אינטרנט סמנטי ונתונים מקושרים. תיקונים ותוספות

ברצוני להציג לציבור קטע של ספר זה שיצא לאחרונה:

מידול אונטולוגי של מיזם: שיטות וטכנולוגיות [טקסט]: מונוגרפיה / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak ואחרים; העורך הראשי S.V. Gorshkov]. - יקטרינבורג: הוצאת אוניברסיטת אורל, 2019. - 234 עמ': ill., table; 20 ס"מ. - מחבר. מצוין על הציצי האחורי. עם. - ביבליוגרפיה בסוף כ'. — ISBN 978-5-7996-2580-1: 200 עותקים.

מטרת פרסום הפרגמנט הזה ב-Habré היא כפולה:

• לא סביר שמישהו יוכל להחזיק את הספר הזה בידיו אם הוא לא לקוח של מכובד SergeIndex; זה בהחלט לא במבצע.
• בוצעו תיקונים בטקסט (הם אינם מודגשים למטה) ונעשו תוספות שאינן תואמות במיוחד את הפורמט של מונוגרפיה מודפסת: הערות אקטואליות (תחת ספויילרים) והיפר-קישורים.
• רוצה לאסוף שאלות והערות, על מנת לקחת אותם בחשבון בעת ​​הכללת טקסט זה בצורה מתוקנת בכל פרסום אחר.
• רבים מחסידי האינטרנט הסמנטיים והנתונים המקושרים עדיין מאמינים שהמעגל שלהם כל כך צר, בעיקר בגלל שהציבור הרחב עדיין לא הוסבר כראוי כמה זה נהדר להיות חסיד של האינטרנט הסמנטי והנתונים המקושרים. מחבר הפרגמנט, למרות שהוא משתייך לחוג זה, אינו מחזיק בדעה זו, אך בכל זאת רואה עצמו מחויב לעשות ניסיון נוסף.

לפיכך,

רשת סמנטית

ניתן לייצג את האבולוציה של האינטרנט באופן הבא (או לדבר על המקטעים שלו שנוצרו בסדר המצוין להלן):

1. מסמכים באינטרנט. טכנולוגיות מפתח - Gopher, FTP וכו'.
   האינטרנט הוא רשת גלובלית לחילופי משאבים מקומיים.
2. מסמכי אינטרנט. טכנולוגיות מפתח הן HTML ו-HTTP.
   אופי המשאבים החשופים לוקח בחשבון את המאפיינים של מדיום השידור שלהם.
3. נתונים באינטרנט. טכנולוגיות מפתח - REST ו-SOAP API, XHR וכו'.
   בעידן יישומי האינטרנט, לא רק אנשים הופכים לצרכני משאבים.
4. נתונים באינטרנט. טכנולוגיות מפתח הן טכנולוגיות Linked Data.
   השלב הרביעי הזה, שחזה ברנרס-לי, יוצר טכנולוגיות הליבה השנייה ומנהל ה-W3C, נקרא הרשת הסמנטית; טכנולוגיות נתונים מקושרים נועדו להפוך נתונים באינטרנט לא רק לקריאים במכונה, אלא גם ל"מובנים במכונה".

מתוך הדברים הבאים יבין הקורא את ההתאמה בין מושגי המפתח של השלב השני והרביעי:

• כתובות אתרים דומות ל-URI,
• האנלוגי של HTML הוא RDF,
• היפר-קישורים HTML דומים למופעי URI במסמכי RDF.

הרשת הסמנטית היא יותר חזון מערכתי של עתיד האינטרנט מאשר מגמה ספונטנית או שתדלנות ספציפית, אם כי היא יכולה לקחת את האחרונים בחשבון. לדוגמה, מאפיין חשוב של מה שנקרא Web 2.0 נחשב ל"תוכן שנוצר על ידי משתמשים". בפרט, המלצת W3C נקראת לקחת אותה בחשבון "אונטולוגיה של הערות אינטרנט"והתחייבות כמו מוצק.

האם הרשת הסמנטית מתה?

