Semantička mreža i povezani podaci. Ispravke i dodaci

Želim predstaviti javnosti deo ove nedavno objavljene knjige:

Ontološko modeliranje preduzeća: metode i tehnologije [Tekst]: monografija / [S. V. Gorškov, S. S. Kralin, O. I. Muštak i dr.; odgovorni urednik S. V. Gorškov]. — Jekaterinburg: Izd. Uralskog univerziteta, 2019. — 234 str.: ilustr., tabele; 20 cm. — Autori su navedeni na  zadnjoj strani naslova. — Bibliografija na kraju poglavlja. — ISBN 978-5-7996-2580-1: 200 primeraka.

Cilj objavljivanja ovog dela na Habra je četvorostruk:

  • Teško da će iko imati priliku da drži ovu knjigu u rukama, osim ako nije klijent uglednog SergeIndex; nije dostupna za prodaju.
  • U tekst su unesene ispravke (nigde nisu posebno istaknute) i napravljeni dodaci koji nisu baš kompatibilni sa formatom štampane monografije: aktuelne napomene (ispod spoiler-a) i hiperveze.
  • Želim da prikupim pitanja i primedbe, kako bih ih uzela u obzir prilikom uključivanja ovog teksta u izmenjenom obliku u neka druga izdanja.
  • Mnogi pristalice Semantičke mreže i povezanih podataka i dalje smatraju da je njihovo krug toliko uzak uglavnom zato što široj javnosti još uvek nije dobro objašnjeno koliko je divno — biti pristalica Semantičke mreže i povezanih podataka. Autor dela, iako pripada ovom krugu, ne deli takvo mišljenje, ali se, ipak, smatra obaveznim da učini još jedan pokušaj.

Dakle,

Semantička mreža

Evolucija interneta može se prikazati na sledeći način (ili govoriti o njegovim segmentima, koji su se formirali u sledećem redosledu):

  1. Dokumenti na internetu. Ključne tehnologije — Gopher, FTP itd.
    Internet je globalna mreža za razmenu lokalnih resursa.
  2. Internet dokumenata. Ključne tehnologije — HTML i HTTP.
    Karakter resursa koji se izlažu uzima u obzir osobine okruženja njihovog prenosa.
  3. Podaci na internetu. Ključne tehnologije — REST i SOAP API, XHR itd.
    Era internet aplikacija, korisnici resursa postaju ne samo ljudi.
  4. Internet podataka. Ključne tehnologije — tehnologije povezanih podataka.
    Ova četvrta faza, koju predviđa Berners-Lee, kreator ključnih tehnologija druge i direktor W3C, naziva se Semantička mreža; tehnologije povezanih podataka imaju cilј da učine podatke na vebu ne samo mašinski čitljivim, već i 'mašinski razumljivim'.

Uz daljnjeg čitatelj će razumjeti usklađenost ključnih pojmova drugog i četvrtog koraka:

  • analogni URL-ima su URI,
  • analogni HTML-u je RDF,
  • HTML hiperveze su analogne unosima URI u RDF dokumentima.

Semantički web je više sistemski pogled na budućnost interneta, nego konkretan spontani ili lobistički trend, iako može uzeti u obzir i to posljednje. Na primjer, važna karakteristika onoga što se naziva Web 2.0, smatra se "sadržajem proizvedenim od strane korisnika". U obzir to treba uzeti, između ostalog, preporuka W3C "Web Annotation Ontology" i takav poduhvat kao Solid.

Da li je semantički web mrtav?

Ako se odrekne nerealnih očekivanja,situacija sa semantičkim webom je otprilike slična situaciji s komunizmom u vreme razvijenog socijalizma (a hoće li se poštovati uvjetne zakletve Lenjina, neka svako sam odluči). Pretraživači prilično uspješno prisiljavaju web stranice na korištenje RDFa i JSON-LD i sami koriste tehnologije, srodne onima koje će biti opisane u nastavku (Google Knowledge Graph, Bing Knowledge Graph).

U općem smislu autor ne može reći šta sprečava veću rasprostranjenost, ali može izraziti mišljenje na osnovu ličnog iskustva. Zadatak koji bi se mogao riješiti "iz kutije" pod uvjetima pojave SW je tu, iako nije baš masovan. Kao rezultat toga, oni koji se suočavaju s ovim zadacima nemaju sredstva za pritisak na one koji su u stanju riješiti to, a samostalno rješavanje od strane tih potonjih protivi se njihovim poslovnim modelima. Tako nastavljamo parse HTML i spajamo različite API-e, jedan od drugog gori.

