სემანტიკური ქსელი და დაკავშირებული მონაცემები. შესწორებები და დამატებები

მინდა საზოგადოებას წარვუდგინო ფრაგმენტი ამ ახლახან გამოცემული წიგნიდან:

საწარმოს ონტოლოგიური მოდელირება: მეთოდები და ტექნოლოგიები [ტექსტი]: მონოგრაფია / [ს. ვ.გორშკოვი, ს.ს.კრალინი, ო.ი.მუშტაკი და სხვები; აღმასრულებელი რედაქტორი S.V. გორშკოვი]. - ეკატერინბურგი: ურალის უნივერსიტეტის გამომცემლობა, 2019. - 234გვ.: ილ., ცხრილი; 20 სმ - ავტორი. მითითებულია უკანა ტიტულზე. თან. - ბიბლიოგრაფია ჩვ-ის ბოლოს. — ISBN 978-5-7996-2580-1: 200 ეგზემპლარი.

ამ ფრაგმენტის ჰაბრეზე გამოქვეყნების მიზანი ოთხია:

• ნაკლებად სავარაუდოა, რომ ვინმემ შეძლოს ამ წიგნის ხელში დაჭერა, თუ ის არ არის პატივცემული ადამიანის კლიენტი სერგეინდექსი; ნამდვილად არ არის გაყიდვაში.
• ტექსტში შევიდა შესწორებები (ისინი არ არის მონიშნული ქვემოთ) და დამატებები, რომლებიც დიდად არ შეესაბამება ბეჭდური მონოგრაფიის ფორმატს: აქტუალური შენიშვნები (სპოილერების ქვეშ) და ჰიპერბმულები.
• მე მინდა შეაგროვეთ კითხვები და კომენტარები, რათა გავითვალისწინოთ ისინი სხვა პუბლიკაციებში ამ ტექსტის შესწორებული სახით შეტანისას.
• სემანტიკური ვებსა და დაკავშირებული მონაცემების ბევრ მიმდევარს ჯერ კიდევ სჯერა, რომ მათი წრე ასე ვიწროა, ძირითადად იმიტომ, რომ ფართო საზოგადოებას ჯერ არ არის სათანადოდ ახსნილი, რამდენად კარგია იყო სემანტიკური ვებსა და დაკავშირებული მონაცემების მიმდევარი. ფრაგმენტის ავტორი, მართალია, ამ წრეს მიეკუთვნება, ამ აზრს არ ფლობს, მაგრამ, მიუხედავად ამისა, თავს ვალდებულად თვლის კიდევ ერთი მცდელობა.

აქედან გამომდინარე,

სემანტიკური ვებ

ინტერნეტის ევოლუცია შეიძლება წარმოდგენილი იყოს შემდეგნაირად (ან ვისაუბროთ მის სეგმენტებზე, რომლებიც ჩამოყალიბდა ქვემოთ მითითებული თანმიმდევრობით):

1. დოკუმენტები ინტერნეტში. ძირითადი ტექნოლოგიები - Gopher, FTP და ა.შ.
   ინტერნეტი არის გლობალური ქსელი ადგილობრივი რესურსების გაცვლისთვის.
2. ინტერნეტ დოკუმენტები. ძირითადი ტექნოლოგიებია HTML და HTTP.
   ექსპოზიციური რესურსების ბუნება ითვალისწინებს მათი გადაცემის საშუალების მახასიათებლებს.
3. ინტერნეტის მონაცემები. ძირითადი ტექნოლოგიები - REST და SOAP API, XHR და ა.შ.
   ინტერნეტ აპლიკაციების ეპოქაში, არა მხოლოდ ადამიანები ხდებიან რესურსების მომხმარებლები.
4. ინტერნეტის მონაცემები. ძირითადი ტექნოლოგიები არის დაკავშირებული მონაცემთა ტექნოლოგიები.
   ამ მეოთხე ეტაპს, რომელსაც იწინასწარმეტყველა ბერნერს-ლი, მეორე ძირითადი ტექნოლოგიების შემქმნელი და W3C-ის დირექტორი, ეწოდება სემანტიკური ვებ; დაკავშირებული მონაცემთა ტექნოლოგიები შექმნილია იმისთვის, რომ ინტერნეტში არსებული მონაცემები არა მხოლოდ მანქანით წაკითხვადი გახადოს, არამედ „მანქანისთვისაც გასაგებიც“.

შემდეგიდან, მკითხველი გაიგებს შესაბამისობას მეორე და მეოთხე ეტაპების ძირითად ცნებებს შორის:

• URL-ები არის URI-ების ანალოგი,
• HTML-ის ანალოგი არის RDF,
• HTML ჰიპერბმულები მსგავსია URI შემთხვევების RDF დოკუმენტებში.

სემანტიკური ქსელი უფრო მეტად არის ინტერნეტის მომავლის სისტემური ხედვა, ვიდრე კონკრეტული სპონტანური ან ლობირებული ტენდენცია, თუმცა მას შეუძლია ამ უკანასკნელის გათვალისწინება. მაგალითად, მნიშვნელოვანი მახასიათებელი იმისა, რასაც ვებ 2.0 ჰქვია, ითვლება „მომხმარებლის მიერ გენერირებული კონტენტი“. კერძოდ, W3C რეკომენდაცია მოწოდებულია გაითვალისწინოს იგი “ვებ ანოტაციის ონტოლოგია„და ისეთი წამოწყება, როგორიც მყარი.

