Szemantikus web és összekapcsolt adatok. Módosítások és kiegészítések

Szeretném bemutatni a közönségnek ennek a nemrégiben megjelent könyvnek egy részletét:

Az ontológiai modellezés módszerei és technológiái [Szöveg]: monográfia / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak és mások; főszerkesztő S. V. Gorshkov]. — Jekatyerinburg: Uráli Egyetem Kiadója, 2019. — 234 p.: ill., táblázatok; 20 cm. — A szerzők a címfordulón vannak feltüntetve. — Bibliográfia a fejezet végén. — ISBN 978-5-7996-2580-1: 200 példány.

A részlet közzétételének célja négyes számú:

• Valószínűtlen, hogy bárki is meg tudja fogni ezt a könyvet, ha nem az elismert SergeIndex; a kereskedelemben biztosan nincs.
• A szövegben javításokat végeztek (ezek alább nincsenek kiemelve) és olyan kiegészítéseket tettek, amelyek nem igazán kompatibilisek a nyomtatott monográfia formátumával: aktuális megjegyzések (spoiler alatt) és hivatkozások.
• Szeretném összegyűjteni a kérdéseket és észrevételeket, hogy figyelembe lehessen venni őket, amikor ezt a szöveget átdolgozott formában bármilyen más kiadványba beillesztjük.
• A Semantic Web és a Linked Data hívei továbbra is úgy vélik, hogy körük meglehetősen szűk, főleg azért, mert a nagyközönségnek eddig nem magyarázták el rendesen, hogy mennyire jó dolog a Semantic Web és a Linked Data híveinek lenni. A részlet szerzője, bár e körhöz tartozik, nem osztja ezt a véleményt, de mindazonáltal kötelességének érzi, hogy újabb kísérletet tegyen.

Tehát,

Semantic Web

Az internet fejlődését a következőképpen lehet bemutatni (vagy beszélni a szegmenseiről, amelyek az alább megadott sorrendben alakultak ki):

1. Dokumentumok az interneten. Kulcstechnológiák — Gopher, FTP stb.
   Az internet globális hálózat a helyi erőforrások cseréjére.
2. Az internet dokumentumai. Kulcstechnológiák — HTML és HTTP.
   A kiállított erőforrások jellege figyelembe veszi a továbbításuk környezetének sajátosságait.
3. Adatok az interneten. Kulcstechnológiák — REST és SOAP API, XHR stb.
   Az internetes alkalmazások kora, ahol az erőforrások felhasználói már nemcsak emberek.
4. Az adatok internete. Kulcstechnológiák — Linked Data technológiák.
   Ez a negyedik szakasz, amelyet Berners-Lee, a második szakasz kulcstechnológiáinak alkotója és a W3C igazgatója jósolt meg, és amelyet Semantic Web-nek neveznek; a Linked Data technológiák célja, hogy az adatok az interneten ne csak géppel olvashatók, hanem "gépileg érthetők" legyenek.

A továbbiakból világossá válik a második és negyedik szakasz kulcsfogalmainak megfelelése:

• az URL analógjai a URI-k,
• az HTML analógja az RDF,
• Az HTML hiperhivatkozások analógjai az URI-k bejegyzései az RDF-dokumentumokban.

A Szemantikus Web inkább a jövő internetének rendszerszintű víziója, mintsem egy konkrét, spontán vagy lobbiált trend, bár ezt is figyelembe tudja venni. Például a Web 2.0-hoz kapcsolódó fontos jellemző a "felhasználók által létrehozott tartalom". Ezt figyelembe kell venni, különösen a W3C ajánlása szerint,Web Annotation Ontologyés olyan kezdeményezések, mint Solid.

Halott a Szemantikus Web?

Ha elvetjük a irreális elvárásokat,a helyzet a szemantikus webbel körülbelül olyan, mint a kommunizmussal a fejlett szocializmus időszakában (a kérdés, hogy hűek maradunk-e Iljics feltételezett örökségéhez, mindenki saját döntése). A keresőmotorok meglehetősen sikeresen kényszerítik a weboldalakat RDFa és JSON-LD használatára, és maguk is olyan technológiákat használnak, amelyek rokonok az alább leírandókkal (Google Knowledge Graph, Bing Knowledge Graph).