אם אתה מסרב ציפיות לא מציאותיות, המצב עם הרשת הסמנטית זהה בערך לזה של הקומוניזם בתקופת הסוציאליזם המפותח (ואם נשמרת נאמנות לפקודותיו המותנות של איליץ', שכל אחד יחליט בעצמו). מנועי חיפוש די מוצלח לאלץ אתרי אינטרנט להשתמש ב-RDFa וב-JSON-LD ובעצמם משתמשים בטכנולוגיות הקשורות לאלו המתוארות להלן (Google Knowledge Graph, Bing Knowledge Graph).

באופן כללי, המחבר אינו יכול לומר מה מונע התפשטות גדולה יותר, אך הוא יכול לדבר על סמך ניסיון אישי. ישנן בעיות שניתן לפתור "מחוץ לקופסה" בתנאי התקפת ה-SW, למרות שהן אינן נפוצות במיוחד. כתוצאה מכך, למי שעומד בפני משימות אלו אין אמצעי כפייה כלפי מי שמסוגל לתת מענה, בעוד שהמתן העצמאי של האחרון לפתרון סותר את המודלים העסקיים שלהם. אז אנחנו ממשיכים לנתח HTML ולהדביק יחד ממשקי API שונים, אחד על השני.

עם זאת, טכנולוגיות Linked Data התפשטו מעבר לרשת המרכזית; הספר, למעשה, מוקדש ליישומים אלה. נכון לעכשיו, קהילת ה-Linked Data מצפה שהטכנולוגיות הללו יהפכו לנפוצות עוד יותר הודות לרישום (או הכרזת, כרצונך) של גרטנר של מגמות כגון גרפי ידע и בד נתונים. אני רוצה להאמין שלא יישומי ה"אופניים" של המושגים הללו יהיו מוצלחים, אלא אלו הקשורים לתקני W3C הנידונים להלן.

נתונים מקושרים

ברנרס-לי הגדירה Linked Data כרשת הסמנטית "נעשה נכון": אוסף של גישות וטכנולוגיות המאפשרות לה להשיג את מטרותיה הסופיות. עקרונות בסיסיים של Linked Data Berners-Lee ייחד הבאים.

עקרון 1. שימוש ב-URI לשמות ישויות.

URIs הם מזהי ישויות גלובליים בניגוד למזהי מחרוזת מקומית עבור ערכים. לאחר מכן, עיקרון זה בא לידי ביטוי בצורה הטובה ביותר בסלוגן Google Knowledge Graph "דברים, לא מחרוזות".

עקרון 2. שימוש ב-URI בסכימת HTTP כך שניתן יהיה לבטל את ההפניה שלהם.

על ידי הפניה ל-URI, זה אמור להיות אפשרי לקבל את המסומן שמאחורי אותו מסמן (האנלוגיה עם שם האופרטור " ברורה כאן).*"ב-C); ליתר דיוק, כדי לקבל ייצוג מסוים של המסומן הזה - בהתאם לערך של כותרת ה-HTTP Accept:. אולי, עם כניסתו של עידן AR/VR, ניתן יהיה להשיג את המשאב עצמו, אך לעת עתה, ככל הנראה, זה יהיה מסמך RDF, שהוא תוצאה של ביצוע שאילתת SPARQL DESCRIBE.

עקרון 3. שימוש בתקני W3C - בעיקר RDF(S) ו-SPARQL - בפרט בעת זיהוי URI.

"שכבות" בודדות אלו של ערימת טכנולוגיית ה-Linked Data, הידועה גם בשם עוגת שכבות אינטרנט סמנטית, יתואר להלן.

עקרון 4. שימוש בהפניות ל-URI אחרים בעת תיאור ישויות.

RDF מאפשר לך להגביל את עצמך לתיאור מילולי של משאב בשפה טבעית, והעיקרון הרביעי קורא לא לעשות זאת. אם העיקרון הראשון נשמר באופן אוניברסלי, כאשר מתארים משאב ניתן להתייחס לאחרים, כולל "זרים", וזו הסיבה שהנתונים נקראים מקושרים. למעשה, זה כמעט בלתי נמנע להשתמש ב-URI הנקראים באוצר המילים של RDFS.

