Semantic Web og Linked Data. Rettelser og tilføjelser

Jeg vil gerne præsentere et uddrag af denne nyligt udgivne bog:

Ontologisk modellering af virksomheder: metoder og teknologier [Tekst]: monografi / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak m.fl.; ansvarlig redaktør S. V. Gorshkov]. — Jekaterinburg: Ural Universitet Forlag, 2019. — 234 s.: ill., tabeller; 20 cm. — Forfatterne er nævnt på bagsiden af titelbladet. — Bibliografi i slutningen af kapitlet. — ISBN 978-5-7996-2580-1: 200 eks.

Formålet med offentliggørelsen af dette uddrag på Habr er firedelt:

• Det vil næppe være muligt for nogen at holde denne bog i hånden, medmindre man er kunde hos den respekterede SergeIndex; den er helt sikkert ikke til salg.
• Der er foretaget ændringer i teksten (disse er ikke markeret nedenfor) og tilføjelser, der ikke er helt forenelige med formatet for en trykt monografi: relevante kommentarer (under spoilers) og hyperlinks.
• Man ønsker at samle spørgsmål og bemærkninger, så de kan tages i betragtning, når denne tekst inkluderes i revideret form i andre udgivelser.
• Mange tilhængere af Semantic Web og Linked Data mener stadig, at deres kreds er så snæver, primært fordi offentligheden indtil nu ikke rigtig har fået forklaret, hvor fantastisk det er at være tilhænger af Semantic Web og Linked Data. Forfatteren af uddraget, som tilhører denne kreds, deler ikke denne opfattelse, men føler sig ikke desto mindre forpligtet til at forsøge endnu engang.

Så,

Semantic Web

Udviklingen af internettet kan præsenteres på følgende måde (eller tale om dets segmenter, der er dannet i nedenstående rækkefølge):

1. Dokumenter på internettet. Nøgleteknologier — Gopher, FTP osv.
   Internettet er et globalt netværk til udveksling af lokale ressourcer.
2. Internet dokumenter. Nøgleteknologier — HTML og HTTP.
   Karakteren af de udsendte ressourcer tager højde for egenskaberne ved deres transmissionsmiljø.
3. Data på internettet. Nøgleteknologier — REST og SOAP API, XHR osv.
   Æraen for internetapplikationer, hvor forbrugerne af ressourcer ikke kun er mennesker.
4. Internettet af data. Nøgleteknologier — Linked Data teknologier.
   Dette fjerde trin, forudset af Berners-Lee, skaberen af de nøgleteknologier fra det andet trin og direktør for W3C, kaldes Semantic Web; Linked Data teknologier er designet til at gøre data på nettet ikke blot maskinlæselige, men også 'maskinforståelige'.

Fra det videre vil læseren forstå overensstemmelsen mellem nøglebegreberne fra det andet og fjerde trin:

• URL svarer til URI,
• HTML svarer til RDF,
• URI-forekomster i RDF-dokumenter svarer til HTML-hyperlinks.

Semantic Web er snarere en systemisk vision for fremtidens internet end en konkret spontan eller lobbyiseret trend, selvom den også kan tage højde for disse senere. For eksempel betragtes "bruger-genereret indhold" som en vigtig karakteristika ved det, der kaldes Web 2.0. Dette skal tages i betragtning, især med W3C's anbefaling "Web Annotation Ontology" og et initiativ som Solid.

Er Semantic Web dødt?

Hvis man fralægger sig urealistiske forventninger,er situationen med det semantiske web cirka den samme som med kommunisme i tiden for udviklet socialisme (og om der overholdes trofasthed mod de betingede testamenter fra Iljitsj, må hver enkelt selv afgøre). Søgemaskiner tvinger ret effektivt websteder til at anvende RDFa og JSON-LD, og de selv anvender teknologier nært beslægtede med dem, der beskrives senere (Google Knowledge Graph, Bing Knowledge Graph).

