하여 쿼리를 작성해야 합니다. 이 고유식별자는 Search 사이트에서 검색할 수 있습니다.

item 식별자 찾기

• Search 사이트에서 해당 item 검색
• 의미가 동일한 단어에 해당하는 Q숫자를 가져옴
• Bach라는 item을 찾아보기 [실행]

property 식별자 찾기

• Search 사이트에서 해당 P:를 앞에 붙여 검색
• 의미가 동일한 단어에 해당하는 P숫자를 가져옴
• father라는 property를 찾아보기 [실행]

따라서, 위에 해당하는 유명한 작곡가인 Johann Sebastian Bach는 Q1339에 해당하고, 어떤 아이템의 아버지라는 관계를 나타내는 property는 P:P22에 해당됩니다.

추가로, Wikidata triple를 작성할 때는 prefix를 포함해야 합니다. item은 wd:, property는 wdt:를 붙여줍니다. 고정 값에 대해서만 prefix를 붙여주고, 변수는 따로 붙여주지 않습니다.

이제 pseudo-query를 executable-query로 바꿔 재작성해볼까요?

1
2
3
4
5

SELECT ?child
WHERE
{
  ?child wdt:P22 wd:Q1339.
}

해당 쿼리를 실행하면 다음과 같은 결과를 얻을 수 있습니다.

드디어 궁금했던 Bach의 자식들을 Wikidata로부터 SPARQL 쿼리로 찾아냈습니다. 자식들이 굉장히 많네요…

3) 식별자에 label 붙여주기

사실 앞에서 얻은 결과를 통해 우리가 알 수 있는 것은 이상한 코드말고는 없습니다. 따라서 자식들의 이름을 알고 싶다면, 하나하나 클릭해봐야 합니다. 더 나은 방법이 없을까요? 결과값마다 사람이 읽을 수 있는 name label을 붙여줄 수 있다면 편하지 않을까요?

기존 작성했던 쿼리에 SERVICE문과 ?childLabel이라는 변수를 추가해봤습니다.

1
2
3
4
5
6
7

SELECT ?child ?childLabel
WHERE
{
# ?child  father   Bach
  ?child wdt:P22 wd:Q1339.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE]". }
}

• WHERE 절 안에 새로운 문장 하나가 삽입됨
• SERVICE 문장으로 인해 쿼리 내 ?child의 label에 해당하는 값을 ?childLabel이라는 변수로 표현하게 됨
• SELECT 절로 아이템뿐만 아니라 그에 대한 label을 반환하게 함

해당 쿼리를 통해 다음과 같은 결과를 얻을 수 있습니다. [실행]

요한 크리스티안 바흐처럼 ?child 변수뿐만 아니라, 그에 대한 label인 ?childLabel도 표시해주는 것을 볼 수 있습니다. 하지만, 2명을 제외한 대부분의 자식들 이름이 나오지 않고 있는 것을 볼 수 있습니다.

이는 (auto_language) 옵션으로 인해, 한글명으로 바꿀 수 없는 label을 기존 식별자인 Q-번호로 표시하고 있는 것 같습니다. 따라서 우측 상단 옵션을 영어로 바꾼다면 아래와 같이 모든 자식들의 label(이름)을 확인할 수 있습니다. [실행]

다음 시간에는 조금 더 복잡한 형태의 SPARQL 쿼리에 대해 알아보도록 하겠습니다.