Međutim, tehnologije Linked Data su se raširile i izvan masovnog weba; ovim njihovim primjenama knjiga je zapravo i posvećena. U ovom trenutku zajednica Linked Data očekuje da će se ove tehnologije još više proširiti zahvaljujući izvještavanju (ili proklamaciji, kako ko voli) Gartnera o takvim trendovima kao što su Knowledge Graphs i Data Fabric. Želi se vjerovati da će uspjeh imati ne "biciklističke" implementacije ovih koncepata, nego one vezane za razmatrane standarde W3C.

Linked Data

Berners-Lee definira Linked Data kao "ispravno napravljeni" semantički web: skup pristupa i tehnologija koje omogućavaju postizanje njegovih konačnih ciljeva. Osnovni principi Linked Data koje je Berners-Lee izdvojio su sljedeći.

Princip 1Korištenje URI za imenovanje entiteta.

URI su globalni identifikatori entiteta nasuprot lokalnim string identifikatorima zapisa. Kasnije je najbolje izražavanje ovog principa pronađeno u sloganu Google Knowledge Graph "stvari, a ne stringovi».

Princip 2. Korištenje URI u HTTP shemi kako bi ih bilo moguće dereferencirati.

Pozivajući URI, trebali bismo moći dobiti značenje koje stoji iza ovog označitelja (ovdje je jasna analogija s nazivom operatera "*" u C-u); tačnije, dobiti neku predstavu tog značenja — u zavisnosti od vrijednosti HTTP zaglavlja Accept:. Možda, s dolaskom AR/VR ere, moći ćemo dobiti pravi resurs; za sada, to će najvjerovatnije biti RDF dokument, koji je rezultat izvršenja SPARQL upita DESCRIBE.

Princip 3. Korištenje W3C standarda — prije svega, RDF(S) i SPARQL — naročito prilikom dereferenciranja URI.

Ovi odvojeni "slojevi" tehnologijskog sklada povezanih podataka, poznati i kao Semantički web slojeviti kolač, biće opisani u nastavku.

Princip 4. Korištenje linkova na druge URI prilikom opisivanja entiteta.

RDF omogućava ograničenje tekstualnog opisa resursa na prirodnom jeziku, a četvrti princip poziva da to ne radimo. Uz univerzalno poštovanje prvog principa, postoji mogućnost pri opisivanju resursa pozivati se na druge, uključujući 'tuđe', zbog čega se podaci nazivaju povezanim. U stvari, gotovo je neizbježno korištenje URI, imenovanih u rječniku RDFS.

RDF

RDF (Resource Description Framework) — formalizam za opisivanje međusobno povezanih entiteta.

O entitetima i njihovim međusobnim odnosima se donose izjave tipa „subjekt-predikat-objekt“, poznate kao tripleti. U najjednostavnijem slučaju, i subjekt, i predikat, i objekt su URI. Isti URI može se nalaziti u različitim pozicijama u različitim tripletima: može biti i subjekt, i predikat, i objekt; time tripleti formiraju neku vrstu grafa, poznatog kao RDF graf.

Subjekti i objekti mogu biti ne samo URI, nego i takozvane prazne čvorove, a objekti mogu biti i literali. Literali su instance primitivnih tipova, koje se sastoje od string reprezentacije i oznake tipa.

Primjeri zapisa literala (u Turtle sintaksi, o kojoj će biti reči kasnije): "5.0"^^xsd:float i "pet"^^xsd:string. Literali sa tipom rdf:langString mogu biti opremljeni i jezičnim oznakama, u Turtle se to zapisuje ovako: "five"@en i "pet"@ru.

Prazni čvorovi su „anonimni“ resursi bez globalnih identifikatora, o kojima se ipak mogu donijeti tvrdnje; svojevrsne egzistencijalne varijable.

Dakle (u tome je zapravo suština RDF-a):

  • subjekt — to je URI ili prazan čvor,
  • predikat — to je URI,
  • objekt — to je URI, prazan čvor ili literalan tekst.

Zašto predikati ne mogu biti prazni čvorovi?

