सिमेंटिक वेब आणि लिंक केलेला डेटा. दुरुस्त्या आणि जोडणी

नुकत्याच प्रकाशित झालेल्या या पुस्तकाचा एक भाग मी लोकांसमोर सादर करू इच्छितो:

एंटरप्राइझचे ऑन्टोलॉजिकल मॉडेलिंग: पद्धती आणि तंत्रज्ञान [मजकूर]: मोनोग्राफ / [एस. व्ही. गोर्शकोव्ह, एस.एस. क्रॅलिन, ओ.आय. मुश्ताक आणि इतर; कार्यकारी संपादक एसव्ही गोर्शकोव्ह]. - एकटेरिनबर्ग: उरल युनिव्हर्सिटी पब्लिशिंग हाऊस, 2019. - 234 पी.: आजारी, टेबल; 20 सेमी. - लेखक. मागील टिट वर सूचित केले आहे. सह. - ग्रंथसूची ch च्या शेवटी. — ISBN 978-5-7996-2580-1: 200 प्रती.

Habré वर हा भाग पोस्ट करण्याचा उद्देश चौपट आहे:

• आदरणीय ग्राहक नसल्यास कोणीही हे पुस्तक त्यांच्या हातात धरू शकेल अशी शक्यता नाही SergeIndex; हे निश्चितपणे विक्रीवर नाही.
• मजकुरात दुरुस्त्या केल्या गेल्या आहेत (ते खाली हायलाइट केलेले नाहीत) आणि मुद्रित मोनोग्राफच्या फॉरमॅटशी फारशी सुसंगत नसलेल्या जोडण्या केल्या आहेत: टॉपिकल नोट्स (स्पॉयलर अंतर्गत) आणि हायपरलिंक्स.
• मला करायचे आहे प्रश्न आणि टिप्पण्या गोळा करा, इतर कोणत्याही प्रकाशनांमध्ये हा मजकूर सुधारित स्वरूपात समाविष्ट करताना ते विचारात घेण्यासाठी.
• बर्‍याच सिमेंटिक वेब आणि लिंक्ड डेटाचे अनुयायी अजूनही मानतात की त्यांचे वर्तुळ इतके अरुंद आहे, मुख्यतः सामान्य लोकांना अद्याप सिमेंटिक वेब आणि लिंक्ड डेटाचे अनुयायी असणे किती चांगले आहे हे योग्यरित्या स्पष्ट केले गेले नाही. तुकड्याचा लेखक, जरी तो या वर्तुळाचा आहे, हे मत मानत नाही, परंतु तरीही, तो स्वत: ला आणखी एक प्रयत्न करण्यास बांधील मानतो.

त्यामुळे

सिमेंटिक वेब

इंटरनेटची उत्क्रांती खालीलप्रमाणे दर्शविली जाऊ शकते (किंवा खाली दर्शविलेल्या क्रमाने तयार झालेल्या त्याच्या विभागांबद्दल बोला):

1. इंटरनेटवरील दस्तऐवज. मुख्य तंत्रज्ञान - गोफर, एफटीपी इ.
   इंटरनेट हे स्थानिक संसाधनांच्या देवाणघेवाणीसाठी जागतिक नेटवर्क आहे.
2. इंटरनेट दस्तऐवज. HTML आणि HTTP हे प्रमुख तंत्रज्ञान आहेत.
   उघड केलेल्या संसाधनांचे स्वरूप त्यांच्या प्रसार माध्यमाची वैशिष्ट्ये विचारात घेते.
3. इंटरनेट डेटा. मुख्य तंत्रज्ञान - REST आणि SOAP API, XHR, इ.
   इंटरनेट ऍप्लिकेशन्सचे युग, केवळ लोक संसाधनांचे ग्राहक बनत नाहीत.
4. इंटरनेट डेटा. मुख्य तंत्रज्ञान लिंक्ड डेटा तंत्रज्ञान आहेत.
   दुसऱ्या क्रमांकाच्या प्रमुख तंत्रज्ञानाचा निर्माता आणि W3C चे संचालक बर्नर्स-ली यांनी भाकीत केलेल्या या चौथ्या टप्प्याला सिमेंटिक वेब म्हणतात; लिंक्ड डेटा तंत्रज्ञान वेबवरील डेटा केवळ मशीन-वाचण्यायोग्य नाही तर “मशीन-समजण्यायोग्य” बनवण्यासाठी डिझाइन केले आहे.