არის თუ არა სემანტიკური ვებ მკვდარი?

თუ უარს იტყვით არარეალური მოლოდინები, სემანტიკური ქსელის ვითარება დაახლოებით ისეთივეა, როგორიც კომუნიზმთან იყო განვითარებული სოციალიზმის დროს (და შეიმჩნევა თუ არა ლოიალობა ილიჩის პირობითი ბრძანებებისადმი, ყველამ გადაწყვიტოს საკუთარი თავისთვის). საძიებო სისტემები საკმაოდ წარმატებით აიძულეთ ვებსაიტები გამოიყენონ RDFa და JSON-LD და თავად გამოიყენონ ტექნოლოგიები, რომლებიც დაკავშირებულია ქვემოთ აღწერილთან (Google Knowledge Graph, Bing Knowledge Graph).

ზოგადად, ავტორს არ შეუძლია თქვას, რა უშლის ხელს უფრო დიდ გავრცელებას, მაგრამ მას შეუძლია ისაუბროს პირადი გამოცდილების საფუძველზე. არის პრობლემები, რომლებიც შეიძლება გადაიჭრას "გარემოდან" SW შეტევის პირობებში, თუმცა ისინი არც თუ ისე გავრცელებულია. შედეგად, მათ, ვინც ამ ამოცანების წინაშე დგანან, არ აქვთ იძულების საშუალება მათ მიმართ, ვისაც შეუძლია გამოსავლის მიწოდება, ხოლო ამ უკანასკნელის მიერ გადაწყვეტის დამოუკიდებელი უზრუნველყოფა ეწინააღმდეგება მათ ბიზნეს მოდელებს. ასე რომ, ჩვენ ვაგრძელებთ HTML-ის ანალიზს და სხვადასხვა API-ების ერთმანეთთან შეერთებას, ერთმანეთის უფრო უხეში.

თუმცა, Linked Data ტექნოლოგიები გავრცელდა მეინსტრიმ ვების მიღმა; წიგნი, ფაქტობრივად, ეძღვნება ამ აპლიკაციებს. ამჟამად, Linked Data საზოგადოება მოელის, რომ ეს ტექნოლოგიები კიდევ უფრო გავრცელდება Gartner-ის მიერ ჩაწერილი ტენდენციების (ან გამოცხადების, როგორც გნებავთ) წყალობით, როგორიცაა ცოდნის დიაგრამა и მონაცემთა ქსოვილი. მინდა მჯეროდეს, რომ წარმატებული იქნება არა ამ კონცეფციების „ველოსიპედის“ განხორციელება, არამედ ქვემოთ განხილული W3C სტანდარტებთან დაკავშირებული.

დაკავშირებული მონაცემები

ბერნერს-ლიმ განსაზღვრა დაკავშირებული მონაცემები, როგორც სემანტიკური ქსელი „სწორად შესრულებული“: მიდგომებისა და ტექნოლოგიების ნაკრები, რომელიც საშუალებას აძლევს მას მიაღწიოს საბოლოო მიზნებს. Linked Data-ის ძირითადი პრინციპები ბერნერს-ლი ხაზგასმულია მომდევნო.

პრინციპი 1. URI-ების გამოყენება ერთეულების დასახელებისთვის.

URI არის გლობალური ერთეულის იდენტიფიკატორები, განსხვავებით ლოკალური სტრიქონების იდენტიფიკატორებისგან. შემდგომში, ეს პრინციპი საუკეთესოდ გამოიხატა Google Knowledge Graph-ის სლოგანში “ნივთები და არა სიმები".

პრინციპი 2. URI-ების გამოყენება HTTP სქემაში, რათა მათ გაუქმდეს.

URI-ზე მითითებით, შესაძლებელი უნდა იყოს ამ აღმნიშვნელის მიღმა აღნიშვნის მიღება (ოპერატორის სახელთან ანალოგია აქ ნათელია).*"C-ში); უფრო ზუსტად, რომ მივიღოთ ამის გარკვეული წარმოდგენა - HTTP სათაურის მნიშვნელობიდან გამომდინარე Accept:. შესაძლოა, AR/VR ეპოქის დადგომასთან ერთად, შესაძლებელი გახდება თავად რესურსის მოპოვება, მაგრამ ჯერჯერობით, დიდი ალბათობით, ეს იქნება RDF დოკუმენტი, რომელიც SPARQL მოთხოვნის შესრულების შედეგია. DESCRIBE.

პრინციპი 3. W3C სტანდარტების - უპირველეს ყოვლისა RDF(S) და SPARQL-ის გამოყენება, განსაკუთრებით URI-ების მიმართვის გაუქმებისას.

Linked Data ტექნოლოგიების დასტის ეს ინდივიდუალური „ფენები“, ასევე ცნობილი როგორც სემანტიკური ვებ ფენის ტორტი, ქვემოთ იქნება აღწერილი.

პრინციპი 4. სხვა URI-ებზე მითითებების გამოყენება ერთეულების აღწერისას.

RDF საშუალებას გაძლევთ შემოიფარგლოთ რესურსის სიტყვიერი აღწერით ბუნებრივ ენაზე და მეოთხე პრინციპი მოითხოვს, რომ არ გააკეთოთ ეს. თუ პირველი პრინციპი საყოველთაოდ დაცულია, რესურსის აღწერისას შესაძლებელი ხდება სხვაზე მიმართვა, მათ შორის „უცხო“, რის გამოც მონაცემებს უწოდებენ დაკავშირებულს. სინამდვილეში, თითქმის გარდაუვალია RDFS ლექსიკაში დასახელებული URI-ების გამოყენება.