Vjerojatni razlog je želja da se neformalno razumije i prevede na jezik logike predikata prvog reda triplet s p o kao nešto nalik Semantička mreža i povezani podaci. Ispravke i dodaci, gde Semantička mreža i povezani podaci. Ispravke i dodaci — predikatu, Semantička mreža i povezani podaci. Ispravke i dodaci i Semantička mreža i povezani podaci. Ispravke i dodaci — konstanta. Tragovi takvog razumijevanja postoje u dokumentu „LBase: Semantics for Languages of the Semantic Web“, koji ima status beleške radne grupe W3C. Pri takvom razumijevanju, triplet s p [], gde [] — prazan čvor, će biti preveden kao Semantička mreža i povezani podaci. Ispravke i dodaci, gde Semantička mreža i povezani podaci. Ispravke i dodaci — varijabla, ali kako onda prevesti s [] o? Имеющий статус рекомендации W3C документ «RDF 1.1 Semantics“ predlaže drugi način prevođenja, ali mogućnost da predikati budu prazni čvorovi i dalje se ne razmatra.

Ipak, Manu Sporni su dozvolili.

RDF — apstraktni model. RDF se može zapisati (serializovati) u raznim sintaksama: RDF/XML, Turtle (najčitanije), JSON-LD, HDT (binarni).

Isti RDF može biti serializovan u RDF/XML na različite načine, stoga, na primer, dobijeni XML nema smisla validirati pomoću XSD ili pokušati izvući podatke pomoću XPath-a. Na sličan način, JSON-LD teško da će zadovoljiti želje prosečnog Javascript programera koji želi raditi s RDF-om koristeći tačku i uglaste zagrade u Javascript-u (iako JSON-LD ide u tom pravcu, nudeći mehanizam framing).

Većina sintaksi nudi načine skraćivanja dugih URI. Na primer, deklaracija @prefix rdf: u Turtle će omogućiti pisanje umesto <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> jednostavno rdf:type.

RDFS

RDFS (RDF Šema) — osnovni rečnik modeliranja, uvodi pojmove svojstava i klasa i svojstva kao što su rdf:type, rdfs:subClassOf, rdfs:domain i rdfs:range. Pomoću rečnika RDFS mogu se zapisati, na primer, sledeće tačne tvrdnje:

rdf:type         rdf:type         rdf:Property .
rdf:Property     rdf:type         rdfs:Class .
rdfs:Class       rdfs:subClassOf  rdfs:Resource .
rdfs:subClassOf  rdfs:domain      rdfs:Class .
rdfs:domain      rdfs:domain      rdf:Property .
rdfs:domain      rdfs:range       rdfs:Class .
rdfs:label       rdfs:range       rdfs:Literal .

RDFS je rečnik opisa i modeliranja, ali nije jezik ograničenja (iako zvanična specifikacija i ostavlja mogućnost slične upotrebe). Reč „Schema“ ne treba shvatiti u istom smislu kao u izrazu „XML Schema“. Na primer, :author rdfs:range foaf:Person znači da su rdf:type svi vrednosti svojstva :author — foaf:Person, ali ne znači da o tome mora biti rečeno unapred.

SPARQL

SPARQL (SPARQL protokol i RDF jezik upita) — jezik za upit RDF podacima. U jednostavnom slučaju, SPARQL upit predstavlja set uzoraka, sa kojima se usklađuju trojke ispitivanog grafa. U uzorcima na pozicijama subjekata, predikata i objekata mogu se nalaziti promenljive.

Upit će vratiti takve vrednosti promenljivih, pri čemu se, kada se zamene u uzorcima, može dobiti podgraf ispitivanog RDF-grafa (podskup njegovih trojki). Promenljive istog imena u različitim uzorcima trojki moraju imati pri tome iste vrednosti.

Na primer, na datom skupu od sedam RDFS aksioma, sledeći upit će vratiti rdfs:domain i rdfs:range kao vrednosti ?s i ?p odnosno:

SELECT * WHERE {
 ?s ?p rdfs:Class .
 ?p ?p rdf:Property .
}

Vredno je napomenuti da je SPARQL deklarativan i nije jezik za opisivanje pretraživanja grafa (iako neka RDF skladišta nude načine za prilagođavanje plana izvršavanja upita). Zato neki standardni grafovski problemi, kao što je pronalaženje najkraćeg puta, ne mogu biti rešeni putem SPARQL-a, uključujući i upotrebu mehanizma property paths (ali, opet, pojedinačna RDF skladišta nude posebne ekstenzije za rešavanje tih problema).