पुढील गोष्टींवरून, दुसऱ्या आणि चौथ्या टप्प्यातील मुख्य संकल्पनांमधील पत्रव्यवहार वाचकाला समजेल:

• URLs हे URI सारखे आहेत,
• एचटीएमएलचे अॅनालॉग आरडीएफ आहे,
• एचटीएमएल हायपरलिंक्स RDF दस्तऐवजांमध्ये URI घटनांप्रमाणेच असतात.

सिमेंटिक वेब ही विशिष्ट उत्स्फूर्त किंवा लॉबिंग ट्रेंडपेक्षा इंटरनेटच्या भविष्याची पद्धतशीर दृष्टी आहे, जरी ती या नंतरच्या गोष्टी विचारात घेऊ शकते. उदाहरणार्थ, वेब 2.0 म्हटल्या जाणार्‍या एक महत्त्वाचे वैशिष्ट्य म्हणजे "वापरकर्ता-व्युत्पन्न सामग्री" मानली जाते. विशेषतः, W3C शिफारशी विचारात घेण्यास सांगितले जाते “वेब भाष्य ऑन्टोलॉजी"आणि असे उपक्रम घन.

सिमेंटिक वेब मृत आहे का?

नकार दिल्यास अवास्तव अपेक्षा, सिमेंटिक वेबची परिस्थिती विकसित समाजवादाच्या काळात कम्युनिझम सारखीच आहे (आणि इलिचच्या सशर्त इच्छेवर निष्ठा पाळली जाते की नाही, प्रत्येकाने स्वत: साठी निर्णय घेऊ द्या). शोधयंत्र अगदी यशस्वीपणे वेबसाइटना RDFa आणि JSON-LD वापरण्यास भाग पाडतात आणि स्वतः खाली वर्णन केलेल्या तंत्रज्ञानाशी संबंधित तंत्रज्ञान वापरतात (Google Knowledge Graph, Bing Knowledge Graph).

सामान्य शब्दात, लेखक अधिक प्रसार रोखत आहे हे सांगू शकत नाही, परंतु तो वैयक्तिक अनुभवाच्या आधारे बोलू शकतो. SW आक्षेपार्ह परिस्थितीत "बॉक्सच्या बाहेर" सोडवल्या जाऊ शकणार्‍या समस्या आहेत, जरी त्या फारशा व्यापक नसल्या तरी. परिणामी, ज्यांना या कार्यांचा सामना करावा लागतो त्यांच्याकडे उपाय प्रदान करण्यास सक्षम असलेल्यांविरूद्ध बळजबरी करण्याचे कोणतेही साधन नाही, तर समाधानाची नंतरची स्वतंत्र तरतूद त्यांच्या व्यवसाय मॉडेलच्या विरोधाभासी आहे. म्हणून आम्ही HTML पार्स करणे सुरू ठेवतो आणि विविध APIs एकत्र चिकटवून ठेवतो, एकमेकांना जास्त.

तथापि, लिंक्ड डेटा तंत्रज्ञान मुख्य प्रवाहाच्या वेबच्या पलीकडे पसरले आहे; पुस्तक, खरं तर, या अनुप्रयोगांना समर्पित आहे. सध्या, लिंक्ड डेटा समुदायाला गार्टनरच्या रेकॉर्डिंग (किंवा तुम्हाला आवडेल त्याप्रमाणे घोषणा) यांसारख्या ट्रेंडबद्दल हे तंत्रज्ञान अधिक व्यापक होण्याची अपेक्षा आहे. ज्ञान आलेख и डेटा फॅब्रिक. मी विश्वास ठेवू इच्छितो की या संकल्पनांची "सायकल" अंमलबजावणी यशस्वी होणार नाही, परंतु खाली चर्चा केलेल्या W3C मानकांशी संबंधित आहेत.