RDF

RDF (מסגרת תיאור משאבים) היא פורמליזם לתיאור ישויות הקשורות זו בזו.

הצהרות מסוג "נושא-פרדיקט-אובייקט", הנקראות שלישיות, מושמעות על ישויות ויחסיהן. במקרה הפשוט ביותר, הנושא, הפרדיקט והאובייקט הם כולם URIs. אותו URI יכול להיות במיקומים שונים בשלישיות שונות: להיות סובייקט, פרדיקט ואובייקט; כך, השלשות יוצרות מעין גרף הנקרא גרף RDF.

נושאים ואובייקטים יכולים להיות לא רק URIs, אלא גם מה שנקרא צמתים ריקים, ואובייקטים יכולים להיות גם מילוליים. מילוליות הן מופעים של טיפוסים פרימיטיביים המורכבים מיצוג מחרוזת וציון טיפוס.

דוגמאות לכתיבת מילים (בתחביר צב, עוד על כך בהמשך): "5.0"^^xsd:float и "five"^^xsd:string. מילוליות עם סוג rdf:langString ניתן לצייד גם בתג שפה; ב-Turtle זה כתוב כך: "five"@en и "пять"@ru.

צמתים ריקים הם משאבים "אנונימיים" ללא מזהים גלובליים, שעליהם ניתן לעשות הצהרות, עם זאת; סוג של משתנים קיומיים.

אז (זה, למעשה, כל הפואנטה של ​​RDF):

• הנושא הוא URI או צומת ריק,
• הפרדיקט הוא URI,
• האובייקט הוא URI, צומת ריק או מילולי.

למה פרדיקטים לא יכולים להיות צמתים ריקים?

הסיבה הסבירה היא הרצון להבין ולתרגם טריפלט באופן בלתי פורמלי לשפת לוגיקה פרדיקטים מסדר ראשון s p o כמו משהו כמו איפה - פרדיקט, и - קבועים. עקבות של הבנה זו נמצאים במסמך "LBase: סמנטיקה לשפות של הרשת הסמנטית", בעל הסטטוס של הערת קבוצת עבודה של W3C. עם ההבנה הזו, השלישייה s p []איפה [] - צומת ריק, יתורגם כ איפה - משתנה, אבל איך אז לתרגם s [] o? מסמך עם סטטוס המלצת W3C "RDF 1.1 סמנטיקה” מציעה שיטת תרגום נוספת, אך עדיין לא מחשיבה את האפשרות שהפרדיקטים יהיו צמתים ריקים.

עם זאת, מאנו ספורני מותר.

RDF הוא מודל מופשט. ניתן לכתוב RDF (בסדרה) בתחבירים שונים: RDF/XML, צב (הכי קריא אנושי), JSON-LD, HDT (בינארי).

ניתן להעביר את אותו RDF בסידרה ל-RDF/XML בדרכים שונות, כך, למשל, אין זה הגיוני לאמת את ה-XML המתקבל באמצעות XSD או לנסות לחלץ נתונים באמצעות XPath. כמו כן, סביר להניח ש-JSON-LD לא יספק את רצונו של מפתח Javascript הממוצע לעבוד עם RDF באמצעות סימון הנקודות והסוגריים המרובעים של Javascript (אם כי JSON-LD נע בכיוון זה על ידי הצעת מנגנון צִלוּעַ).

רוב התחבירים מציעים דרכים לקצר URIs ארוכים. למשל, מודעה @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> ב-Turtle אז יאפשר לך לכתוב במקום זאת <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> רק rdf:type.