RDF

RDF (Resource Description Framework) არის ფორმალიზმი ურთიერთდაკავშირებული ერთეულების აღწერისთვის.

„სუბიექტ-პრედიკატი-ობიექტის“ ტიპის განცხადებები, რომლებსაც ტრიპლეტი ეწოდება, კეთდება ერთეულებისა და მათი ურთიერთობების შესახებ. უმარტივეს შემთხვევაში, სუბიექტი, პრედიკატი და ობიექტი ყველა არის URI. ერთი და იგივე URI შეიძლება იყოს სხვადასხვა პოზიციებში სხვადასხვა სამეულში: იყოს სუბიექტი, პრედიკატი და ობიექტი; ამრიგად, ტრიპლეტები ქმნიან ერთგვარ გრაფიკს, რომელსაც ეწოდება RDF გრაფიკი.

სუბიექტები და ობიექტები შეიძლება იყოს არა მხოლოდ URI, არამედ ე.წ ცარიელი კვანძები, და ობიექტებიც შეიძლება იყოს ლიტერალები. ლიტერალები არის პრიმიტიული ტიპების შემთხვევები, რომლებიც შედგება სიმებიანი გამოსახულებისგან და ტიპის მითითებისგან.

ლიტერალების წერის მაგალითები (კუს სინტაქსით, ამის შესახებ ქვემოთ): "5.0"^^xsd:float и "five"^^xsd:string. ლიტერალები ტიპით rdf:langString ასევე შეიძლება აღჭურვილი იყოს ენის ტეგით; Turtle-ში ასე წერია: "five"@en и "пять"@ru.

ცარიელი კვანძები არის „ანონიმური“ რესურსები გლობალური იდენტიფიკატორების გარეშე, რომელთა შესახებაც შესაძლებელია განცხადებების გაკეთება; ეგზისტენციალური ცვლადები.

ასე რომ (ეს არის, ფაქტობრივად, RDF-ის მთელი აზრი):

• სუბიექტი არის URI ან ცარიელი კვანძი,
• პრედიკატი არის URI,
• ობიექტი არის URI, ცარიელი კვანძი ან ლიტერალი.

რატომ არ შეიძლება პრედიკატები იყოს ცარიელი კვანძები?

სავარაუდო მიზეზი არის ტრიპლეტის არაფორმალურად გაგებისა და თარგმნის სურვილი პირველი რიგის პრედიკატის ლოგიკის ენაზე. s p o რაღაც მსგავსი სად - პრედიკატი, и - მუდმივები. ამ გაგების კვალი არის დოკუმენტში "LBase: სემანტიკა სემანტიკური ქსელის ენებისთვის“, რომელსაც აქვს W3C სამუშაო ჯგუფის ნოტის სტატუსი. ამ გაგებით, სამეული s p []სად [] - ცარიელი კვანძი, ითარგმნება როგორც სად - ცვლადი, მაგრამ როგორ უნდა თარგმნოს s [] o? დოკუმენტი W3C რეკომენდაციის სტატუსით "RDF 1.1 სემანტიკა” გთავაზობთ თარგმნის სხვა მეთოდს, მაგრამ მაინც არ განიხილავს პრედიკატების ცარიელი კვანძების შესაძლებლობას.

თუმცა მანუ სპორნი ნებადართულია.

RDF არის აბსტრაქტული მოდელი. RDF შეიძლება დაიწეროს (სერიული) სხვადასხვა სინტაქსში: RDF/XML, კუს (ყველაზე მეტად იკითხება ადამიანი), JSON-LD, HDT (ორობითი).

იგივე RDF შეიძლება სერიული იყოს RDF/XML-ში სხვადასხვა გზით, ასე რომ, მაგალითად, აზრი არ აქვს მიღებული XML-ის დამოწმებას XSD-ის გამოყენებით ან მონაცემების ამოღება XPath-ის გამოყენებით. ანალოგიურად, JSON-LD ნაკლებად სავარაუდოა, რომ დააკმაყოფილოს Javascript-ის საშუალო დეველოპერის სურვილი, იმუშაოს RDF-თან Javascript-ის წერტილის და კვადრატული ფრჩხილის აღნიშვნის გამოყენებით (თუმცა JSON-LD მოძრაობს ამ მიმართულებით მექანიზმის შეთავაზებით. ჩარჩოში ჩასმა).

სინტაქსების უმეტესობა გვთავაზობს გზებს გრძელი URI-ების შესამცირებლად. მაგალითად, რეკლამა @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> Turtle-ში ამის ნაცვლად დაწერის საშუალებას მოგცემთ <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> უბრალოდ rdf:type.