Generelt set kan forfatteren ikke sige, hvad der hindrer en større udbredelse, men han kan udtale sig baseret på personlig erfaring. Opgaver, der kunne løses "ud af boksen" under indførelsen af SW, findes, selvom de ikke er meget udbredte. Som følge heraf har de, der står over for disse opgaver, ikke midler til at tvinge dem, der kan sikre løsningen, men en selvstændig sikring af løsningen fra disse sidstnævnte strider mod deres forretningsmodeller. Så vi fortsætter med at parre HTML og sammenkoble forskellige API'er, det ene mere håbløst end det andet.

Men Linked Data-teknologier har også fået udbredelse uden for den almindelige web; denne bog er faktisk dedikeret til disse anvendelser. I øjeblikket forventer Linked Data-fællesskabet, at disse teknologier vil blive endnu mere udbredte med fastsættelsen (eller proklamationen, hvad man nu ønsker) af Gartner af sådanne trends som Knowledge Graphs og Data Fabric. Man håber, at det ikke vil være "bicycle" implementeringer af disse koncepter, men dem, der relaterer til de standarder fra W3C, der behandles senere.

Linked Data

Berners-Lee definerede Linked Data som "den rigtigt udførte" semantiske web: en samling af tilgange og teknologier, der tillader at nå dets endelige mål. De grundlæggende principper for Linked Data blev fremhævet af Berners-Lee og inkluderer følgende.

Princip 1. Brug af URI til at navngive enheder.

URI er globale identifikatorer for entiteter i modsætning til lokale strengeidentifikatorer for poster. Senere fandt dette princip bedre udtryk i Google Knowledge Graphs slogan «things, not strings».

Princip 2. Brug af URI i HTTP-skemaet, så de kan derefereres.

Når man henviser til en URI, skal det være muligt at få det, der henvises til, bag denne henvisning (her er analogien til navnet på operatøren «*» i C); mere præcist, få en eller anden præsentation af det, der henvises til — afhængigt af værdien af HTTP-headeren Accept:. Måske, med fremkomsten af AR/VR-æraen, vil det være muligt at få selve ressourcen, men indtil da vil det sandsynligvis være et RDF-dokument, der er resultatet af at udføre en SPARQL-forespørgsel DESCRIBE.

Princip 3. Brug af W3C-standarder — især RDF(S) og SPARQL — specifikt ved dereferering af URI.

Disse enkelte "lag" i Linked Data-teknologistakken, som også er kendt som Semantic Web Layer Cake, vil vi beskrive nærmere.

Princip 4. Brug af henvisninger til andre URI’er i beskrivelsen af entiteter.

RDF gør det muligt at begrænse sig til en verbalskildring af ressourcen på naturligt sprog, og det fjerde princip opfordrer til ikke at gøre dette. Ved generelt at overholde det første princip bliver det muligt at henvise til andre, herunder "fremmede", ressourcer i beskrivelsen af en ressource, hvilket er grunden til, at data kaldes for sammenkoblede. Faktisk er det næsten uundgåeligt at anvende URI’er, der er navngivet i RDFS-ordbøger.

RDF

RDF (Resource Description Framework) — et formalism til beskrivelse af sammenkoblede entiteter.

Der gives udsagn om entiteter og deres relationer i formen «subjekt-prædikat-objekt», kaldet tripletter. I det simpleste tilfælde er både subjektet, prædikatet og objektet URI’er. Den samme URI kan i forskellige tripletter have forskellige positioner: være både subjekt, prædikat og objekt; derved danner tripletterne en slags graf, kaldet RDF-graf.

Subjekter og objekter kan ikke kun være URI’er, men også såkaldte tomme noder, og objekter kan også være litteraler. Litteraler er instanser af primære typer, der består af en strengrepræsentation og en typeangivelse.

Eksempler på litteralers indtastning (i Turtle-syntaks, om det nedenfor): "5.0"^^xsd:float og "five"^^xsd:string. Litteraler med typen rdf:langString kan også have en sprogkode, hvilket i Turtle skrives sådan: "five"@en og "fem"@da.