लिंक केलेला डेटा

बर्नर्स-ली यांनी लिंक्ड डेटाला अर्थविषयक वेब "योग्य केले" म्हणून परिभाषित केले: दृष्टीकोन आणि तंत्रज्ञानाचा एक संच जो त्याला त्याचे अंतिम उद्दिष्ट साध्य करण्यास अनुमती देतो. लिंक्ड डेटा बर्नर्स-लीची मूलभूत तत्त्वे हायलाइट केले खालील

तत्त्व १. संस्थांना नाव देण्यासाठी URI वापरणे.

नोंदींसाठी स्थानिक स्ट्रिंग आयडेंटिफायरच्या विरूद्ध URI हे जागतिक अस्तित्व अभिज्ञापक आहेत. त्यानंतर, हे तत्त्व Google Knowledge Graph या घोषवाक्यात उत्तम प्रकारे व्यक्त केले गेले.गोष्टी, तार नाही».

तत्त्व १. एचटीटीपी स्कीममध्ये यूआरआय वापरणे जेणेकरुन त्यांचा संदर्भ काढून टाकता येईल.

URI ला ऍक्सेस करून, त्या सिग्निफायरच्या मागे सिग्निफाइड मिळवणे शक्य झाले पाहिजे (ऑपरेटरच्या नावाशी साधर्म्य येथे स्पष्ट आहे).*"C मध्ये); अधिक तंतोतंत, HTTP शीर्षलेखाच्या मूल्यावर अवलंबून - या चिन्हाचे काही प्रतिनिधित्व मिळविण्यासाठी Accept:. कदाचित, एआर/व्हीआर युगाच्या आगमनाने, संसाधन स्वतःच प्राप्त करणे शक्य होईल, परंतु आतासाठी, बहुधा, ते आरडीएफ दस्तऐवज असेल, जे SPARQL क्वेरी कार्यान्वित करण्याचा परिणाम आहे. DESCRIBE.

तत्त्व १. W3C मानकांचा वापर - प्रामुख्याने RDF(S) आणि SPARQL - विशेषत: URI चा संदर्भ देताना.

लिंक्ड डेटा टेक्नॉलॉजी स्टॅकचे हे वैयक्तिक “लेयर”, ज्यांना असेही म्हणतात सिमेंटिक वेब लेयर केक, खाली वर्णन केले जाईल.

तत्त्व १. घटकांचे वर्णन करताना इतर URI च्या संदर्भांचा वापर.

RDF तुम्हाला नैसर्गिक भाषेतील संसाधनाच्या मौखिक वर्णनापर्यंत स्वतःला मर्यादित ठेवण्याची परवानगी देते आणि चौथे तत्त्व असे न करण्याचे आवाहन करते. जर पहिले तत्त्व सार्वत्रिकपणे पाळले गेले तर, "परदेशी" सह इतरांना संदर्भित करण्यासाठी संसाधनाचे वर्णन करताना हे शक्य होते, म्हणूनच डेटाला लिंक्ड म्हटले जाते. खरं तर, RDFS शब्दसंग्रहात नाव दिलेले URI वापरणे जवळजवळ अपरिहार्य आहे.

आरडीएफ

आरडीएफ (संसाधन वर्णन फ्रेमवर्क) परस्परसंबंधित घटकांचे वर्णन करण्यासाठी एक औपचारिकता आहे.