RDFS

RDFS (RDF Schema) - ძირითადი მოდელირების ლექსიკა, შემოაქვს თვისების და კლასის ცნებებს და თვისებებს, როგორიცაა rdf:type, rdfs:subClassOf, rdfs:domain и rdfs:range. მაგალითად, RDFS ლექსიკონის გამოყენებით, შეიძლება დაიწეროს შემდეგი სწორი გამონათქვამები:

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 არის აღწერისა და მოდელირების ლექსიკა, მაგრამ არ არის შეზღუდვის ენა (თუმცა ოფიციალური სპეციფიკაცია და ტოვებს ასეთი გამოყენების შესაძლებლობა). სიტყვა „სქემა“ არ უნდა გავიგოთ იმავე მნიშვნელობით, როგორც გამოთქმაში „XML Schema“. Მაგალითად, :author rdfs:range foaf:Person ნიშნავს რომ rdf:type ყველა ქონების ღირებულება :author - foaf:Person, მაგრამ არ ნიშნავს რომ ეს წინასწარ უნდა ითქვას.

SPARQL

SPARQL (SPARQL Protocol and RDF Query Language) - ენა RDF მონაცემების მოთხოვნისთვის. მარტივ შემთხვევაში, SPARQL მოთხოვნა არის ნიმუშების ერთობლიობა, რომლებზედაც მოთხოვნილი გრაფიკის ტრიპლეტები ემთხვევა. შაბლონები შეიძლება შეიცავდეს ცვლადებს სუბიექტის, პრედიკატის და ობიექტის პოზიციებში.

მოთხოვნა დააბრუნებს ისეთ ცვლად მნიშვნელობებს, რომლებიც ნიმუშებში ჩანაცვლებისას შეიძლება გამოიწვიოს მოთხოვნილი RDF გრაფის ქვეგრაფა (მისი სამეულების ქვეჯგუფი). ერთი და იგივე სახელის ცვლადებს სამეულის სხვადასხვა ნიმუშში უნდა ჰქონდეს იგივე მნიშვნელობები.

მაგალითად, შვიდი RDFS აქსიომების ზემოაღნიშნული ნაკრების გათვალისწინებით, შემდეგი მოთხოვნა დაბრუნდება rdfs:domain и rdfs:range როგორც ღირებულებები ?s и ?p შესაბამისად:

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

აღსანიშნავია, რომ SPARQL არის დეკლარაციული და არ არის ენა დიაგრამაზე გადაადგილების აღწერისთვის (თუმცა, ზოგიერთი RDF საცავი გვთავაზობს მოთხოვნის შესრულების გეგმის კორექტირების გზებს). ამიტომ, გრაფიკის ზოგიერთი სტანდარტული პრობლემა, მაგალითად, უმოკლესი გზის პოვნა, ვერ გადაიჭრება SPARQL-ში, მათ შორის ქონების ბილიკები (მაგრამ, ისევ და ისევ, ცალკეული RDF საცავი გთავაზობთ სპეციალურ გაფართოებებს ამ პრობლემების გადასაჭრელად).

SPARQL არ იზიარებს სამყაროს ღიაობის პრეზუმფციას და მიჰყვება მიდგომას „უარყოფა, როგორც წარუმატებლობა“, რომელშიც შესაძლებელია დიზაინები, როგორიცაა FILTER NOT EXISTS {…}. მონაცემთა განაწილება გათვალისწინებულია მექანიზმის გამოყენებით ფედერაციული მოთხოვნები.

SPARQL წვდომის წერტილი - RDF საცავი, რომელსაც შეუძლია SPARQL მოთხოვნების დამუშავება - არ აქვს პირდაპირი ანალოგები მეორე ეტაპიდან (იხილეთ ამ აბზაცის დასაწყისი). ის შეიძლება შევადაროთ მონაცემთა ბაზას, რომლის შიგთავსის საფუძველზე შეიქმნა HTML გვერდები, მაგრამ ხელმისაწვდომი გარედან. SPARQL წვდომის წერტილი უფრო ანალოგიურია API წვდომის წერტილის მესამე ეტაპიდან, მაგრამ ორი ძირითადი განსხვავებებით. ჯერ ერთი, შესაძლებელია რამდენიმე „ატომური“ მოთხოვნის გაერთიანება ერთში (რაც ითვლება GraphQL-ის ძირითად მახასიათებლად), მეორეც, ასეთი API მთლიანად თვითდოკუმენტირებულია (რის მიღწევასაც ცდილობდა HATEOAS).

პოლემიკური შენიშვნა

RDF არის ინტერნეტში მონაცემების გამოქვეყნების საშუალება, ამიტომ RDF შენახვა უნდა ჩაითვალოს დოკუმენტის DBMS-ად. მართალია, რადგან RDF არის გრაფიკი და არა ხე, ისინი ასევე აღმოჩნდა გრაფიკზე დაფუძნებული. გასაოცარია, რომ ეს საერთოდ გამოვიდა. ვინ იფიქრებდა, რომ იქნებოდნენ ჭკვიანი ადამიანები, რომლებიც განახორციელებენ ცარიელ კვანძებს. კოდი აქ არის არ გამოვიდა.

ასევე არსებობს ნაკლებად სრულფასოვანი გზები RDF მონაცემებზე წვდომის ორგანიზებისთვის, მაგალითად, დაკავშირებული მონაცემთა ფრაგმენტები (LDF) და დაკავშირებული მონაცემთა პლატფორმა (LDP).

ბუ

ბუ (Web Ontology Language) - ცოდნის წარმოდგენის ფორმალიზმი, აღწერის ლოგიკის სინტაქსური ვერსია (ქვემოდან ყველგან უფრო სწორია OWL 2-ის თქმა, OWL-ის პირველი ვერსია ეფუძნებოდა ).