RDFS

RDFS (RDF Schema) - אוצר מילים בסיסי למודלים, מציג את המושגים של רכוש ומחלקה ומאפיינים כגון rdf:type, rdfs:subClassOf, rdfs:domain и rdfs:range. באמצעות מילון RDFS, למשל, ניתן לכתוב את הביטויים החוקיים הבאים:

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 הוא אוצר מילים של תיאור ומודלים, אך אינו שפת אילוצים (למרות שהמפרט הרשמי משאיר אפשרות לשימוש כזה). אין להבין את המילה "סכימה" באותו מובן כמו בביטוי "סכמת XML". לדוגמה, :author rdfs:range foaf:Person אומר ש rdf:type כל ערכי הנכס :author - foaf:Person, אבל לא אומר שצריך להגיד את זה מראש.

SPARQL

SPARQL (פרוטוקול SPARQL ושפת שאילתות RDF) - שפה לשאילתת נתוני RDF. במקרה פשוט, שאילתת SPARQL היא קבוצה של דוגמאות שלגביהן מותאמות שלישיות של הגרף הנשאל. דפוסים יכולים להכיל משתנים במיקומי נושא, פרדיקט ואובייקט.

השאילתה תחזיר ערכי משתנים כאלה שכאשר יוחלפו בדגימות, עלולים לגרום לתת-גרף של גרף ה-RDF הנשאל (תת-קבוצה של השלשות שלו). משתנים בעלי אותו שם בדגימות שונות של שלישיות חייבים להיות בעלי אותם ערכים.

לדוגמה, בהינתן הסט לעיל של שבע אקסיומות RDFS, השאילתה הבאה תחזור rdfs:domain и rdfs:range בתור ערכים ?s и ?p לכן you

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

ראוי לציין ש-SPARQL היא הצהרתית ואינה שפה לתיאור מעבר גרפים (עם זאת, חלק ממאגרי RDF מציעים דרכים להתאים את תוכנית ביצוע השאילתה). לכן, לא ניתן לפתור כמה בעיות גרפים סטנדרטיות, למשל, מציאת הנתיב הקצר ביותר, ב-SPARQL, כולל שימוש ב- שבילי רכוש (אבל, שוב, מאגרי RDF בודדים מציעים הרחבות מיוחדות כדי לפתור בעיות אלה).

SPARQL אינה חולקת את חזקת הפתיחות של העולם ועוקבת אחר גישת "שלילה ככישלון", שבה אפשרי עיצובים כגון FILTER NOT EXISTS {…}. הפצת הנתונים נלקחת בחשבון באמצעות המנגנון שאילתות מאוחדות.

לנקודת הגישה SPARQL - אחסון RDF המסוגל לעבד שאילתות SPARQL - אין אנלוגים ישירים מהשלב השני (ראה תחילת פסקה זו). ניתן להשוות אותו למסד נתונים, המבוסס על תוכנו שבו נוצרו דפי HTML, אך נגיש כלפי חוץ. נקודת הגישה SPARQL אנלוגית יותר לנקודת הגישה של ה-API מהשלב השלישי, אך עם שני הבדלים עיקריים. ראשית, אפשר לשלב כמה שאילתות "אטומיות" לאחת (שנחשבת למאפיין מרכזי של GraphQL), ושנית, API כזה מתעד את עצמו לחלוטין (וזה מה ש-HATEOAS ניסתה להשיג).

הערה פולמוסית

RDF היא דרך לפרסם נתונים באינטרנט, ולכן יש להתייחס לאחסון RDF כ-DBMS של מסמכים. נכון, מכיוון ש-RDF הוא גרף ולא עץ, התברר שהם גם מבוססי גרף. מדהים שזה הסתדר בכלל. מי היה מאמין שיהיו אנשים חכמים שיטמיעו צמתים ריקים. קוד כאן לא הסתדר.

יש גם דרכים פחות מלאות לארגן גישה לנתוני RDF, למשל, קטעי נתונים מקושרים (LDF) ו פלטפורמת נתונים מקושרת (LDP).

ינשוף

ינשוף (Web Ontology Language) - פורמליזם לייצוג ידע, גרסה תחבירית של לוגיקה תיאורית (בכל מקום מתחת יותר נכון לומר OWL 2, הגרסה הראשונה של OWL התבססה על ).