Általánosságban a szerző nem tudja megmondani, mi akadályozza a nagyobb elterjedést, de meg tudja osztani a személyes tapasztalatai alapján kialakult véleményét. Olyan feladatok léteznek, amelyeket "dobozból" lehetne megoldani a SW előrehaladásának körülményei között, bár nem túl tömegesen. Ennek következményeként azok számára, akiknek ezek a feladatok előttük állnak, nincs kényszerítő eszközük azokkal szemben, akik képesek biztosítani a megoldást, az utóbbiaknak a saját üzleti modelljükkel ellentétes, ha saját maguk biztosítják a megoldást. Tehát folytatjuk a HTML elemzését és különböző API-k összekapcsolását, mindegyik szarabb, mint a másik.

Azonban a Linked Data technológiák a tömeges weben túl is elterjedtek; ennek az alkalmazásainak szenteli a könyv, valójában. Jelenleg a Linked Data közösség azt várja, hogy ezek a technológiák még szélesebb körű elterjedésre találjanak, köszönhetően a Gartner által rögzített (vagy hirdetett, ahogy tetszik) trendeknek, mint például Knowledge Graphs és Data Fabric. Reméljük, hogy nem a "kerékpáros" megvalósításai fogják elérni a sikert, hanem azok, amelyek kapcsolódnak a később tárgyalt W3C szabványokhoz.

Linked Data

Berners-Lee a Linked Data-t meghatározta mint a "helyesen végrehajtott" szemantikus web: az a megközelítések és technológiák összessége, amelyek lehetővé teszik ezen végső célok elérését. Berners-Lee a Linked Data alapvető elveit kiemelte a következő.

1. elv. URI-k használata az entitások elnevezésére.

A URI is a global identifier for entities, in contrast to local string identifiers for records. This principle is aptly encapsulated in the Google Knowledge Graph slogan “things, not strings».

Principle 2. The use of URIs in the HTTP scheme enables dereferencing them.

By referencing a URI, it should be possible to obtain the meaning it denotes (this is similar to the name of the operator “*” in C); more precisely, it should be possible to get some representation of that meaning—depending on the value of the HTTP header Accept:. Perhaps with the advent of the AR/VR era, it will be possible to obtain the resource itself; for now, it will likely be an RDF document resulting from a SPARQL query DESCRIBE.

Principle 3. The use of W3C standards—primarily RDF(S) and SPARQL—specifically in the dereferencing of URIs.

These distinct “layers” of the Linked Data technology stack, also known as Semantic Web Layer Cake, will be described later.

Principle 4. When describing entities, references to other URIs should be used.

RDF allows for a verbal description of a resource in natural language, and the fourth principle urges against doing so. By adhering to the first principle universally, it becomes possible to refer to other resources, including “foreign” ones, thus making the data ‘linked’. In fact, the use of URIs as named in the RDFS vocabulary is almost inevitable.

RDF

RDF (Resource Description Framework)—a formalism for describing interconnected entities.

Statements are made about entities and their relationships in the form of “subject-predicate-object,” known as triples. In the simplest case, the subject, predicate, and object are all URIs. The same URI can occupy different positions in various triples: it can be a subject, predicate, and object; thus, triples form a kind of graph known as an RDF graph.

Subjects and objects can be not only URIs but also so-called blank nodes, while objects can also be literals. Literals are instances of primitive types consisting of a string representation and a type designation.

Examples of literal notation (in Turtle syntax, which will be discussed later): "5.0"^^xsd:float és "five"^^xsd:string. Literals of type rdf:langString may also be accompanied by a language tag, which is written in Turtle as follows: "five"@en és "öt"@hu.

Üres csomópontok – "anonim" erőforrások globális azonosítók nélkül, amelyekről azonban állításokat lehet tenni; egyfajta egzisztenciális változók.

Tehát (ebben rejlik az RDF lényege):

• alany – URI vagy üres csomópont,
• predicate – URI,
• objektum – URI, üres csomópont vagy literál.