აღწერითი ლოგიკის ცნებები OWL-ში შეესაბამება კლასებს, როლები შეესაბამება თვისებებს, ინდივიდები ინარჩუნებენ წინა სახელს. აქსიომებს აქსიომებსაც უწოდებენ.

მაგალითად, ე.წ მანჩესტერული სინტაქსი OWL ნოტაციისთვის ჩვენთვის უკვე ცნობილი აქსიომაა დაიწერება ასე:

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

არსებობს სხვა სინტაქსები OWL-ის დასაწერად, მაგ ფუნქციური სინტაქსი, გამოიყენება ოფიციალურ სპეციფიკაციაში და OWL/XML. გარდა ამისა, OWL შეიძლება იყოს სერიული აბსტრაქტული RDF სინტაქსისთვის და შემდგომ - რომელიმე კონკრეტულ სინტაქსში.

OWL-ს აქვს ორმაგი ურთიერთობა RDF-თან. ერთის მხრივ, ის შეიძლება ჩაითვალოს ერთგვარ ლექსიკონად, რომელიც ავრცელებს RDFS-ს. მეორეს მხრივ, ეს უფრო ძლიერი ფორმალიზმია, რომლისთვისაც RDF მხოლოდ სერიული ფორმატია. ყველა ელემენტარული OWL კონსტრუქცია არ შეიძლება დაიწეროს ერთი RDF სამეულის გამოყენებით.

იმისდა მიხედვით, თუ რომელი ქვეჯგუფის OWL კონსტრუქტების გამოყენებაა დაშვებული, ისინი საუბრობენ ე.წ OWL პროფილები. სტანდარტიზებული და ყველაზე ცნობილი არის OWL EL, OWL RL და OWL QL. პროფილის არჩევანი გავლენას ახდენს ტიპიური პრობლემების გამოთვლით სირთულეზე. შესაბამისი OWL კონსტრუქციების სრული ნაკრები OWL DL. ზოგჯერ ისინი ასევე საუბრობენ OWL Full-ზე, რომელშიც OWL კონსტრუქციების გამოყენება ნებადართულია RDF-ის თანდაყოლილი სრული თავისუფლებით, სემანტიკური და გამოთვლითი შეზღუდვების გარეშე. . მაგალითად, რაღაც შეიძლება იყოს კლასიც და საკუთრებაც. OWL Full გადაუწყვეტელია.

OWL-ში შედეგების მიმაგრების ძირითადი პრინციპები არის ღია სამყაროს დაშვების მიღება. ოვა) და უნიკალური სახელების ვარაუდის უარყოფა (უნიკალური სახელის ვარაუდი, ერთი). ქვემოთ ვნახავთ, სად შეიძლება მიგვიყვანოს ამ პრინციპებმა და შემოვიტანოთ OWL-ის რამდენიმე კონსტრუქცია.

მოდით, ონტოლოგია შეიცავდეს შემდეგ ფრაგმენტს (მანჩესტერ სინტაქსით):

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

მოჰყვება თუ არა ნათქვამიდან გამომდინარე, რომ იოანეს ბევრი შვილი ჰყავს? UNA-ს უარყოფა აიძულებს დასკვნის ძრავას უპასუხოს ამ კითხვას უარყოფითად, რადგან ალისა და ბობი შესაძლოა ერთი და იგივე პიროვნება იყვნენ. იმისათვის, რომ განხორციელდეს შემდეგი, თქვენ უნდა დაამატოთ შემდეგი აქსიომა:

DifferentIndividuals: Alice, Bob, Carol, John

მოდით, ახლა ონტოლოგიის ფრაგმენტს აქვს შემდეგი ფორმა (იოანეს გამოცხადებული აქვს ბევრი შვილი, მაგრამ მას მხოლოდ ორი შვილი ჰყავს):

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

იქნება თუ არა ეს ონტოლოგია არათანმიმდევრული (რაც შეიძლება განიმარტოს, როგორც არასწორი მონაცემების მტკიცებულება)? OWA-ს მიღება გამოიწვევს დასკვნის ძრავის უარყოფით პასუხს: „სადღაც“ (სხვა ონტოლოგიაში) შეიძლება ითქვას, რომ კეროლი ასევე ჯონის შვილია.

ამის გამორიცხვის მიზნით, დავამატოთ ახალი ფაქტი იოანეს შესახებ:

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

სხვა ბავშვების გარეგნობის გამორიცხვის მიზნით, ვთქვათ, რომ „შვილის ყოლის“ ქონების ყველა ღირებულება არის ადამიანები, რომელთაგან მხოლოდ ოთხი გვაქვს:

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

ახლა ონტოლოგია ურთიერთგამომრიცხავი გახდება, რასაც დასკვნის ძრავა არ გამოაქვეყნებს. ბოლო აქსიომებით ჩვენ, გარკვეული გაგებით, „დავიხურეთ“ სამყარო და შევამჩნიეთ, როგორ გამორიცხულია იოანეს საკუთარი შვილის შესაძლებლობა.

საწარმოს მონაცემების დაკავშირება

მიდგომებისა და ტექნოლოგიების მიბმული მონაცემების ნაკრები თავდაპირველად გამიზნული იყო მონაცემთა ინტერნეტში გამოქვეყნებისთვის. შიდა კორპორატიულ გარემოში მათი გამოყენება არაერთ სირთულეს აწყდება.