SPARQL ne deli pretpostavku otvorenosti sveta i prati pristup „negacija kao neuspeh“, u njemu moguće su takve konstrukcije kao FILTER NOT EXISTS {…}. Distribucija podataka se uzima u obzir pomoću mehanizma federativnih upita.

SPARQL tačka pristupa — RDF skladište sposobno za obradu SPARQL upita — nema direktnih analoga iz druge faze (vidi početak ovog paragrafa). Može se uporediti sa bazom podataka, na osnovu sadržaja koje su generisane HTML stranice, ali dostupnom spolja. SPARQL tačka pristupa je više nalik API tački pristupa iz treće faze, međutim, s dve glavne razlike. Prvo, postoji mogućnost objedinjavanja više "atomskih" upita u jedan (što se smatra ključnom karakteristikom GraphQL), drugo, takav API je potpuno samodokumentovan (šta je HATEOAS pokušao da postigne).

Polimeni komentar

RDF — način objavljivanja podataka na webu, stoga bi se RDF skladišta trebala smatrati dokumentnim SGBD-ima. Ipak, pošto je RDF graf, a ne stablo, oni su ujedno i grafovski. Neverovatno je da su uopšte nastala. Ko bi mogao da pomisli da će biti pametnih ljudi koji će implementirati blank nodes. Kod Codd-a to nije uspelo.

Postoje i manje funkcionalni načini organizovanja pristupa RDF podacima, na primer, Linked Data Fragments (LDF) i Linked Data Platform (LDP).

OWL

OWL (Web Ontology Language) — formalizam za predstavljanje znanja, sintaktička varijanta deskriptivne logike Semantička mreža i povezani podaci. Ispravke i dodaci (svuda ispod je pravilnije govoriti OWL 2, prva verzija OWL je bila zasnovana na Semantička mreža i povezani podaci. Ispravke i dodaci).

Konceptima deskriptivnih logika u OWL odgovaraju klase, svojstva su uloge, a individue zadržavaju svoja prethodna imena. Aksiome se takođe nazivaju aksiomama.

Na primer, u takozvanom mančesterskom sintaksisu za zapis OWL već poznata nam aksioma Semantička mreža i povezani podaci. Ispravke i dodaci biće zapisana ovako:

Class: Human
Class: Parent
   EquivalentClass: Human and (inverse hasParent) some Human
ObjectProperty: hasParent

Postoje i druge sintakse za zapis OWL, na primer, funkcionalna sintaksa, korišćena u zvaničnoj specifikaciji, i OWL/XML.Pored toga, OWL može biti serijalizovan u apstraktnu sintaksu RDF i dalje — u bilo koju od konkretnih sintaksa.

OWL u odnosu na RDF ima dvostruki odnos. S jedne strane, može se smatrati nekom vrstom rečnika koji proširuje RDFS. S druge strane, to je moćniji formalizam, za koji je RDF samo format serijalizacije. Ne sve elementarne konstrukcije OWL mogu biti zapisane putem jednog jedinstvenog RDF trojka.

U zavisnosti od toga koje podskup konstrukcija OWL je dozvoljeno koristiti, govori se o takozvanim profilima OWL. Standardizovane i najpoznatije su OWL EL, OWL RL i OWL QL. Odabir profila utiče na računsku složenost tipičnih zadataka. Potpuni skup OWL konstrukcija, koji odgovara Semantička mreža i povezani podaci. Ispravke i dodaci, naziva se OWL DL. Ponekad se govori i o OWL Full, u kojem su OWL konstrukcije dopuštene sa potpunom slobodom svojstvenom RDF-u, bez semantičkih i računskih ograničenja Semantička mreža i povezani podaci. Ispravke i dodaci. Na primer, nešto može biti i klasa i svojstvo. OWL Full je nerazrešiv.

Ključni principi pridruživanja zaključaka u OWL su prihvatanje pretpostavke otvorenog sveta (open world assumption, OWA) i odbacivanje pretpostavke jedinstvenosti imena (unique name assumption, UNA). U nastavku ćemo videti šta ovi principi mogu izazvati i upoznati se sa nekim OWL konstrukcijama.