"विषय-प्रेडिकेट-ऑब्जेक्ट" प्रकाराची विधाने, ज्याला त्रिगुण म्हणतात, संस्था आणि त्यांच्या संबंधांबद्दल तयार केले जातात. सर्वात सोप्या बाबतीत, विषय, प्रेडिकेट आणि ऑब्जेक्ट हे सर्व URI आहेत. समान यूआरआय वेगवेगळ्या तिप्पटांमध्ये वेगवेगळ्या स्थितीत असू शकते: एक विषय, एक प्रेडिकेट आणि एक वस्तू; अशाप्रकारे, तिप्पट एक प्रकारचा आलेख तयार करतात ज्याला RDF आलेख म्हणतात.

विषय आणि वस्तू केवळ URI नसून तथाकथित देखील असू शकतात रिक्त नोड्स, आणि वस्तू देखील असू शकतात शब्दशः. अक्षरे ही आदिम प्रकारांची उदाहरणे आहेत ज्यात स्ट्रिंगचे प्रतिनिधित्व आणि प्रकाराचे संकेत असतात.

अक्षरे लिहिण्याची उदाहरणे (टर्टल सिंटॅक्समध्ये, खाली याबद्दल अधिक): "5.0"^^xsd:float и "five"^^xsd:string. प्रकारासह अक्षरे rdf:langString भाषेच्या टॅगसह देखील सुसज्ज केले जाऊ शकते; टर्टलमध्ये हे असे लिहिले आहे: "five"@en и "пять"@ru.

रिक्त नोड्स हे जागतिक अभिज्ञापकांशिवाय "अनामित" संसाधने आहेत, ज्याबद्दल विधाने केली जाऊ शकतात; अस्तित्वात्मक चलांचे प्रकार.

तर (खरं तर हा आरडीएफचा संपूर्ण मुद्दा आहे):

• विषय URI किंवा रिक्त नोड आहे,
• पूर्वसूचना एक URI आहे,
• ऑब्जेक्ट एक URI, रिक्त नोड किंवा शब्दशः आहे.

अंदाज रिक्त नोड्स का असू शकत नाहीत?

संभाव्य कारण म्हणजे अनौपचारिकपणे ट्रिपलेटला प्रथम-ऑर्डर प्रेडिकेट लॉजिकच्या भाषेत समजून घेण्याची आणि भाषांतरित करण्याची इच्छा s p o सारखे काहीतरी कुठे - भविष्यवाणी करणे, и - स्थिरांक. या समजुतीच्या खुणा दस्तऐवजात आहेत "LBase: सिमेंटिक वेबच्या भाषांसाठी अर्थशास्त्र", ज्याला W3C वर्किंग ग्रुप नोटची स्थिती आहे. या समजुतीनें त्रिगुण s p []कुठे [] - रिक्त नोड, म्हणून भाषांतरित केले जाईल कुठे - व्हेरिएबल, परंतु नंतर भाषांतर कसे करावे s [] o? W3C शिफारस स्थितीसह दस्तऐवज "RDF 1.1 शब्दार्थ” दुसरी भाषांतर पद्धत ऑफर करते, परंतु तरीही रिक्त नोड्स असण्याची शक्यता विचारात घेत नाही.

तरी मनु स्पोरनी परवानगी.

आरडीएफ एक अमूर्त मॉडेल आहे. RDF विविध वाक्यरचनांमध्ये (क्रमांकीकृत) लिहिले जाऊ शकते: RDF/XML, कासव (सर्वाधिक मानवी वाचनीय), जेएसओएन-एलडी, एचडीटी (बायनरी).

समान RDF वेगवेगळ्या प्रकारे RDF/XML मध्ये अनुक्रमित केले जाऊ शकते, म्हणून, उदाहरणार्थ, XSD वापरून परिणामी XML प्रमाणित करण्यात किंवा XPath वापरून डेटा काढण्याचा प्रयत्न करण्यात काहीच अर्थ नाही. त्याचप्रमाणे, JSON-LD ने Javascript च्या डॉट आणि स्क्वेअर-ब्रॅकेट नोटेशनचा वापर करून RDF सोबत काम करण्याची सरासरी Javascript डेव्हलपरची इच्छा पूर्ण करण्याची शक्यता नाही (जरी JSON-LD एक यंत्रणा ऑफर करून त्या दिशेने वाटचाल करते. फ्रेमिंग).