მაგალითად, დახურულ კორპორატიულ გარემოში, OWL-ის დედუქციური ძალა, რომელიც ეფუძნება OWA-ს მიღებას და UNA-ს უარყოფას, გადაწყვეტილებებს ქსელის ღია და განაწილებული ბუნების გამო, ძალიან სუსტია. და აქ შესაძლებელია შემდეგი გადაწყვეტილებები.

• OWL-ის სემანტიკით აღჭურვა, რაც გულისხმობს OWA-ს მიტოვებას და UNA-ს მიღებას, შესაბამისი გამომავალი ძრავის დანერგვას. - ამ გზაზე არის Stardog RDF საცავი.
• OWL-ის დედუქციური შესაძლებლობების მიტოვება წესების ძრავების სასარგებლოდ. — უჭერს მხარს Stardog SWRL; Jena და GraphDB გთავაზობთ საკუთარი ენებზე წესები
• OWL-ის დედუქციურ შესაძლებლობებზე უარის თქმა, მოდელირებისთვის RDFS-თან ახლოს მყოფი ამა თუ იმ ქვეჯგუფის გამოყენება. - იხილეთ მეტი ამის შესახებ ქვემოთ.

კიდევ ერთი საკითხია კორპორატიული სამყაროს უფრო დიდი აქცენტი მონაცემთა ხარისხის საკითხებზე და მონაცემთა გადამოწმების ხელსაწყოების ნაკლებობა დაკავშირებული მონაცემთა დასტაში. გამომავალი აქ არის შემდეგი.

• ისევ, გამოიყენეთ OWL კონსტრუქციების დასადასტურებლად დახურული სამყაროს სემანტიკით და უნიკალური სახელებით, თუ შესაბამისი დასკვნის ძრავა ხელმისაწვდომია.
• გამოიყენეთ შაკლისტანდარტიზებული სემანტიკური ვებ ფენის ტორტის ფენების სიის დაფიქსირების შემდეგ (თუმცა, ის ასევე შეიძლება გამოყენებულ იქნას როგორც წესების ძრავა), ან Shex.
• იმის გაგება, რომ ყველაფერი საბოლოოდ კეთდება SPARQL მოთხოვნებით, შექმნით თქვენი საკუთარი მარტივი მონაცემთა გადამოწმების მექანიზმს მათი გამოყენებით.

თუმცა, დედუქციური შესაძლებლობებისა და ვალიდაციის ინსტრუმენტების სრული უარყოფაც კი ტოვებს ბმულს მონაცემთა დასტას კონკურენციის გარეშე ამოცანებით, რომლებიც ლანდშაფტით მსგავსია ღია და განაწილებული ვებ – მონაცემთა ინტეგრაციის ამოცანებში.

რაც შეეხება ჩვეულებრივ საწარმოს საინფორმაციო სისტემას?

ეს შესაძლებელია, მაგრამ, რა თქმა უნდა, უნდა იცოდეთ ზუსტად რა პრობლემების გადაჭრა მოუწევთ შესაბამის ტექნოლოგიებს. აქ აღვწერ განვითარების მონაწილეთა ტიპურ რეაქციას, რათა ვაჩვენო, როგორ გამოიყურება ეს ტექნოლოგიური დასტა ჩვეულებრივი IT-ის თვალსაზრისით. ცოტას მახსენებს სპილოს იგავს:

• ბიზნესის ანალიტიკოსი: RDF არის რაღაც პირდაპირ შენახული ლოგიკური მოდელი.
• სისტემის ანალიტიკოსი: RDF ჰგავს EAV გაფართოება, მხოლოდ ინდექსების სიმრავლით და მოხერხებული შეკითხვის ენით.
• Разработчик: კარგი, ეს ყველაფერი მდიდარი მოდელისა და დაბალი კოდის ცნებების სულისკვეთებაა, კითხულობდა ცოტა ხნის წინ ამის შესახებ.
• პროექტის მენეჯერი: დიახ, იგივეა დასტის ნგრევა!

პრაქტიკა გვიჩვენებს, რომ სტეკი ყველაზე ხშირად გამოიყენება მონაცემთა განაწილებასა და ჰეტეროგენულობასთან დაკავშირებულ ამოცანებში, მაგალითად, MDM (Master Data Management) ან DWH (Data Warehouse) კლასის სისტემების აგებისას. ასეთი პრობლემები ნებისმიერ ინდუსტრიაშია.

ინდუსტრიის სპეციფიკური აპლიკაციების თვალსაზრისით, Linked Data ტექნოლოგიები ამჟამად ყველაზე პოპულარულია შემდეგ ინდუსტრიებში.

• ბიოსამედიცინო ტექნოლოგიები (სადაც მათი პოპულარობა, როგორც ჩანს, დაკავშირებულია დომენის სირთულესთან);

მიმდინარე

"დუღილის წერტილში" ახლახან გაიმართა კონფერენცია, რომელიც ორგანიზებული იყო "ეროვნული სამედიცინო ცოდნის ბაზის" ასოციაციის "ონტოლოგიების შერწყმა. თეორიიდან პრაქტიკულ გამოყენებამდე".

• რთული პროდუქტების წარმოება და ექსპლუატაცია (დიდი მანქანათმშენებლობა, ნავთობისა და გაზის წარმოება; ყველაზე ხშირად ჩვენ ვსაუბრობთ სტანდარტზე ISO 15926);

მიმდინარე

აქაც მიზეზი არის საგნობრივი არეალის სირთულე, როდესაც, მაგალითად, ზევით ეტაპზე, თუ ვსაუბრობთ ნავთობისა და გაზის ინდუსტრიაზე, მარტივი აღრიცხვა მოითხოვს გარკვეულ CAD ფუნქციას.