Miért nem lehetnek a predikátumok üres csomópontok?

Valószínű ok – a kívánalom, hogy informálisan értsük és fordítsuk az elsőrendű predikátumok nyelvére a hármasokat s p o mint valami olyanra, , ahol – predikátum, és – konstansok. Ilyen megértés nyomai találhatók a dokumentumban "LBase: Semantics for Languages of the Semantic Web" amely a W3C munkacsoportjának jegyzeteként van nyilvántartva. Ezzel a szemlélettel a hármas s p [], ahol [] – üres csomópont, úgy fordítódik le, mint , ahol – változó, de hogyan fordítsuk le akkor, s [] o? Имеющий статус рекомендации W3C документ «RDF 1.1 Semantics" más fordítási módot javasol, de a predikátumok üres csomópontként való lehetősége továbbra sem kerül szóba.

Egyébként Manu Spornival engedték meg,.

az RDF absztrakt modell. Az RDF különböző szintaxisokban rögzíthető (sorozatosítható): RDF/XML, Turtle (a legolvashatóbb), JSON-LD, HDT (binaris).

Ugyanaz az RDF különböző módokon sorozatosítható RDF/XML-ben, ezért például a kapott XML-t értelmetlen érvényesíteni XSD-vel, vagy adatokat kinyerni XPath segítségével. Hasonlóképpen, a JSON-LD valószínűleg nem fedi le a közönséges Javascript-fejlesztők vágyát, hogy RDF-t dolgozzanak fel Javascript pont- és négyzetes zárójelezéssel (bár a JSON-LD ebbe az irányba halad, és keretet kínál, framing).

A legtöbb szintaxis módokat kínál hosszú URI-k lerövidítésére. Például a nyilvános @prefix rdf: a Turtle-ben lehetővé teszi, hogy később a következőt írjuk <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> egyszerűen rdf:type.

RDFS

RDFS (RDF Schema) – az alapmodellt bevezető szótár, bevezeti a tulajdonság és osztály fogalmát, valamint olyan tulajdonságokat, mint rdf:type, rdfs:subClassOf, rdfs:domain és rdfs:range. Az RDFS szótárral például a következő helyes állítások rögzíthetők:

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 .

Az RDFS a leíró és modellező szótár, de nem korlátozási nyelv (bár a hivatalos specifikáció majd eltávolítja ennek a használatának lehetősége). A "Schema" szót nem szabad ugyanabban az értelemben értelmezni, mint az "XML Schema" kifejezésben. Például, :author rdfs:range foaf:Person azt jelenti, hogy rdf:type a tulajdonság minden értéke :author — foaf:Person, de nem jelenti azt, hogy erről előre kellene szólni.

SPARQL

SPARQL (SPARQL Protokoll és RDF Lekérdező Nyelv) — egy lekérdező nyelv az RDF adatokhoz. Egyszerű esetben a SPARQL lekérdezés egy minták halmaza, amelyeknek a tripletek illeszkednek a lekérdezett gráfhoz. A minták alany, állítmány és tárgy pozícióiban változók kerülhetnek.

A lekérdezés visszaadja azokat a változók értékeit, amelyek behelyettesítésével a mintákba egy algráf (a lekérdezett RDF gráf egy része) kapható (a tripletek egy részhalmaza). Az azonos nevű változók a különböző triplet mintákban ugyanolyan értékeket kell, hogy képviseljenek.

Például a fenti hét RDFS axiómásor alapján az alábbi lekérdezés visszaadja rdfs:domain és rdfs:range mint értékek ?s és ?p illetve:

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

Megjegyzendő, hogy a SPARQL deklaratív, és nem egy gráf bejárásának leíró nyelve (bár egyes RDF tárolók kínálnak módokat a lekérdezés végrehajtási tervének korrigálására). Ezért egyes standard gráf feladatok, mint például a legrövidebb út keresése, nem megoldhatók SPARQL segítségével, még a mechanizmus használatával sem, property paths (de ismét, bizonyos RDF tárolók külön bővítésekkel kínálnak megoldásokat ezekre a feladatokra).