Pretpostavimo da ontologija sadrži sledeći deo (u mančesterskoj sintaksi):

Klasa: mnogobrojnaDeca
   Ekvivalentno: Čovek koji imaDete minimalno 3
Jedinka: Džon
   Tipovi: Čovek
   Činjenice: imaDete Alisa, imaDete Bob, imaDete Karo

Da li iz rečenog следи da je Дžон многодетан? Odbacivanje UNA će naterati motor zaključivanja da odgovori negativno, jer Alisa i Bob mogu biti ista osoba. Da bi praćenje imalo smisla, biće potrebno dodati takvu aksionu:

DifferentIndividuals: Alisa, Bob, Karo, Džon

Pretpostavimo sada da fragment ontologije ima sledeći oblik (Džon je proglašen mnogobrojnim, ali su mu navedena samo dvoje dece):

Klasa: mnogobrojnaDeca
   Ekvivalentno: Čovek koji imaDete minimalno 3
Jedinka: Džon
   Tipovi: Čovek, mnogobrojnaDeca
   Činjenice: imaDete Alisa, imaDete Bob
DifferentIndividuals: Alisa, Bob, Karo, Džon

Da li će ova ontologija biti kontradiktorna (što se može tumačiti kao dokaz nevalidnosti podataka)? Prihvaćanje OWA nateraće motor zaključivanja da odgovori negativno: "Negde" još (u drugoj ontologiji) može se reći da je Karo takođe Džonovo dete.

Da bismo isključili mogućnost toga, dodajemo novu činjenicu o Džonu:

Jedinka: Džon
   Činjenice: imaDete Alisa, imaDete Bob, ne imaDete Karo

Da bismo isključili pojavu i drugih dece, recimo da su sve vrednosti svojstva „imati dete“ ljudi, kojih imamo ukupno četvoro:

ObjekatProperty: imaDete
   Domen: Čovek
   Karakteristike: Irreflexivno
Klasa: Čovek
Ekvivalentno: { Alisa, Bil, Karo, Džon }

Sada će ontologija postati kontradiktorna, o čemu motor zaključivanja neće propustiti da obavesti. Poslednjom od aksiona nekim smislom "zatvorili" smo svet, i obratite pažnju kako je isključena mogućnost da Džon bude dete samom sebi.

Povezivanje podataka preduzeća

Skup pristupa i tehnologija Linked Data prvobitno je bio namijenjen objavljivanju podataka na webu. Njihova upotreba u korporativnom okruženju suočava se s nizom poteškoća.

Na primjer, u zatvorenom korporativnom okruženju, deduktivna moć OWL, koja se temelji na prihvatanju OWA i odbacivanju UNA, pokazuje se premalom — rešenja koja su određena otvorenom i distribuiranom prirodom weba. I ovde su mogući sljedeći izlazi.

  • Oslobađanje OWL semantike, što podrazumijeva odbacivanje OWA i prihvatanje UNA, implementacija odgovarajućeg mehanizma izvođenja. — Ovim putem se ide RDF skladište Stardog.
  • Odbacivanje deduktivnih mogućnosti OWL u korist pravnih mehanizama. — Stardog podržava SWRL; Jena i GraphDB nude vlastite jezike pravila.
  • Odbacivanje deduktivnih mogućnosti OWL, korištenje za modeliranje različitih podskupova sličnih RDFS. — Više o tome u nastavku.

Drugi problem je veća pažnja koja se može posvetiti pitanjima kvaliteta podataka u korporativnom svijetu, kao i nedostatak alata za validaciju podataka u Linked Data tehnologijama. Mogući izlazi ovde su sljedeći.

  • Ponovno, korištenje OWL konstrukcija za validaciju s semantikom zatvorenog svijeta i jedinstvene nazive uz odgovarajući mehanizam izvođenja.
  • Korišćenje SHACL, standardizovan već nakon što je popis slojeva Semantic Web Layer Cake bio utvrđen (iako se može koristiti i kao mehanizam pravila), ili ShEx.
  • Svijest o tome da se sve na kraju radi SPARQL upitima, stvarajući vlastiti jednostavni mehanizam validacije podataka koristeći ih.

Međutim, čak i potpuno odbacivanje deduktivnih mogućnosti i alata za validaciju ostavlja Linked Data tehnologije konkurentnima u zadacima koji su pejzažno slični otvorenom i distribuiranom webu — u zadatcima integracije podataka.

Što je sa običnim korporativnim informacijskim sistemom?

