Я запрашиваю набор данных твитов:
SELECT * WHERE {
?tweet smo:tweeted_at ?date ;
smo:has_hashtag ?hashtag ;
smo:tweeted_by ?account ;
smo:english_tweet true .
FILTER ( ?date >= "20130722"^^xsd:date && ?date < "20130723"^^xsd:date )
}
Если твит имеет несколько хэштегов, в результирующем наборе на хэштег есть одна строка. Есть ли способ для меня агрегировать хэштеги в массив вместо?
Вы можете GROUP BY переменными, которые идентифицируют твит, а затем используйте GROUP_CONCAT, чтобы объединить хэштеги в нечто вроде массива, но он все равно будет строкой, которую вам нужно будет анализировать позже. Например, данные, такие как
@prefix smo: <http://example.org/> .
@prefix : <http://example.org/> .
:tweet1 smo:tweeted_at "1" ;
smo:has_hashtag "tag1", "tag2", "tag3" ;
smo:tweeted_by "user1" ;
smo:english_tweet true .
:tweet2 smo:tweeted_at "2" ;
smo:has_hashtag "tag2", "tag3", "tag4" ;
smo:tweeted_by "user2" ;
smo:english_tweet true .
вы можете использовать запрос типа
prefix smo: <http://example.org/>
select ?tweet ?date ?account (group_concat(?hashtag) as ?hashtags) where {
?tweet smo:tweeted_at ?date ;
smo:has_hashtag ?hashtag ;
smo:tweeted_by ?account ;
smo:english_tweet true .
}
group by ?tweet ?date ?account
чтобы получить результаты вроде:
--------------------------------------------------
| tweet | date | account | hashtags |
==================================================
| smo:tweet2 | "2" | "user2" | "tag4 tag3 tag2" |
| smo:tweet1 | "1" | "user1" | "tag3 tag2 tag1" |
--------------------------------------------------
Вы можете указать разделитель, используемый в конкатенации групп, поэтому, если есть некоторый символ, который не может появиться в хэштегах, вы можете использовать его как разделитель. Например, предположив, что | не может появиться в хэштегах, вы можете использовать:
(group_concat(?hashtag;separator="|") as ?hashtags)
и получите
--------------------------------------------------
| tweet | date | account | hashtags |
==================================================
| smo:tweet2 | "2" | "user2" | "tag4|tag3|tag2" |
| smo:tweet1 | "1" | "user1" | "tag3|tag2|tag1" |
--------------------------------------------------
Если вы работаете на языке с синтаксисом буквенного массива, вы даже можете его реплицировать:
(concat('[',group_concat(?hashtag;separator=","),']') as ?hashtags)
----------------------------------------------------
| tweet | date | account | hashtags |
====================================================
| smo:tweet2 | "2" | "user2" | "[tag4,tag3,tag2]" |
| smo:tweet1 | "1" | "user1" | "[tag3,tag2,tag1]" |
----------------------------------------------------
Теперь он не влияет на данные здесь, но GROUP_CONCAT будет фактически включать дубликаты в конкатенации, если они присутствуют в данных. Например, из следующего (где я просто предоставляю данные с помощью values для примера):
prefix : <http://example.org/>
select ?tweet (concat('[',group_concat(?hashtag;separator=','),']') as ?hashtags)
where {
values (?tweet ?hashtag) {
(:tweet1 "tag1") (:tweet1 "tag1") (:tweet1 "tag2") (:tweet1 "tag3")
(:tweet2 "tag2") (:tweet2 "tag3") (:tweet2 "tag4")
}
}
group by ?tweet
мы получаем результаты, включающие в себя [tag1,tag1,tag2,tag3], т.е. включается дублирующее значение ?hashtag:
-------------------------------------
| tweet | hashtags |
=====================================
| :tweet2 | "[tag2,tag3,tag4]" |
| :tweet1 | "[tag1,tag1,tag2,tag3]" |
-------------------------------------
Мы можем избежать этого, используя group_concat(distinct ?hashtag;...):
prefix : <http://example.org/>
select ?tweet (concat('[',group_concat(distinct ?hashtag;separator=','),']') as ?hashtags)
where {
values (?tweet ?hashtag) {
(:tweet1 "tag1") (:tweet1 "tag1") (:tweet1 "tag2") (:tweet1 "tag3")
(:tweet2 "tag2") (:tweet2 "tag3") (:tweet2 "tag4")
}
}
group by ?tweet
--------------------------------
| tweet | hashtags |
================================
| :tweet2 | "[tag2,tag3,tag4]" |
| :tweet1 | "[tag1,tag2,tag3]" |
--------------------------------