A SPARQL nem osztja meg a nyitott világ feltevését, és a "negation as failure" megközelítést követi benne lehetségesek olyan konstrukciók, mint FILTER NOT EXISTS {…}. Az adatok elosztottsága a federative requests.

A SPARQL végpont — egy RDF tároló, amely képes SPARQL lekérdezések kezelésére — nincs közvetlen analógja a második szakaszból (lásd a szakasz elejét). Olyan, mint egy adatbázis, amelynek tartalmából HTML oldalak készültek, de kívülről elérhető. A SPARQL végpont inkább egy API végpont analógja a harmadik szakaszból, de két fő eltéréssel. Először is, van lehetőség több "atomikus" lekérdezés egyben való összekapcsolására (amit a GraphQL kulcsfontosságú jellemzőjének tartanak), másodszor, ilyen API teljesen ön-dokumentált (amit a HATEOAS próbált elérni).

Polémikus megjegyzés

Az RDF — egy adatkiadási módszer a weben, ezért az RDF-tárakat dokumentum-orientált DBMS-nek kellene tekinteni. Az igazság az, hogy mivel az RDF gráf, nem pedig fa, így egyben gráf-DBMS-nek is tekinthetők. Megdöbbentő, hogy egyáltalán létrejöttek. Ki gondolhatta volna, hogy lesznek okosok, akik megvalósítják a blank node-okat. Coddból ez... nem sikerült..

Vannak kevésbé funkcionális módszerek is az RDF-adatokhoz való hozzáférés megszervezésére, például: Linked Data Fragments (LDF) és Linked Data Platform (LDP).

OWL

OWL (Web Ontology Language) — a tudás előadásának formalizmusa, a leíró logika szintaktikai változata, (mindenhol helyesen OWL 2-t kellene mondani, mert az OWL első verziója alapult a ).

leíró logikák fogalmain.) Az OWL-ben a leíró logikáknak megfelelően az osztályok, a szerepek — tulajdonságok, az egyedek megőrzik régi nevüket. Az axiómákat szintén axiómáknak hívják.

Például, a úgynevezett manchesteri szintaxisban az OWL rögzítésére az alábbi már ismert axióma lesz felírva: Class: Human Class: Parent EquivalentClass: Human and (inverse hasParent) some Human ObjectProperty: hasParent

Vannak más szintaxisok is az OWL rögzítésére, például

funkcionális szintaxis, amelyet a hivatalos specifikációban használnak, ésOWL/XML. Ezenkívül az OWL sorozatelemzéseabstrakt RDF szintaxisban és aztán bármely konkrét szintaxison belül lehetséges. Az OWL az RDF-fel kapcsolatban kétirányú viszonyban áll. Egyfelől úgy tekinthető, mint egy szótár, amely kibővíti az RDFS-t. Másfelől egy erősebb formalizmus, amelynek RDF csupán a sorozatok formátuma. Nem minden elemi OWL konstrukció rögzíthető egyetlen RDF triplettel.

Attól függően, hogy az OWL konstrukciók mely almintáját engedélyezik, az úgynevezett

OWL profilokról beszélünk. A szabványos és legismertebbek az OWL EL, OWL RL és OWL QL. A profil kiválasztása befolyásolja a tipikus feladatok számítási bonyolultságát. Az OWL teljes konstrukciókészletét, amely kapcsolódik , OWL DL-nek hívják. Néha az OWL Full-ról is beszélnek, ahol az OWL konstrukciókat teljes szabadsággal lehet használni, amely jellemző az RDF-re, szemiotikai és számítási korlátozások nélkül.Például valami lehet osztály és tulajdonság is. Az OWL Full nem mondható el. A következtetések levonásának kulcsfontosságú elvei az OWL-ben — a nyitott világ előfeltevésének (open world assumption, OWA) és az egyedi nevek előfeltevésének (unique name assumption,

UNA) elutasítása. OWA) és az egyedi név feltételezésének elutasítása (unique name assumption, UNA). Az alábbiakban megnézzük, hogy ezek az elvek hová vezethetnek, és megismerkedünk néhány OWL konstrukcióval.