To je moguće, ali treba, naravno, biti svestan koje tačno probleme treba rešiti odgovarajuće tehnologije. Ovdje ću opisati tipičnu reakciju učesnika razvoja kako bih pokazao kako ovaj tehnološki stek izgleda iz perspektive konvencionalnog IT-a. Pomalo podsjeća na priču o slonu:

  • Poslovni analitičar: RDF je nešto poput direktno pohranjene logičke matrice.
  • Sistemski analitičar: RDF — to je kao EAV, samo s puno indeksa i pogodnim jezikom za pretraživanje.
  • Programer: pa, sve je to u duhu koncepcija bogatog modela i low code, čitao nedavno o tome.
  • Vođa projekta: da, to je smanjenje slojeva!

Praksa pokazuje da se stak najčešće koristi u zadacima vezanim za distribuiranost i heterogenost podataka, na primjer, pri izgradnji sistema klase MDM (Master Data Management) ili DWH (Data Warehouse). Takvi zadaci postoje u svakoj industriji.

Što se tiče primjena sa specifičnom industrijom, trenutno su tehnologije Linked Data najpopularnije u sledećim industrijama.

  • biomedicinske tehnologije (gde je njihova popularnost, očigledno, povezana sa složenošću predmetnog područja);

aktuelno

U 'Tački kipenja' je nedavno održana konferencija koju je organizovala asocijacija 'Nacionalna baza medicinskih znanja' 'Ujedinjenje ontologija. Od teorije do praktične primene».

  • izrada i upotreba složenih proizvoda (velika mašinska industrija, vađenje nafte i gasa; najčešće se radi o standardu ISO 15926);

aktuelno

Ovde je takođe razlog složenost predmetnog područja, kada, na primer, u fazi upstream, ako govorimo o industriji nafte i gasa, jednostavno evidentiranje treba imati neke CAD funkcije.

Godine 2008. održana je predstavljajuća konferencija organizovana od strane Chevrona konferencija.

ISO 15926 se na kraju pokazao kao težak za industriju nafte i gasa (i teško da je našao veću primenu u mašinskoj industriji). Samo je Statoil (Equinor) ozbiljno prihvatio, u Norveškoj se oko njega stvorila cela ekosistem. Ostali pokušavaju da urade nešto svoje. Na primer, prema glasinama, domaći Minenergo namerava da se bavi stvaranjem 'konceptualnog ontološkog modela energetike', koji je, po svoj prilici, stvoren za elektroenergetiku.

  • finansijske organizacije (čak se XBRL može smatrati nekom vrstom hibrida SDMX i ontologije RDF Data Cube);

aktuelno

LinkedIn je početkom godine aktivno slao autora sa poslovima verovatno ne samo svim divovima finansijske industrije, koje zna iz serije 'Forš-majorsi': Goldman Sachs, JPMorgan Chase i/ili Morgan Stanley, Wells Fargo, SWIFT/Visa/Mastercard, Bank of America, Citigroup, FRS, Deutsche Bank… Verovatno su svi tražili nekoga koga će poslati na Knowledge Graph Conference. Mnogi su uspeli da pronađu: finansijske organizacije su zauzele celo jutro prvog dana.

Na HeadHunteru se zanimljivosti mogu naći samo kod Sberbanke, a tema je bila "EAV skladište s RDF sličnim modelom podataka".

Verovatno, razlike u stepenu ljubavi prema odgovarajućim tehnologijama između domaćih i zapadnih finansijskih institucija uzrokovane su transnacionalnim karakterom delovanja potonjih. Naime, integracije preko državnih granica zahtevaju kvalitativno drugačija organizaciona i tehnička rešenja.

  • sistemi za pitanja i odgovore koji imaju komercijalnu primenu (IBM Watson, Apple Siri, Google Knowledge Graph);

aktuelno

Usput, kreator Siri, Tomas Gruber, autor je onog poznatog definicije ontologije (u IT smislu) kao "specifikacije konceptualizacije". Po mom mišljenju, preuređenje reči u ovoj definiciji ne menja njeno značenje, što možda sugeriše da ga zapravo i nema.

  • objavljivanje strukturiranih podataka (sa dobrim razlogom to se može smatrati Linked Open Data).

aktuelno

Veliki ljubitelji Linked Data su takozvani GLAM: Galerije, Biblioteke, Arhivi i Muzeji. Dovoljno je reći da Biblioteka Kongresa promoviše umesto MARC21 BIBFRAME, koju pruža osnovu za budućnost bibliografske opisivanja i, naravno, zasnovan je na RDF.