Tomme knuder er "anonyme" ressourcer uden globale identifikatorer, men der kan dog foretages udsagn om dem; en slags eksistentielle variable.

Så (i dette ligger essensen af RDF):

• subjektet er en URI eller tom knude,
• prædikatet er en URI,
• objektet er en URI, tom knude eller litteral.

Hvorfor kan prædikater ikke være tomme knuder?

En sandsynlig årsag er ønsket om uformelt at forstå og oversætte triplet til førsteordens prædikatslogik s p o som noget i retning af , hvor – prædikat, og – konstanter. Spor af denne forståelse findes i dokumentet "LBase: Semantics for Languages of the Semantic Web", der har status som arbejdsgruppens notat. Med denne forståelse vil triplet s p [], hvor [] – tom knude blive oversat som , hvor – variabel, men hvordan oversætter man så s [] o? Имеющий статус рекомендации W3C документ «RDF 1.1 Semantics" tilbyder en anden oversættelsesmetode, men muligheden for, at prædikater kan være tomme knuder, overvejes stadig ikke.

Dog er Mану Спорни givet tilladelse.

RDF er en abstrakt model. RDF kan formateres (serialiseres) i forskellige syntakser: RDF/XML, Turtle (den mest læsevenlige), JSON-LD, HDT (binær).

Den samme RDF kan serialiseres i RDF/XML på forskellige måder, så for eksempel er det meningsløst at validere den resulterende XML ved hjælp af XSD eller forsøge at udtrække data ved hjælp af XPath. Tilsvarende vil JSON-LD næppe imødekomme den almindelige Javascript-udviklers ønske om at arbejde med RDF ved hjælp af punkt- og firkantet notation i Javascript (selvom JSON-LD bevæger sig i denne retning og tilbyder en mekanisme framing).

De fleste syntakser tilbyder måder at forkorte lange URIs. For eksempel vil erklæringen @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> i Turtle gøre det muligt senere at skrive i stedet for <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> bare rdf:type.

RDFS

RDFS (RDF Schema) er den grundlæggende modelordbog, der introducerer begreberne egenskab og klasse samt egenskaber som rdf:type, rdfs:subClassOf, rdfs:domain og rdfs:range. Med hjælp fra RDFS-ordbogen kan for eksempel følgende korrekte udsagn skrives:

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 er en ordbog for beskrivelse og modellering, men det er ikke et begrænsningssprog (selvom den officielle specifikation og lader muligheden for en sådan brug). Ordet „Schema“ bør ikke forstås i samme betydning som i udtrykket „XML Schema“. For eksempel, :author rdfs:range foaf:Person betyder, at rdf:type alle værdier af egenskaben :author — foaf:Person, men betyder ikke, at dette skal angives på forhånd.

SPARQL

SPARQL (SPARQL Protocol and RDF Query Language) — et sprog til forespørgsler på RDF-data. I sin simpleste form er en SPARQL-forespørgsel et sæt mønstre, som triplerne i den forespurgte graf matches imod. I mønstrene kan variabler findes i positionerne for subjekter, prædikater og objekter.

Forespørgslen vil returnere sådanne værdiers variabler, for hvilke der kan opnås en undergraf af den forespurgt RDF-graf (et delmængde af dens tripler), når de indsættes i mønstrene. Identiske variabler i forskellige tripler skal ved dette have de samme værdier.

For eksempel, på det ovenfor nævnte sæt af syv RDFS-axiomer, vil følgende forespørgsel returnere rdfs:domain og rdfs:range som værdier ?s og ?p henholdsvis:

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

Det skal bemærkes, at SPARQL er deklarativt og ikke er et sprog til beskrivelse af grafsøgning (dog tilbyder nogle RDF-lagre måder at justere udførelsesplanen for forespørgslen). Derfor kan nogle standard grafopgaver, såsom at finde den korteste vej, ikke løses med SPARQL, heller ikke ved hjælp af mekanismen property paths (men igen, enkelte RDF-lagre tilbyder specialudvidelser til at løse disse opgaver).