बहुतेक वाक्यरचना लांब यूआरआय लहान करण्याचे मार्ग देतात. उदाहरणार्थ, जाहिरात @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> इन टर्टल नंतर तुम्हाला त्याऐवजी लिहू देईल <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> फक्त rdf:type.

RDFS

RDFS (RDF स्कीमा) - एक मूलभूत मॉडेलिंग शब्दसंग्रह, मालमत्ता आणि वर्ग आणि गुणधर्मांच्या संकल्पनांचा परिचय देते जसे की rdf:type, rdfs:subClassOf, rdfs:domain и rdfs:range. RDFS शब्दकोश वापरून, उदाहरणार्थ, खालील वैध अभिव्यक्ती लिहिल्या जाऊ शकतात:

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 .

आरडीएफएस हे वर्णन आणि मॉडेलिंग शब्दसंग्रह आहे, परंतु ती मर्यादित भाषा नाही (जरी अधिकृत तपशील आणि पाने अशा वापराची शक्यता). "स्कीमा" हा शब्द "XML स्कीमा" या अभिव्यक्तीप्रमाणेच समजू नये. उदाहरणार्थ, :author rdfs:range foaf:Person याचा अर्थ rdf:type सर्व मालमत्ता मूल्ये :author - foaf:Person, परंतु याचा अर्थ असा नाही की हे आगाऊ सांगितले पाहिजे.

स्पार्कल

स्पार्कल (SPARQL प्रोटोकॉल आणि RDF क्वेरी भाषा) - RDF डेटा क्वेरी करण्यासाठी एक भाषा. एका साध्या प्रकरणात, SPARQL क्वेरी हा नमुन्यांचा एक संच आहे ज्याच्या विरुद्ध क्वेरी केल्या जात असलेल्या आलेखाचे तिप्पट जुळतात. नमुन्यांमध्ये विषय, प्रेडिकेट आणि ऑब्जेक्ट पोझिशनमध्ये चल असू शकतात.

क्वेरी अशी व्हेरिएबल व्हॅल्यूज देईल जी नमुन्यांमध्ये बदलल्यावर, क्वेरी केलेल्या RDF आलेखाचा सबग्राफ (त्याच्या तिप्पटांचा उपसंच) होऊ शकतो. त्रिगुणांच्या वेगवेगळ्या नमुन्यांमधील समान नावाच्या चलांची मूल्ये समान असणे आवश्यक आहे.

उदाहरणार्थ, वरील सात RDFS स्वयंसिद्ध संच दिल्यास, खालील क्वेरी परत येईल rdfs:domain и rdfs:range मूल्ये म्हणून ?s и ?p अनुक्रमे:

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

हे लक्षात घेण्यासारखे आहे की SPARQL ही घोषणात्मक आहे आणि ग्राफ ट्रॅव्हर्सलचे वर्णन करण्याची भाषा नाही (तथापि, काही RDF रेपॉजिटरीज क्वेरी अंमलबजावणी योजना समायोजित करण्याचे मार्ग देतात). म्हणून, काही मानक आलेख समस्या, उदाहरणार्थ, सर्वात लहान मार्ग शोधणे, SPARQL मध्ये सोडवता येत नाही, ज्यात मालमत्ता मार्ग (परंतु, पुन्हा, वैयक्तिक RDF रेपॉजिटरीज या समस्यांचे निराकरण करण्यासाठी विशेष विस्तार देतात).

SPARQL जगाच्या मोकळेपणाचे गृहितक सामायिक करत नाही आणि "अपयश म्हणून नकार" या दृष्टिकोनाचे अनुसरण करते, ज्यामध्ये शक्य डिझाईन्स जसे की FILTER NOT EXISTS {…}. यंत्रणा वापरून डेटा वितरण विचारात घेतले जाते संघटित प्रश्न.