2008 წელს გაიმართა წარმომადგენლობითი ინსტალაციის ღონისძიება, რომელიც ორგანიზებული იყო Chevron-ის მიერ კონფერენცია.

ISO 15926, საბოლოოდ, ცოტა მძიმე ჩანდა ნავთობისა და გაზის ინდუსტრიისთვის (და შესაძლოა უფრო დიდი გამოყენება აღმოაჩინა მექანიკურ ინჟინერიაში). მხოლოდ Statoil (Equinor) გახდა მასზე საფუძვლიანად მიჯაჭვული, ნორვეგიაში, მთლიანობაში ეკოსისტემა. სხვები ცდილობენ გააკეთონ საკუთარი საქმე. მაგალითად, ჭორების თანახმად, შიდა ენერგეტიკის სამინისტრო აპირებს შექმნას „საწვავის და ენერგეტიკული კომპლექსის კონცეპტუალური ონტოლოგიური მოდელი“, მსგავსი, როგორც ჩანს, შექმნილია ელექტროენერგეტიკული ინდუსტრიისთვის.

• ფინანსური ორგანიზაციები (თუნდაც XBRL შეიძლება ჩაითვალოს SDMX-ისა და RDF Data Cube ონტოლოგიის ერთგვარ ჰიბრიდად);

მიმდინარე

წლის დასაწყისში, LinkedIn-მა ავტორს აქტიურად სპამი გაუგზავნა ვაკანსიები ფინანსური ინდუსტრიის თითქმის ყველა გიგანტიდან, რომლებსაც იცნობს სერიებიდან „ფორს მაჟორი“: Goldman Sachs, JPMorgan Chase და/ან Morgan Stanley, Wells Fargo, SWIFT. /Visa/Mastercard, Bank of America, Citigroup, Fed, Deutsche Bank... ალბათ ყველა ეძებდა ვინმეს, ვისი გაგზავნასაც შეძლებდა. ცოდნის გრაფიკის კონფერენცია. საკმაოდ ცოტამ მოახერხა პოვნა: ფინანსურმა ორგანიზაციებმა ყველაფერი წაიღეს პირველი დღის დილა.

HeadHunter-ზე მხოლოდ Sberbank-მა წააწყდა რაღაც საინტერესოს; ეს იყო „EAV შენახვა RDF-ის მსგავსი მონაცემთა მოდელით“.

ალბათ, განსხვავება საშინაო და დასავლური ფინანსური ინსტიტუტების შესაბამისი ტექნოლოგიებისადმი სიყვარულის ხარისხში განპირობებულია ამ უკანასკნელის საქმიანობის ტრანსნაციონალური ხასიათით. როგორც ჩანს, სახელმწიფო საზღვრებს მიღმა ინტეგრაცია ხარისხობრივად განსხვავებულ ორგანიზაციულ და ტექნიკურ გადაწყვეტილებებს მოითხოვს.

• კითხვა-პასუხის სისტემები კომერციული აპლიკაციებით (IBM Watson, Apple Siri, Google Knowledge Graph);

მიმდინარე

სხვათა შორის, Siri-ს შემქმნელი, თომას გრუბერი, არის ონტოლოგიის (IT გაგებით) განმარტების ავტორი, როგორც "კონცეპტუალიზაციის სპეციფიკაცია". ჩემი აზრით, ამ განმარტების სიტყვების გადალაგება არ ცვლის მის მნიშვნელობას, რაც შესაძლოა იმაზე მიუთითებს, რომ ის არ არის.

• სტრუქტურირებული მონაცემების გამოქვეყნება (უფრო მეტი დასაბუთებით ეს შეიძლება მიეკუთვნებოდეს დაკავშირებულ ღია მონაცემებს).

მიმდინარე

Linked Data-ის დიდი თაყვანისმცემლები არიან ეგრეთ წოდებული GLAM: გალერეები, ბიბლიოთეკები, არქივები და მუზეუმები. საკმარისია ითქვას, რომ კონგრესის ბიბლიოთეკა ხელს უწყობს MARC21-ის ჩანაცვლებას BIBFRAMEრომელიც იძლევა საფუძველს ბიბლიოგრაფიული აღწერის მომავლისთვის და, რა თქმა უნდა, RDF-ზე დაყრდნობით.

Wikidata ხშირად არის მოყვანილი, როგორც წარმატებული პროექტის მაგალითი Linked Open Data-ის სფეროში - ვიკიპედიის მანქანით წაკითხვადი ვერსია, რომლის შინაარსი, განსხვავებით DBPedia-სგან, არ წარმოიქმნება სტატიის საინფორმაციო ყუთებიდან იმპორტით, არამედ შეიქმნა მეტ-ნაკლებად ხელით (და შემდგომში ხდება ინფორმაციის წყარო იმავე ინფო ყუთებისთვის).

ჩვენ ასევე გირჩევთ, რომ შეამოწმოთ იგი список Stardog RDF საცავის მომხმარებლები Stardog ვებსაიტზე "მომხმარებელთა" განყოფილებაში.