SPARQL adskiller ikke antagelsen om verdens åbenhed og følger tilgangen „negation as failure“, i den er mulige sådanne konstruktioner som FILTER NOT EXISTS {…}. Fordelingen af data tages i betragtning ved hjælp af mekanismen federated queries.

En SPARQL-endepunkt — et RDF-lager, der kan håndtere SPARQL-forespørgsler — har ikke nogen direkte ækvivalenter fra det andet trin (se begyndelsen af dette afsnit). Det kan sammenlignes med en database, der genererede HTML-sider baseret på sit indhold, men som er tilgængelig udefra. SPARQL-endepunktet er snarere analogt med et API-endepunkt fra det tredje trin, dog med to hovedforskelle. For det første er der mulighed for at kombinere flere „atomare“ forespørgsler til én (hvilket betragtes som en nøglekarakteristik ved GraphQL), for det andet er et sådant API fuldt selv-dokumenteret (hvad HATEOAS forsøgte at opnå).

En polemisk bemærkning

RDF — en måde at offentliggøre data på internettet, så RDF-lagre bør betragtes som dokumentbaserede DBMS. Sandt nok, da RDF er en graf og ikke et træ, er de samtidig også blevet grafbaserede. Utroligt, at de overhovedet blev til. Hvem kunne have forestillet sig, at der ville være kloge hoveder, der implementerer blank nodes. Hos Codd lykkedes det ikke at få det til.

Der findes også mindre fuldfunktionelle måder at organisere adgang til RDF-data på, for eksempel Linked Data Fragments (LDF) og Linked Data Platform (LDP).

OWL

OWL (Web Ontology Language) — en formalisme for vidensrepræsentation, en syntaktisk variant af beskrivelseslogik (herunder vil det være korrekt at tale om OWL 2, den første version af OWL var baseret på ).

Begreberne i beskrivelseslogikker svarer til klasser i OWL, roller til egenskaber, individer beholder deres tidligere navne. Axiomatiske udsagn kaldes også axiomatiske udsagn.

For eksempel, i den såkaldte Manchester-syntaksen vil den kendte axiom i OWL blive skrevet som: Class: Human Class: Parent EquivalentClass: Human and (inverse hasParent) some Human ObjectProperty: hasParent

Der findes også andre syntakser til at skrive OWL, for eksempel

den funktionelle syntaks , anvendt i den officielle specifikation, ogOWL/XML. Desuden kan OWL serialiserestil abstrakt RDF-syntaks og videre til en hvilken som helst specifik syntaks. OWL står i et dobbeltsidigt forhold til RDF. På den ene side kan det betragtes som en slags ordliste, der udvider RDFS. På den anden side er det en mere kraftfuld formalisme, hvor RDF blot er et serialiseringsformat. Ikke alle grundlæggende konstruktioner i OWL kan skrives ved hjælp af et enkelt RDF-triple.

Afhængigt af hvilket undergruppe af OWL-konstruktioner der er tilladt, tales der om de såkaldte

OWL-profiler. De standardiserede og mest kendte er OWL EL, OWL RL og OWL QL. Valget af profil påvirker den beregningsmæssige kompleksitet af typiske opgaver. Det komplette sæt konstruktioner i OWL, der svarer til, kaldes OWL DL. Nogle gange tales der også om OWL Full, hvor OWL-konstruktioner må bruges med den fulde frihed, der er karakteristisk for RDF, uden semantiske og beregningsmæssige begrænsninger. For eksempel kan noget være både en klasse og en egenskab. OWL Full er uløselig. Nøgleprincipperne for at tilslutte konklusioner i OWL er accepteringen af open world assumption (OWA) og afvisningen af unique name assumption (UNA).

Nøgleprincipperne for tilslutning af konsekvenser i OWL — accept af åbent verdensantagelse (open world assumption, OWA) og afvisning af antagelsen om unikke navne (unique name assumption, UNA). Neden diskurene neden olabileceğini göreceğiz ve bazı OWL yapılarına tanık olacağız.