מושגים של לוגיקה תיאורית ב-OWL תואמים למחלקות, תפקידים תואמים למאפיינים, יחידים שומרים על שמם הקודם. אקסיומות נקראות גם אקסיומות.

לדוגמה, במה שנקרא תחביר מנצ'סטר עבור סימון OWL אקסיומה שכבר ידועה לנו ייכתב כך:

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

ישנם תחבירים נוספים לכתיבת OWL, כגון תחביר פונקציונלי, בשימוש במפרט הרשמי, ו ינשוף/XML. בנוסף, ניתן לבצע OWL בסידרה להפשטת תחביר RDF ועוד - בכל אחד מהתחבירים הספציפיים.

ל-OWL יש מערכת יחסים כפולה עם RDF. מצד אחד, זה יכול להיחשב כסוג של מילון שמרחיב את ה-RDFS. מצד שני, זהו פורמליזם חזק יותר שעבורו RDF הוא רק פורמט של סדרה. לא ניתן לכתוב את כל מבני ה-OWL היסודיים באמצעות טריפלט RDF יחיד.

תלוי באיזו תת-קבוצה של מבני OWL מותר להשתמש, הם מדברים על מה שנקרא פרופילי ינשוף. הסטנדרטיים והמפורסמים ביותר הם OWL EL, OWL RL ו-OWL QL. בחירת הפרופיל משפיעה על המורכבות החישובית של בעיות טיפוסיות. סט שלם של OWL בונה המקביל ל , שנקרא OWL DL. לפעמים מדברים גם על OWL Full, שבו מותר להשתמש במבני OWL במלוא החופש הגלום ב-RDF, ללא הגבלות סמנטיות וחישוביות . לדוגמה, משהו יכול להיות גם מחלקה וגם נכס. OWL Full לא ניתן להכרעה.

עקרונות המפתח להצמדת השלכות ב-OWL הם אימוץ הנחת העולם הפתוח. OWA) ודחיית ההנחה של שמות ייחודיים (הנחת שם ייחודי, UNA). להלן נראה לאן העקרונות הללו יכולים להוביל ולהציג כמה מבני OWL.

תן לאונטולוגיה להכיל את הפרגמנט הבא (בתחביר מנצ'סטר):

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

האם יבוא ממה שנאמר שלג'ון יש הרבה ילדים? דחיית ה-UNA תאלץ את מנוע ההסקה לענות על שאלה זו בשלילה, מכיוון שאליס ובוב עשויים בהחלט להיות אותו אדם. כדי שהדברים הבאים יתקיימו, יש צורך להוסיף את האקסיומה הבאה:

DifferentIndividuals: Alice, Bob, Carol, John

תן כעת לפרגמנט האונטולוגיה את הצורה הבאה (ג'ון מוצהר שיש לו ילדים רבים, אך יש לו רק שני ילדים):

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

האם האונטולוגיה הזו תהיה לא עקבית (דבר שיכול להתפרש כעדות לנתונים לא חוקיים)? קבלת OWA תגרום למנוע ההסקה להגיב בשלילה: "במקום אחר" (באונטולוגיה אחרת) אפשר בהחלט לומר שקרול היא גם הילדה של ג'ון.

כדי לשלול את האפשרות של זה, בואו נוסיף עובדה חדשה על ג'ון:

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

כדי לא לכלול את המראה של ילדים אחרים, נניח שכל הערכים של הנכס "ללדת ילד" הם אנשים, מהם יש לנו רק ארבעה:

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

כעת האונטולוגיה תהפוך לסותרת, ועל כך מנוע ההסקה לא ייכשל בדיווח. עם אחרון האקסיומות "סגרנו" במובן מסוים את העולם, ושימו לב כיצד האפשרות שג'ון יהיה ילדו שלו נשללת.

קישור נתונים ארגוניים

מערך הגישות והטכנולוגיות המקושרים נועד במקור לפרסום נתונים באינטרנט. השימוש בהם בסביבה פנימית ארגונית מתמודד עם מספר קשיים.