როგორც არ უნდა იყოს, Gartner-ში Hype Cycle for Emerging Technologies 2016 „საწარმოთა ტაქსონომიისა და ონტოლოგიის მენეჯმენტი“ მოთავსებულია იმედგაცრუების ხეობაში დაღმართის შუაგულში, „პროდუქტიულობის პლატოზე“ მიღწევის პერსპექტივით არა უადრეს 10 წლის შემდეგ.

საწარმოს მონაცემების დაკავშირება

პროგნოზები, პროგნოზები, პროგნოზები ...

ისტორიული ინტერესებიდან გამომდინარე, ქვემოთ ჩამოვთვალე Gartner-ის პროგნოზები სხვადასხვა წლების განმავლობაში ჩვენთვის საინტერესო ტექნოლოგიების შესახებ.

წელი	Технология	Report	თანამდებობა	წლები პლატომდე
2001	სემანტიკური ვებ	განვითარებადი ტექნოლოგიები	ინოვაციის გამომწვევი	5-10
2006	კორპორატიული სემანტიკური ვებ	განვითარებადი ტექნოლოგიები	გაბერილი მოლოდინების პიკი	5-10
2012	სემანტიკური ვებ	დიდი მონაცემთა	გაბერილი მოლოდინების პიკი	> 10
2015	დაკავშირებული მონაცემები	გაფართოებული ანალიტიკა და მონაცემთა მეცნიერება	იმედგაცრუების ტალღა	5-10
2016	საწარმოთა ონტოლოგიის მენეჯმენტი	განვითარებადი ტექნოლოგიები	იმედგაცრუების ტალღა	> 10
2018	ცოდნის დიაგრამა	განვითარებადი ტექნოლოგიები	ინოვაციის გამომწვევი	5-10

თუმცა, უკვე შევიდა "Hype Cycle..." 2018 წელი გამოჩნდა კიდევ ერთი აღმავალი ტენდენცია - ცოდნის გრაფიკები. მოხდა გარკვეული რეინკარნაცია: გრაფიკული DBMS-ები, რომლებზეც აღმოჩნდა მომხმარებლების ყურადღება და დეველოპერების ძალისხმევა, პირველის მოთხოვნისა და ამ უკანასკნელის ჩვევების გავლენით, დაიწყეს კონტურების და პოზიციონირების მიღება. მათი წინამორბედი კონკურენტები.

თითქმის ყველა გრაფიკი DBMS ახლა აცხადებს თავს შესაფერის პლატფორმად კორპორატიული „ცოდნის გრაფიკის“ შესაქმნელად („დაკავშირებული მონაცემები“ ზოგჯერ იცვლება „დაკავშირებული მონაცემებით“), მაგრამ რამდენად გამართლებულია ასეთი პრეტენზიები?

გრაფიკის მონაცემთა ბაზები ჯერ კიდევ ასემანტიკურია; გრაფიკის DBMS მონაცემები კვლავ იგივე მონაცემთა სილოა. სტრიქონის იდენტიფიკატორები, URI-ების ნაცვლად, აქცევს ორი გრაფის DBMS-ის ინტეგრაციის ამოცანას კვლავ ინტეგრაციის ამოცანად, ხოლო ორი RDF მაღაზიის ინტეგრირება ხშირად მოდის მხოლოდ ორი RDF გრაფიკის შერწყმაზე. ასემანტიკის კიდევ ერთი ასპექტია LPG გრაფიკის მოდელის არარეფლექსურობა, რაც ართულებს მეტამონაცემების მართვას იმავე პლატფორმის გამოყენებით.

და ბოლოს, გრაფიკის DBMS-ებს არ აქვთ დასკვნის ძრავები ან წესების ძრავები. ასეთი ძრავების შედეგების რეპროდუცირება შესაძლებელია მოთხოვნების გართულებით, მაგრამ ეს შესაძლებელია SQL-შიც კი.

თუმცა, წამყვანი RDF შენახვის სისტემებს არ უჭირთ LPG მოდელის მხარდაჭერა. ყველაზე მყარი მიდგომა ითვლება Blazegraph-ში შემოთავაზებულ ერთ დროს: RDF* მოდელი, რომელიც აერთიანებს RDF და LPG.

სხვა

შეგიძლიათ მეტი წაიკითხოთ LPG მოდელის RDF შენახვის მხარდაჭერის შესახებ წინა სტატიაში Habré-ზე: "რა ხდება ახლა RDF საცავთან". ვიმედოვნებ, რომ ერთ დღეს ცალკე სტატია დაიწერება ცოდნის გრაფიკების და მონაცემთა ქსოვილის შესახებ. დასკვნითი ნაწილი, როგორც ადვილად გასაგებია, ნაჩქარევად დაიწერა, თუმცა, ექვსი თვის შემდეგაც კი, ამ ცნებებით ყველაფერი გაცილებით ნათელი არ არის.

ლიტერატურა

1. Halpin, H., Monnin, A. (eds.) (2014). ფილოსოფიური ინჟინერია: ქსელის ფილოსოფიისკენ
2. Allemang, D., Hendler, J. (2011) Semantic Web for the Working Ontologist (2nd ed.)
3. Staab, S., Studer, R. (eds.) (2009) Handbook on Ontologies (2nd ed.)
4. Wood, D. (რედ.). (2011) საწარმოთა მონაცემების დაკავშირება
5. Keet, M. (2018) ონტოლოგიის ინჟინერიის შესავალი

წყარო: www.habr.com