SPARQL ऍक्सेस पॉईंट - SPARQL क्वेरीवर प्रक्रिया करण्यास सक्षम RDF स्टोरेज - मध्ये दुसऱ्या टप्प्यापासून थेट अॅनालॉग नाहीत (या परिच्छेदाची सुरुवात पहा). त्याची तुलना डेटाबेसशी केली जाऊ शकते, ज्याच्या सामग्रीच्या आधारावर HTML पृष्ठे व्युत्पन्न केली गेली होती, परंतु बाहेरून प्रवेश करण्यायोग्य आहे. SPARQL ऍक्सेस पॉइंट तिसऱ्या टप्प्यापासून API ऍक्सेस पॉईंटशी अधिक समान आहे, परंतु दोन मुख्य फरकांसह. प्रथम, अनेक "अणु" क्वेरी एकामध्ये एकत्र करणे शक्य आहे (जे ग्राफक्यूएलचे मुख्य वैशिष्ट्य मानले जाते), आणि दुसरे म्हणजे, असे API पूर्णपणे स्वयं-दस्तऐवजीकरण आहे (जे HATEOAS ने साध्य करण्याचा प्रयत्न केला आहे).

वादग्रस्त टिप्पणी

RDF हा वेबवर डेटा प्रकाशित करण्याचा एक मार्ग आहे, म्हणून RDF स्टोरेज हा दस्तऐवज DBMS मानला जावा. खरे आहे, आरडीएफ हा आलेख आहे आणि झाड नाही, ते देखील आलेख-आधारित असल्याचे दिसून आले. तो सर्व बाहेर काम की आश्चर्यकारक आहे. कोणाला वाटले असेल की असे स्मार्ट लोक असतील जे रिक्त नोड लागू करतील. कॉड येथे आहे ते चालले नाही.

RDF डेटामध्ये प्रवेश व्यवस्थापित करण्याचे कमी पूर्ण-वैशिष्ट्यपूर्ण मार्ग देखील आहेत, उदाहरणार्थ, लिंक केलेले डेटा तुकडे (LDF) आणि लिंक केलेला डेटा प्लॅटफॉर्म (LDP).

OWL

OWL (वेब ऑन्टोलॉजी भाषा) - ज्ञानाचे प्रतिनिधित्व करण्यासाठी एक औपचारिकता, वर्णन तर्कशास्त्राची वाक्यरचनात्मक आवृत्ती (खाली सर्वत्र OWL 2 म्हणणे अधिक योग्य आहे, OWL ची पहिली आवृत्ती यावर आधारित होती ).

OWL मधील वर्णनात्मक तर्कशास्त्राच्या संकल्पना वर्गांशी संबंधित आहेत, भूमिका गुणधर्मांशी संबंधित आहेत, व्यक्ती त्यांचे पूर्वीचे नाव कायम ठेवतात. स्वयंसिद्धांना स्वयंसिद्ध असेही म्हणतात.

उदाहरणार्थ, तथाकथित मध्ये मँचेस्टर वाक्यरचना OWL नोटेशनसाठी एक स्वयंसिद्धता आम्हाला आधीच ज्ञात आहे असे लिहिले जाईल:

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

OWL लिहिण्यासाठी इतर वाक्यरचना आहेत, जसे की कार्यात्मक वाक्यरचना, अधिकृत तपशिलामध्ये वापरलेले, आणि OWL/XML. याव्यतिरिक्त, ओडब्लूएल अनुक्रमित केले जाऊ शकते RDF वाक्यरचना अमूर्त करण्यासाठी आणि पुढे - कोणत्याही विशिष्ट वाक्यरचनामध्ये.