לדוגמה, בסביבה ארגונית סגורה, כוח הדדוקטיבי של OWL המבוסס על אימוץ OWA ודחיית UNA, החלטות הנובעות מהאופי הפתוח והמבוזר של האינטרנט, חלש מדי. וכאן הפתרונות הבאים אפשריים.

• מתן סמנטיקה ל-OWL, מרמז על נטישת OWA ואימוץ UNA, יישום מנוע הפלט המתאים. - לאורך השביל הזה הוא אחסון Stardog RDF.
• נטישת יכולות הדדוקטיביות של OWL לטובת מנועי כללים. - Stardog תומך SWRL; Jena ו-GraphDB מציעים משלו שפות כללים
• סירוב ליכולות הדדוקטיביות של OWL, שימוש בתת-קבוצה כזו או אחרת הקרובה ל-RDFS לצורך דוגמנות. - ראה עוד על כך להלן.

נושא נוסף הוא הדגש הגדול יותר שניתן לשים על בעיות איכות הנתונים בעולם הארגוני והיעדר כלי אימות נתונים ב-Linked Data stack. התפוקות כאן הן כדלקמן.

• שוב, השתמש לאימות של מבני OWL עם סמנטיקה של עולם סגור ושמות ייחודיים אם מנוע הסקה מתאים זמין.
• להשתמש שאקל, סטנדרטי לאחר שתוקן רשימת שכבות עוגת השכבות הסמנטיות (עם זאת, ניתן להשתמש בה גם כמנוע חוקים), או ShEx.
• הבנה שהכל נעשה בסופו של דבר עם שאילתות SPARQL, יצירת מנגנון אימות נתונים פשוט משלך באמצעותן.

עם זאת, אפילו דחייה מוחלטת של יכולות דדוקטיביות וכלי אימות משאירה את מחסנית ה-Linked Data מחוץ לתחרות במשימות הדומות בנוף לרשת הפתוחה והמבוזרת - במשימות שילוב נתונים.

מה לגבי מערכת מידע ארגונית רגילה?

זה אפשרי, אבל אתה צריך כמובן להיות מודע לאילו בעיות בדיוק הטכנולוגיות המתאימות יצטרכו לפתור. אני אתאר כאן תגובה אופיינית של משתתפי פיתוח כדי להראות איך נראית ערימת טכנולוגיה זו מנקודת המבט של IT קונבנציונלי. מזכיר לי קצת את משל הפיל:

• מנתח עסקי: RDF הוא משהו כמו מודל לוגי מאוחסן ישירות.
• מנתח מערכות: RDF הוא כמו EAV, רק עם חבורה של אינדקסים ושפת שאילתות נוחה.
• מפתחים: ובכן, זה הכל ברוח המושגים של מודל עשיר וקוד נמוך, לקרוא לאחרונה על זה.
• מנהל פרוייקט: כן זה אותו דבר ממוטט את הערימה!

התרגול מראה שהמחסנית משמשת לרוב במשימות הקשורות להפצה והטרוגניות של נתונים, למשל, בעת בניית מערכות MDM (Master Data Management) או DWH (Data Warehouse). בעיות כאלה קיימות בכל תעשייה.

במונחים של יישומים ספציפיים לתעשייה, טכנולוגיות Linked Data הן כרגע הפופולריות ביותר בתעשיות הבאות.

• טכנולוגיות ביו-רפואיות (כאשר נראה שהפופולריות שלהן קשורה למורכבות התחום);

נוֹכְחִי

"נקודת הרתיחה" אירחה לאחרונה כנס שאורגן על ידי עמותת "בסיס הידע הרפואי הלאומי" "שילוב אונטולוגיות. מתיאוריה ליישום מעשי".

• ייצור ותפעול של מוצרים מורכבים (הנדסת מכונות גדולה, הפקת נפט וגז; לרוב אנחנו מדברים על תקן ISO 15926);

נוֹכְחִי

גם כאן הסיבה היא המורכבות של תחום הנושא, כאשר, למשל, בשלב במעלה הזרם, אם מדברים על תעשיית הנפט והגז, חשבונאות פשוטה דורשת כמה פונקציות CAD.