Ontoloji aşağıdaki parçayı içersin (Manchester sözdiziminde):

Class: manyChildren
   EquivalentTo: Human that hasChild min 3
Individual: John
   Types: Human
   Facts: hasChild Alice, hasChild Bob, hasChild Carol

John'un çok çocuklu olduğu sonucuna varabilir miyiz? UNA'dan vazgeçmek çıkış motorunun bu soruya olumsuz cevap vermesine neden olur, çünkü Alice ve Bob aslında aynı kişi olabilir. Sonuçların var olması için şu aksiyomu eklemek gerekecektir:

DifferentIndividuals: Alice, Bob, Carol, John

Şimdi ontolojinin birkaç çocuk sahibi olduğu belirtilen John ile aşağıdaki şekilde olduğunu varsayalım:

Class: manyChildren
   EquivalentTo: Human that hasChild min 3
Individual: John
   Types: Human, manyChildren
   Facts: hasChild Alice, hasChild Bob
DifferentIndividuals: Alice, Bob, Carol, John

Bu ontoloji çelişkili olacak mı (bu, verilerin geçersiz olduğunu gösterme anlamına gelebilir)? OWA'nın kabul edilmesi, çıkış motorunun buna olumsuz yanıt vermesine neden olacaktır: 'başka bir yerde' (başka bir ontolojide) Carol'ın da John'un çocuğu olabileceği söylenebilir.

Bunu dışlamak için John hakkında yeni bir bilgi ekleyelim:

Individual: John
   Facts: hasChild Alice, hasChild Bob, not hasChild Carol

Diğer çocukların ortaya çıkmasını dışlamak için, 'çocuk sahibi olma' özelliğinin tüm değerlerinin yalnızca dört kişiden oluştuğunu belirtelim:

ObjectProperty: hasChild
   Domain: Human
   Characteristics: Irreflexive
Class: Human
EquivalentTo: { Alice, Bill, Carol, John }

Şimdi ontoloji çelişkili hale gelecektir, ki çıkış motoru bunu haber vermekten çekinmeyecektir. Son aksiyomla, bir anlamda dünyayı 'kapattık' ve John'un kendisinin çocuk olmadığını dışlamanın nasıl sağlandığına dikkat edin.

Kurumsal Verileri Bağlama

Linked Data'nın bir dizi yaklaşım ve teknolojisi, verilerin web üzerinde yayınlanması amacıyla başlangıçta tasarlanmıştır. Bunların kurumsal ortamda kullanımı bazı zorluklarla karşılaşmaktadır.

Örneğin, kapalı bir kurumsal ortamda OWL'nin, OWA'nın kabulü ve UNA'dan vazgeçme üzerine kurulu olan çıkarım gücü oldukça zayıf kalır. Burada birkaç çıktı mümkün.

• OWL'yi anlamlandırma, OWA'dan vazgeçme ve UNA'nın kabul edilmesiyle ilgili uygun bir çıkarım motoru uygulaması. — Böyle bir yol ile ilerliyor. RDF depolama çözümü Stardog.
• Fravalg af OWL's deduktive muligheder til fordel for regelmotorer. — Stardog understøtter SWRL; Jena og GraphDB tilbyder egne sprog for regler.
• Fravalg af OWL's deduktive muligheder, brug til modellering af et bestemt subset, der ligner RDFS. — Se mere om dette nedenfor.

Et andet problem er den større opmærksomhed, som man i erhvervslivet kan have på data kvalitetsproblemer, og fraværet af værktøjer til datavalidering i Linked Data-stakken. Mulighederne her er følgende.

• Igen, brug til validering af OWL-konstruktioner med lukket verdenssemantik og navngivningsunisolering, når der er en passende outputmotor.
• Brugen af SHACL, standardiseret efter at rækken af Semantic Web Layer Cake blev fastsat (men den kan også bruges som en regelmotor), eller ShEx.
• Bevidsthed om, at alt i sidste ende håndteres gennem SPARQL-forespørgsler, og oprettelse af en simpel datavalideringsmekanisme ved hjælp af dem.