Često se kao primer uspešnog projekta u oblasti Linked Open Data navodi Wikidata – svojevrsna mašinski čitljiva verzija Vikipedije, čiji sadržaj, za razliku od DBPedia, ne generiše se uvozom iz infokutija članaka, već se kreira više-manje ručno (i kasnije postaje izvor informacija za iste te infokutije).

Preporučujemo i za upoznavanje spisak korisnike RDF skladišta Stardog na sajtu Stardog u odeljku „Kupci“.

Kako god okreneš, u Gartnerovom „Hype Cycle for Emerging Technologies“ iz 2016. godine „Upravljanje klasifikacijom i ontologijom preduzeća“ je smešteno u sredinu opadanja do doline razočaranja s perspektivom izlaska na „plato produktivnosti“ ne pre nego za 10 godina.

Povezivanje podataka preduzeća

Prognoze, prognoze, prognoze…

Iz istorijskog interesa sažeto je u tabelu ispod Gartnerove prognoze iz različitih godina o tehnologijama koje nas zanimaju.

GodinaTehnologijaIzveštajStatusGodina do plata
2001Semantička mrežaNove TehnologijeInovativni okidač5-10
2006Korporativna semantička mrežaNove TehnologijeVrhunac preuveličanih očekivanja5-10
2012Semantička mrežaBig DataVrhunac preuveličanih očekivanja>10
2015Linked DataNapredna analitika i nauka o podacimaDolina razočaranja5-10
2016Upravljanje ontologijom preduzećaNove TehnologijeDolina razočaranja>10
2018Knowledge GraphsNove TehnologijeInovativni okidač5-10

Ipak, već u „Hype Cycle…“ iz 2018. godine Pojavio se novi uzlazni trend — Knowledge Graphs. Došlo je do svojevrsne reinkarnacije: graf baze podataka, na koje je usmjerena pažnja korisnika i programera, uz utjecaj potreba prvih i navika potonjih, počinju da stiču oblike i pozicioniranje svojih prethodnika — konkurenata.

Gotovo svaka graf baza podataka sada se izjavljuje kao odgovarajuća platforma za izgradnju korporativnog "grafika znanja" ("linked data" ponekad se zamjenjuje sa "connected data"), ali koliko su takve tvrdnje opravdane?

Graf baze podataka su još uvijek asemanentične, podaci u graf bazi podataka — sve su to isti data silosi. Nizovni identifikatori umjesto URI čine integraciju dviju graf baza podataka istom onoj koju su imali i ranije, dok se integracija dvaju RDF skladišta često svodi na jednostavno kombinovanje dvaju RDF grafova. Drugi aspekt asemanentičnosti — nerefleksivnost graf modela LPG, otežava upravljanje metapodacima koristeći istu platformu.

Na kraju, graf baze podataka nemaju mehanizme izvođenja i pravila. Rezultati rada takvih mehanizama mogu se reprodukovati kompliciranjem upita, ali to je moguće čak i u SQL-u.

Ipak, vodeća RDF skladišta ne imaju poteškoća u podršci modelu LPG. Najozbiljniji pristup smatra se onim koji je predložen u Blazegraph-u: RDF* model, koji objedinuje RDF i LPG.

Više informacija

Više o podršci LPG modela od strane RDF skladišta možete pročitati u prethodnom članku na Habru: "Šta se trenutno dešava s RDF skladištima". O Knowledge Graphs i Data Fabric-u, nadam se, jednom će biti napisani posebno članka. Zaključni dio, kako možete lako razumjeti, napisan je u žurbi, usprkos tome, i nakon par mjeseci s ovim konceptima nije mnogo jasnije.

Literatura

  1. Halpin, H., Monnin, A. (ur.) (2014). Philosophical Engineering: Toward a Philosophy of the Web
  2. Allemang, D., Hendler, J. (2011) Semantic Web for the Working Ontologist (2nd ed.)
  3. Staab, S., Studer, R. (ur.) (2009) Handbook on Ontologies (2nd ed.)
  4. Wood, D. (ur.). (2011) Linking Enterprise Data
  5. Keet, M. (2018) An Introduction to Ontology Engineering

Izvor: habr.com

Kupite pouzdan hosting za sajtove uz zaštitu od DDoS, VPS VDS servere 🔥 Kupite pouzdan hosting za sajtove uz zaštitu od DDoS, VPS VDS servere | ProHoster