OWL चा RDF शी दुहेरी संबंध आहे. एकीकडे, हा एक प्रकारचा शब्दकोश मानला जाऊ शकतो जो आरडीएफएसचा विस्तार करतो. दुसरीकडे, ही एक अधिक शक्तिशाली औपचारिकता आहे ज्यासाठी RDF फक्त एक क्रमिक स्वरूप आहे. एकल RDF ट्रिपलेट वापरून सर्व प्राथमिक OWL रचना लिहिल्या जाऊ शकत नाहीत.

ओडब्लूएल कंस्ट्रक्ट्सचा कोणता उपसंच वापरण्याची परवानगी आहे यावर अवलंबून, ते तथाकथित बोलतात ओडब्ल्यूएल प्रोफाइल. प्रमाणित आणि सर्वात प्रसिद्ध OWL EL, OWL RL आणि OWL QL आहेत. प्रोफाइलची निवड विशिष्ट समस्यांच्या संगणकीय जटिलतेवर परिणाम करते. OWL रचनांचा एक संपूर्ण संच संबंधित आहे , OWL DL म्हणतात. काहीवेळा ते ओडब्ल्यूएल फुल बद्दल देखील बोलतात, ज्यामध्ये ओडब्लूएल कंस्ट्रक्ट्सना शब्दार्थ आणि संगणकीय निर्बंधांशिवाय, आरडीएफमध्ये अंतर्भूत असलेल्या पूर्ण स्वातंत्र्यासह वापरण्याची परवानगी आहे. . उदाहरणार्थ, काहीतरी वर्ग आणि मालमत्ता दोन्ही असू शकते. OWL पूर्ण अनिर्णय आहे.

ओडब्लूएलमध्ये परिणाम जोडण्यासाठी मुख्य तत्त्वे म्हणजे मुक्त जगाची धारणा स्वीकारणे. ओडब्ल्यूए) आणि अनन्य नावांचे गृहितक नाकारणे (अद्वितीय नाव गृहीतक, एक). ही तत्त्वे कुठे नेऊ शकतात आणि काही OWL रचनांचा परिचय करून देऊ शकतात हे खाली आपण पाहू.

ऑन्टोलॉजीमध्ये खालील तुकडा असू द्या (मँचेस्टर वाक्यरचनामध्ये):

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

जॉनला पुष्कळ मुले आहेत असे जे म्हटले आहे त्यावरून ते पुढे येईल का? UNA नाकारल्याने निष्कर्ष इंजिनला या प्रश्नाचे उत्तर नकारार्थी देण्यास भाग पाडले जाईल, कारण एलिस आणि बॉब कदाचित एकच व्यक्ती असू शकतात. खालील गोष्टी होण्यासाठी, तुम्हाला खालील स्वयंसिद्ध जोडणे आवश्यक आहे:

DifferentIndividuals: Alice, Bob, Carol, John

आता ऑन्टोलॉजीच्या तुकड्याचे खालील स्वरूप असू द्या (जॉनला अनेक मुले असल्याचे घोषित केले आहे, परंतु त्याला फक्त दोन मुले आहेत):

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

हे ऑन्टोलॉजी विसंगत असेल (ज्याला अवैध डेटाचा पुरावा म्हणून अर्थ लावला जाऊ शकतो)? OWA स्वीकारल्याने निष्कर्ष इंजिनला नकारात्मक प्रतिसाद मिळेल: "कुठेतरी" (दुसऱ्या ऑन्टोलॉजीमध्ये) असे म्हटले जाऊ शकते की कॅरोल देखील जॉनचे मूल आहे.

याची शक्यता नाकारण्यासाठी, जॉनबद्दल एक नवीन तथ्य जोडूया:

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

इतर मुलांचे स्वरूप वगळण्यासाठी, असे म्हणूया की "मुल असणे" या मालमत्तेची सर्व मूल्ये लोक आहेत, ज्यांपैकी आमच्याकडे फक्त चार आहेत:

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

आता ऑन्टोलॉजी विरोधाभासी होईल, ज्याचा निष्कर्ष इंजिन अहवाल देण्यात अपयशी ठरणार नाही. शेवटच्या स्वयंसिद्धांसह, आपण एका अर्थाने जग “बंद” केले आहे आणि जॉनचे स्वतःचे मूल असण्याची शक्यता कशी वगळली आहे ते लक्षात घ्या.