Selv fuldstændig fravalg af deduktive muligheder og valideringsværktøjer lader Linked Data-stakken være uovertruffen i opgaver, der er landskabsmæssigt lig åbent og distribueret web — i data integreringsopgaver.

Hvad med en almindelig virksomhedsinformationssystem?

Det er muligt, men man bør naturligvis være opmærksom på, hvilke specifikke problemer de relevante teknologier skal løse. Jeg vil her beskrive en typisk reaktion fra udviklingsdeltagerne for at vise, hvordan denne teknologistak ser ud fra et konventionelt IT-perspektiv. Det minder lidt om fortællingen om elefanten:

• Forretningsanalytiker: RDF er noget der ligner en direkte opbevaret logisk model.
• Systemanalytiker: RDF er som EAV, bare med en masse indekser og et brugervenligt forespørgselssprog.
• Udvikler: Nå, det passer ind i konceptet med rich model og low code, jeg læste for nylig om dette.
• Projektleder: ja, det er jo collapsing the stack!

Praksis viser, at stakken oftest bruges i opgaver relateret til distribution og heterogenitet af data, for eksempel ved opbygning af MDM (Master Data Management) eller DWH (Data Warehouse) systemer. Sådanne opgaver findes i enhver branche.

Hvad angår anvendelser med branche-specifikke karakteristika, er teknologierne Linked Data i øjeblikket mest populære inden for følgende brancher.

• biomedicinske teknologier (hvor deres popularitet åbenbart er relateret til kompleksiteten af emnet);

aktuel

For nylig blev der afholdt en konference "Forening af ontologier. Fra teori til praktisk anvendelse».

• fremstilling og drift af komplekse produkter (større maskinbygning, olie- og gasudvinding; ofte drejer det sig om standarden ISO 15926);

aktuel

Her er årsagen også kompleksiteten af emnet, når man for eksempel i upstream-fasen, når det kommer til olie- og gasindustrien, simpelthen skal have nogle funktioner fra CAD.

I 2008 blev der afholdt en repræsentativ opstartskonference organiseret af Chevron konference.

ISO 15926 viste sig til sidst at være en smule tung for olie- og gasindustrien (og fik næppe mere anvendelse i maskinbygning). Kun Statoil (Equinor) har i grunden engageret sig i det, og der er dannet et helt økosystem. Andre forsøger at gøre noget eget. For eksempel, ifølge rygterne, har det hjemlige energiministerium til hensigt at arbejde på at skabe en "konceptuel ontologisk model for energisektoren", der sandsynligvis svarer til den der er skabt for elproduktion.

• finansielle organisationer (selv XBRL kan betragtes som en slags hybrid mellem SDMX og RDF Data Cube-ontologier);

aktuel

LinkedIn spammede i begyndelsen af året aktivt forfatteren med jobtilbud fra næsten alle kæmperne i finansindustrien, som han kender fra serien "Suits": Goldman Sachs, JPMorgan Chase og/eller Morgan Stanley, Wells Fargo, SWIFT/Visa/Mastercard, Bank of America, Citigroup, Federal Reserve, Deutsche Bank… Formentlig ledte de alle efter nogen, de kunne sende til Knowledge Graph Conference. Mange fandt det: finansielle organisationer besatte hele den første dags morgen.

På HeadHunter var der dog kun interessante jobmuligheder hos Sberbank, hvor det handlede om et "EAV-lager med en RDF-lignende datamodel."

Sandsynligvis skyldes forskellen i kærligheden til de respektive teknologier hos indenlandske og vestlige finansielle institutioner den transnationale karakter af de sidste. Det kræver åbenbart kvalitativt forskellige organisatoriske og tekniske løsninger at integrere på tværs af statsgrænser.