Tegyük fel, hogy az ontológia a következő töredéket tartalmazza (Manchester szintaxisban):

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

Következik-e a fentiekből, hogy John sokgyermekes? Az UNA elvetése miatt a következtető motor ezt a kérdést negótívan fogja megválaszolni, hiszen Alice és Bob akár ugyanaz a személy is lehet. Ahhoz, hogy a következtetés érvényes legyen, szükséges egy olyan axióma hozzáadása:

DifferentIndividuals: Alice, Bob, Carol, John

Tegyük fel, hogy most az ontológia töredékének a következő formája van (John sokgyermekesnek van nyilvánítva, de csak két gyermeke van megadva):

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

Ez az ontológia ellentmondásos lesz (ami értelmezhető a adatok érvénytelenségeként)? Az OWA elfogadása miatt a következtető motor ezt a kérdést negatívan fogja megválaszolni: 'valahol máshol' (egy másik ontológiában) is lehet mondani, hogy Carol is John gyermeke.

Annak érdekében, hogy ezt kizárjuk, adjunk hozzá egy új tényt Johnról:

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

Azt is kizárjuk, hogy más gyerekei is legyenek, mondjuk, hogy a 'gyermekkel rendelkezik' tulajdonság minden értéke olyan emberek, akiket összesen négyen ismerünk:

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

Most az ontológia ellentmondásossá válik, amit a következtető motor nem fog kihagyni, hogy jelezzen. Az utolsó axiómákkal lényegében 'lezárva' zártuk a világot, és figyeljük meg, hogy milyen módon zártuk ki azt a lehetőséget, hogy John saját magának legyen a gyermeke.

Linking Enterprise Data

A Linked Data megközelítések és technológiák eredeti célja a weben való adatok publikálása volt. Használatuk a vállalaton belüli környezetben számos nehézséggel találkozik.

Például a zárt vállalati környezetben az OWA elvetésén és az UNA elfogadásán alapuló OWL következtető képessége túl gyengének bizonyul - melyek a nyílt és elosztott web sajátosságai miatt vannak. Itt a következő megoldások lehetségesek.

• Az OWL meghatározása, ami az OWA elvetését és az UNA elfogadását feltételezi, a megfelelő következtető motor megvalósítása. - Ilyen úton vezet az RDF tároló Stardog.
• Az OWL deduktív lehetőségeinek elhagyása a szabálymotorok javára. — A Stardog támogatja SWRL; a Jena és a GraphDB saját nyelveit szabályok. Az OWL deduktív lehetőségeinek elhagyása, a megfelelő altípus RDFS-hez közeli modellezés céljából. — Részletek a későbbiekben.
• Egy másik probléma a vállalati világban a data quality kérdésekre fordított nagyobb figyelem, valamint a Linked Data eszközök közül a validációs eszközök hiánya. Az alábbi megoldások állnak rendelkezésre.

Ismét, az OWL struktúrák validálásának használata zárt világ szemináriákkal és név egyediséggel, amennyiben a megfelelő következtetési motor rendelkezésre áll.

• SHACL
• Használat , amelyet már a Semantic Web Layer Cake réteg felsorolása után standardizáltak (bár szabálymotoroként is használható), vagyShEx A tudat, hogy végső soron minden SPARQL lekérdezésekkel történik, a saját egyszerű adativálasztási mechanizmus létrehozása ezek felhasználásával..
• Bár, a deduktív lehetőségek és a validálási eszközök teljes elhagyása a Linked Data réteget versenyképtelenné teszi az adatintegrációs feladatokban, amelyek tájékozottan hasonlóak a nyílt és elosztott webhez.

Mi a helyzet a hagyományos vállalati információs rendszerekkel?