בשנת 2008 התקיים אירוע התקנה מייצג, שאורגן על ידי שברון כנס.

ISO 15926, בסופו של דבר, נראה קצת כבד לתעשיית הנפט והגז (ומצא אולי יישום גדול יותר בהנדסת מכונות). רק Statoil (Equinor) התחברה אליו ביסודיות; בנורבגיה, כולה מערכת אקולוגית. אחרים מנסים לעשות את שלהם. לדוגמה, לפי שמועות, משרד האנרגיה המקומי מתכוון ליצור "מודל אונטולוגי קונספטואלי של תסביך הדלק והאנרגיה", בדומה, ככל הנראה, ל- נוצר עבור תעשיית החשמל.

• ארגונים פיננסיים (אפילו XBRL יכול להיחשב כסוג של הכלאה של SDMX ואונטולוגיה של RDF Data Cube);

נוֹכְחִי

בתחילת השנה, לינקדאין שלח ספאם פעיל למחבר עם משרות פנויות כמעט מכל ענקיות התעשייה הפיננסית, שאותן הוא מכיר מסדרת הטלוויזיה "Force Majeure": גולדמן זאקס, ג'יי.פי מורגן צ'ייס ו/או מורגן סטנלי, וולס פארגו, SWIFT/Visa/Mastercard, Bank of America, Citigroup, Fed, Deutsche Bank... כנראה שכולם חיפשו מישהו שיוכל לשלוח אליו כנס גרף ידע. לא מעט הצליחו למצוא: ארגונים פיננסיים לקחו הכל בוקר היום הראשון.

ב-HeadHunter, רק Sberbank נתקל במשהו מעניין; זה היה על "אחסון EAV עם מודל נתונים דמוי RDF."

ככל הנראה, ההבדל במידת האהבה לטכנולוגיות המקבילות של מוסדות פיננסיים מקומיים ומערביים נובע מהטבע הטרנס-לאומי של פעילותם של האחרונים. ככל הנראה, אינטגרציה חוצה גבולות מדינה דורשת פתרונות ארגוניים וטכניים שונים מבחינה איכותית.

• מערכות תשובות לשאלות עם יישומים מסחריים (IBM Watson, Apple Siri, Google Knowledge Graph);

נוֹכְחִי

אגב, היוצר של סירי, תומס גרובר, הוא המחבר של עצם ההגדרה של אונטולוגיה (במובן ה-IT) כ"מפרט המשגה". לדעתי, סידור מחדש של המילים בהגדרה זו אינו משנה את משמעותה, מה שאולי מעיד על כך שהיא לא שם.

• פרסום נתונים מובנים (בהצדקה רבה יותר ניתן לייחס זאת ל-Linked Open Data).

נוֹכְחִי

מעריצים גדולים של נתונים מקושרים הם מה שנקרא GLAM: גלריות, ספריות, ארכיונים ומוזיאונים. די לומר שספריית הקונגרס מקדמת תחליף ל- MARC21 BIBFRAMEאשר מספק בסיס לעתיד של תיאור ביבליוגרפי וכמובן, מבוסס על RDF.

ויקידאטה מובאת לרוב כדוגמה לפרויקט מוצלח בתחום Linked Open Data - מעין גרסה קריאת מכונה של ויקיפדיה, שתוכנה, בניגוד ל-DBPedia, אינו נוצר בייבוא ​​מתיבות מידע של מאמרים, אלא הוא נוצר פחות או יותר באופן ידני (ובהמשך הופך למקור מידע עבור אותן תיבות מידע).

אנו ממליצים לך גם לבדוק את זה список משתמשים באחסון Stardog RDF באתר Stardog בקטע "לקוחות".

כך או כך, בגרטנר מחזור הייפ לטכנולוגיות מתפתחות 2016 "ניהול טקסונומיה ואונטולוגיה ארגונית" ממוקם באמצע ירידה לעמק האכזבה עם סיכוי להגיע ל"רמת פרודוקטיביות" לא לפני 10 שנים.