• spørgsmål-svar systemer, der har kommerciel anvendelse (IBM Watson, Apple Siri, Google Knowledge Graph);

aktuel

For instance, the creator of Siri, Thomas Gruber, is the author of that very definition of ontology (in the IT sense) as "specification of conceptualization." In my opinion, rearranging the words in this definition does not change its meaning, which perhaps indicates that it isn’t there at all.

• the publication of structured data (with a strong basis this can already be attributed to Linked Open Data).

aktuel

Big fans of Linked Data are the so-called GLAM: Galleries, Libraries, Archives, and Museums. It is enough to say that instead of MARC21, the Library of Congress promotes BIBFRAME, som provides a foundation for the future of bibliographic description and, of course, is based on RDF.

Often, as an example of a successful project in the field of Linked Open Data, Wikidata is cited — a sort of machine-readable version of Wikipedia, the content of which, unlike DBPedia, is not generated by importing information from article infoboxes, but is created more or less manually (and subsequently becomes a source of information for those same infoboxes).

We also recommend for your consideration liste users of the RDF storage Stardog on the Stardog website in the "Customers" section.

Be that as it may, in the Gartner "Hype Cycle for Emerging Technologies" of 2016 "Enterprise Taxonomy and Ontology Management" is placed in the middle of the descent into the valley of disappointment with the prospect of reaching the "plateau of productivity" not earlier than in 10 years.

Connecting Enterprise Data

Forecasts, forecasts, forecasts…

Out of historical interest, I have summarized the Gartner forecasts of various years regarding the technologies of interest in the table below.

However, as early as 2018 in "Hype Cycle…" another rising trend appeared — Knowledge Graphs. There was a kind of reincarnation: graph DBs, which came under the focus of users and the efforts of developers, began to take shape and positioning of their predecessor competitors due to the demands of the former and the habits of the latter. Virtually every graph DB now declares itself a suitable platform for building an enterprise "knowledge graph" ("linked data" is sometimes replaced with "connected data"), but how justified are such claims?

Næsten hver grafdatabase hævder nu at være en passende platform til at bygge et corporate ‘vidensgraph’ (‘linked data’ bliver nogle gange erstattet med ‘connected data’), men hvor berettigede er sådanne krav?

Grafdatabaser er stadig semantiske, data i en grafisk DB er stadig en data silo. Strengidentifikatorer i stedet for URI gør integrationen af to grafiske DB'er til den samme integrationsopgave, mens integrationen af to RDF-lagre ofte blot handler om at kombinere to RDF-grafer. Et andet aspekt af semantikken er den ikke-refleksive LPG-model, der gør det vanskeligt at håndtere metadata ved hjælp af den samme platform.

Endelig har grafiske DB'er ingen outputmotorer eller regelmotorer. Resultaterne fra sådanne motorer kan reproduceres ved at komplicere forespørgslerne, men det er også muligt i SQL.

Dog har førende RDF-lagre ikke problemer med at støtte LPG-modellen. Den mest anerkendte tilgang blev engang foreslået i Blazegraph: RDF*-modellen, der kombinerer RDF og LPG.

Mere information

Yderligere information om støtten til LPG-modellen i RDF-lagre kan læses i den tidligere artikel på Habr: «Hvad sker der nu med RDF-lagrene». Jeg håber, at der en dag vil blive skrevet en særlig artikel om Knowledge Graphs og Data Fabric. Afslutningsafsnittet, som man nemt kan se, blev hastigt skrevet, og selv efter et halvt år er disse koncepter ikke meget klarere.

Litteratur

1. Halpin, H., Monnin, A. (red.) (2014). Filosofisk Ingeniørkunst: Mod en Filosofi for Webben
2. Allemang, D., Hendler, J. (2011) Semantisk Web for Arbejdende Ontologer (2. udgave)
3. Staab, S., Studer, R. (red.) (2009) Håndbog om Ontologier (2. udgave)
4. Wood, D. (red.). (2011) Linkende Virksomhedsdata
5. Keet, M. (2018) En Introduktion til Ontologi Ingeniørkunst

Kilde: habr.com