Ez lehetséges, de természetesen figyelembe kell venni, hogy pontosan milyen problémákat kell megoldaniuk a megfelelő technológiáknak. Itt bemutatom a fejlesztési résztvevők tipikus reakcióját, hogy lássuk, hogyan néz ki ez a technológiai stack a szokásos IT szempontjából. Kicsit emlékeztet a fáraó meséjére:

Üzleti elemző

• : Az RDF olyan, mint egy közvetlenül tárolt logikai modell.Rendszerelemző
• : Az RDF olyan, mint, csak rengeteg indexszel és kényelmes lekérdezési nyelvvel. EAV: nos, ez mind a gazdag modell és alacsony kód koncepció szellemében van,
• Fejlesztőmostanában olvastam erről. : de ez a stack összevonása
• A projekt vezetőjeA gyakorlat megmutatja, hogy a stacket leggyakrabban az elosztottsággal és az adatok heterogenitásával kapcsolatos feladatokhoz használják, például MDM (Master Data Management) vagy DWH (Data Warehouse) rendszerek építésekor. Ezek a feladatok bármely iparágban jelen vannak. Ami az ipari specializációval kapcsolatos alkalmazásokat illeti, jelenleg a Linked Data technológiák legnépszerűbbek a következő iparágakban.!

Ami az ipari specializációval kapcsolatos alkalmazásokat illeti, jelenleg a Linked Data technológiák legnépszerűbbek a következő iparágakban.

Ami az ipari specializációval kapcsolatos alkalmazásokat illeti, jelenleg a Linked Data technológiák legnépszerűbbek a következő iparágakban.

• biomedikai technológiák (hol népszerűségük nyilvánvalóan a téma bonyolultságával függ össze);

aktuális

A „Tűzpontban” nemrégiben zajlott a „Nemzeti Orvosi Tudásbázis” szövetsége által szervezett konferencia „Ontológiák egyesítése. A elmélettől a gyakorlati alkalmazásig».

• bonyolult termékek gyártása és üzemeltetése (nagyobb gépgyártás, olaj- és gázkitermelés; leggyakrabban a sztenderdekről van szó ISO 15926);

aktuális

Itt is az a probléma, hogy a téma bonyolult, amikor például a felfelé irányuló szakaszban, ha az olaj- és gáziparról beszélünk, a közvetlen nyilvántartásnak bizonyos CAD funkciókkal kell rendelkeznie.

2008-ban a Chevron által szervezett megbeszélés zajlott konferencia.

Az ISO 15926 végül túl nehéznek bizonyult az olaj- és gázipar számára (és alig használták a gépgyártásban). Esetleg a Statoil (Equinor) ragadott meg belőle valamit, Norvégiában pedig egy teljes ökoszisztéma. A többiek próbálnak valami sajátot alkotni. Például hírek szerint a hazai Energiaügyi Minisztérium a „konceptuális ontológiai modell létrehozásával” akar foglalkozni, valószínűleg olyan, mint amit az energiatermelés számára hoztak létre.

• pénzügyi szervezetek (még az XBRL is egyfajta SDMX és RDF Data Cube ontológia hibridként értelmezhető);

aktuális

A LinkedIn az év elején aktívan spameket küldött a szerzőnek a pénzügyi ipar szinte minden óriásával, akiket a 'Suits' sorozatból ismer: Goldman Sachs, JPMorgan Chase és/vagy Morgan Stanley, Wells Fargo, SWIFT/Visa/Mastercard, Bank of America, Citigroup, a Fed, Deutsche Bank… Valószínűleg mind kerestek olyan embert, akit Knowledge Graph Conferencefeladatokra lehetett küldeni. Számosan találtak is munkaerőt: a pénzügyi intézmények teljesen az első nap reggelén.

A HeadHunteren pedig valami érdekeset csak a Sberbanknál találtam, ahol a „RDF-szerű adatmodellű EAV-tárházról” volt szó.

Valószínűleg a hazai és nyugati pénzügyi intézmények technológiák iránti szeretetének különbsége a transznacionális tevékenységüknek tudható be. Valószínűleg a határokon átívelő integrációk másfajta szervezési és technikai megoldásokat igényelnek.