חיבור נתונים ארגוניים

תחזיות, תחזיות, תחזיות...

מתוך עניין היסטורי, פירטתי להלן את התחזיות של גרטנר לשנים שונות על הטכנולוגיות שמעניינות אותנו.

שנה	Технология	דווח	עמדה	שנים לרמה
2001	רשת סמנטית	טכנולוגיות מתפתחות	טריגר חדשנות	5-10
2006	אינטרנט סמנטי תאגידי	טכנולוגיות מתפתחות	שיא הציפיות המנופחות	5-10
2012	רשת סמנטית	נתונים גדולים	שיא הציפיות המנופחות	> 10
2015	נתונים מקושרים	אנליטיקה מתקדמת ומדעי נתונים	שוקת ההתפכחות	5-10
2016	ניהול אונטולוגיה ארגונית	טכנולוגיות מתפתחות	שוקת ההתפכחות	> 10
2018	גרפי ידע	טכנולוגיות מתפתחות	טריגר חדשנות	5-10

עם זאת, כבר ב "מחזור הייפ..." 2018 מגמת עלייה נוספת הופיעה - גרפי ידע. גלגול מסוים התרחש: גרפים של DBMSs, שאליהם הועברה תשומת הלב של המשתמשים והמאמצים של המפתחים, בהשפעת הבקשות של הראשונים וההרגלים של האחרונים, החלו לקבל את קווי המתאר והמיקום מהמתחרים הקודמים שלהם.

כמעט כל גרף DBMS מכריז על עצמו כיום כפלטפורמה מתאימה לבניית "גרף ידע" ארגוני ("נתונים מקושרים" מוחלפים לפעמים ב"נתונים מקושרים"), אך עד כמה טענות כאלה מוצדקות?

מסדי נתונים של גרפים הם עדיין אסמנטיים; הנתונים ב-DBMS של גרף הם עדיין אותו סילו נתונים. מזהי מחרוזות במקום URI הופכים את המשימה של שילוב שני DBMS גרפים למשימת אינטגרציה, בעוד ששילוב שני מאגרי RDF מסתכם לעתים קרובות במיזוג שני גרפי RDF. היבט נוסף של אסמנטיות הוא חוסר הרפלקסיביות של מודל גרף ה-LPG, מה שמקשה על ניהול מטא נתונים באמצעות אותה פלטפורמה.

לבסוף, ל-DBMS גרפים אין מנועי הסקה או מנועי כללים. ניתן לשחזר את התוצאות של מנועים כאלה על ידי שאילתות מסובכות, אבל זה אפשרי אפילו ב-SQL.

עם זאת, למערכות אחסון RDF מובילות אין קושי לתמוך בדגם הגפ"מ. הגישה המוצקה ביותר נחשבת לזו שהוצעה בעת ובעונה אחת ב- Blazegraph: מודל RDF*, המשלב RDF ו-LPG.

קרא עוד

אתה יכול לקרוא עוד על תמיכת אחסון RDF עבור דגם ה-LPG במאמר הקודם על Habré: "מה קורה עם אחסון RDF עכשיו". אני מקווה שיום אחד ייכתב מאמר נפרד על תרשימי ידע ו-Data Fabric. הקטע האחרון, כפי שקל להבין, נכתב בחיפזון, אולם, אפילו שישה חודשים לאחר מכן, הכל לא הרבה יותר ברור עם המושגים האלה.

ספרות

1. Halpin, H., Monnin, A. (עורכים) (2014). הנדסה פילוסופית: לקראת פילוסופיה של האינטרנט
2. Allemang, D., Hendler, J. (2011) רשת סמנטית לאונטולוג העובד (מהדורה שנייה)
3. Staab, S., Studer, R. (עורכים) (2009) מדריך על אונטולוגיות (מהדורה שנייה)
4. ווד, ד' (עורך). (2011) קישור נתונים ארגוניים
5. Keet, M. (2018) מבוא להנדסת אונטולוגיה

מקור: www.habr.com