• kereső-válasz rendszerek, amelyek kereskedelmi alkalmazást találnak (IBM Watson, Apple Siri, Google Knowledge Graph);

aktuális

Egyébként a Siri létrehozója, Thomas Gruber, az azonos definíció szerzője, mely az ontológiát (az IT jelentésében) a „konceptualizálás specifikációjának” nevezi. Véleményem szerint a definíció szavainak átrendezése nem változtat a jelentésén, ami talán arra utal, hogy az ott tulajdonképpen nincs is.

• strukturált adatok publikálása (ezt már nagyobb alapossággal a Linked Open Data-ra is lehet vonatkoztatni).

aktuális

A Linked Data nagy rajongói a GLAM néven ismert csoport: Galériák, Könyvtárak, Archívumok és Múzeumok. Itt elegendő annyit mondani, hogy a MARC21 helyett a Kongresszusi Könyvtár előterjeszti a BIBFRAME-t, ami amely alapot nyújt a bibliográfiai leírás jövőjéhez és természetesen az RDF-re alapozva.

Sokszor a Linked Open Data sikeres projektjeként említik a Wikidata-t – egyfajta gépileg olvasható verzióját a Wikipédiának, amelynek tartalmát ellentétben a DBPedia-val nem importálják a cikkek infoboxaiból, hanem többé-kevésbé manuálisan hozzák létre (és később ez a forrása lesz a cikkek infoboxainak).

Ajánljuk még figyelmébe lista a Stardog RDF-tároló felhasználóit a Stardog weboldalán a „Customers” rovatban.

Bárhogy is legyen, a Gartner „Hype Cycle for Emerging Technologies” 2016-os kiadásában az „Enterprise Taxonomy and Ontology Management” a csalódás völgyének közepén helyezkedik el, amelyből nem várható a „termelékenységi platóra” való eljutás legalább 10 éven belül.

Kapcsolódó vállalati adatok

Előrejelzések, előrejelzések, előrejelzések ...

Történelmi érdekességként az alábbi táblázatban összefoglaltam a Gartner különböző évekre vonatkozó előrejelzéseit az általunk érdeklő technológiák terén.

Mindazonáltal már a 2018-as „Hype Cycle...” -ben egy másik növekvő trend jelent meg – a Tudásgrafok. Valamilyen „újjászületés” történt: a grafikus adatbázisok, amelyekre a felhasználók és a fejlesztők figyelme átváltott, a felhasználók igényei és a fejlesztők szokásai hatására kezdtek alakot és pozicionálást venni elődeik versenytársaihoz képest.

Gyakorlatilag minden grafikus adatbázis ma már alkalmas vállalati „tudásgraf” építésére, a „linkelt adatok” néha „kapcsolt adatokra” cserélődnek, de mennyire indokoltak ezek az igények?

A gráf alapú adatbázisok továbbra is szemantikátlanok, a gráf SGBD-ben lévő adatok mind ugyanazt az adatsilót jelzik. A sztring azonosítók helyett az URI-k integrálása a két gráf SGBD közötti integráció feladatának megkönnyítése, míg a két RDF-tároló integrációja a két RDF-gráf egyszerű egyesítésére csökkenhet. A szemantika hiányának másik aspektusa a gráf LPG modell nem reflexivitása, amely megnehezíti a metadaták kezelését ugyanazon platformon.

Végül, a gráf SGBD-k nem rendelkeznek következtető motorokkal és szabálymotorokkal. Az ilyen motorok működésének eredményei lekérdezések bonyolításával reprodukálhatók, de ez még SQL esetén is lehetséges.

Eközben a vezető RDF-tárolók nem tapasztalnak nehézségeket az LPG modell támogatásában. A legkomolyabb megközelítést a Blazegraph korábban javasolta: az RDF* modell, amely az RDF-t és az LPG-t egyesíti.

További információ

Bővebben az RDF-tárolók LPG modelljének támogatásáról a Hubon található korábbi cikkben olvashat: „Mi történik most az RDF-tárolókkal”. A Knowledge Graphs és a Data Fabric témájáról remélhetőleg egy külön cikk is születik. A záró szakaszt, ahogyan könnyű megérteni, sietve írták, viszont fél évvel később sem lett sokkal világosabb ez a koncepció.

Irodalom

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

Forrás: habr.com