एंटरप्राइझ डेटा लिंक करणे

दृष्टिकोन आणि तंत्रज्ञानाचा लिंक केलेला डेटा संच मूळतः वेबवर डेटा प्रकाशित करण्यासाठी होता. अंतर्गत कॉर्पोरेट वातावरणात त्यांचा वापर करताना अनेक अडचणी येतात.

उदाहरणार्थ, बंद कॉर्पोरेट वातावरणात, OWA स्वीकारणे आणि UNA नाकारणे यावर आधारित OWL ची वजावटी शक्ती, वेबच्या खुल्या आणि वितरित स्वरूपामुळे घेतलेले निर्णय, खूप कमकुवत आहे. आणि येथे खालील उपाय शक्य आहेत.

• ओडब्लूएलला सिमेंटिक्स प्रदान करणे, ओडब्ल्यूएचा त्याग करणे आणि यूएनएचा अवलंब करणे, संबंधित आउटपुट इंजिनची अंमलबजावणी करणे सूचित करते. - या मार्गावर जात आहे स्टारडॉग आरडीएफ स्टोरेज.
• नियम इंजिनच्या बाजूने ओडब्ल्यूएलच्या कपाती क्षमतांचा त्याग करणे. - स्टारडॉग सपोर्ट करतो SWRL; जेना आणि ग्राफडीबी ऑफर स्वत: चे भाषा नियम
• OWL च्या वजावटी क्षमतांना नकार, मॉडेलिंगसाठी RDFS जवळ एक किंवा दुसर्या उपसंचाचा वापर. - खाली याबद्दल अधिक पहा.

दुसरी समस्या म्हणजे कॉर्पोरेट जगाने डेटा गुणवत्तेच्या समस्यांवर आणि लिंक्ड डेटा स्टॅकमधील डेटा प्रमाणीकरण साधनांचा अभाव यावर जास्त लक्ष केंद्रित केले आहे. येथे आउटपुट खालीलप्रमाणे आहेत.

• पुन्हा, योग्य अनुमान इंजिन उपलब्ध असल्यास बंद जागतिक शब्दार्थ आणि अद्वितीय नावांसह OWL रचनांच्या प्रमाणीकरणासाठी वापरा.
• वापरा SHACL, सिमेंटिक वेब लेयर केक लेयर्सची यादी निश्चित केल्यानंतर प्रमाणित केले जाते (तथापि, ते नियम इंजिन म्हणून देखील वापरले जाऊ शकते), किंवा शेएक्स.
• सर्व काही शेवटी SPARQL क्वेरींसह केले जाते हे समजून घेणे, त्यांचा वापर करून तुमची स्वतःची साधी डेटा प्रमाणीकरण यंत्रणा तयार करणे.

तथापि, कपाती क्षमता आणि प्रमाणीकरण साधनांचा पूर्ण नकार देखील लिंक्ड डेटा स्टॅकला लँडस्केपमध्ये खुल्या आणि वितरीत वेब - डेटा इंटिग्रेशन टास्कमध्ये समान असलेल्या कार्यांमध्ये स्पर्धेपासून दूर ठेवतो.

नियमित एंटरप्राइझ माहिती प्रणालीबद्दल काय?

हे शक्य आहे, परंतु संबंधित तंत्रज्ञानाने नेमक्या कोणत्या समस्या सोडवाव्या लागतील याची जाणीव नक्कीच असली पाहिजे. पारंपारिक आयटीच्या दृष्टिकोनातून हे तंत्रज्ञान स्टॅक कसा दिसतो हे दाखवण्यासाठी मी येथे विकास सहभागींच्या विशिष्ट प्रतिक्रियेचे वर्णन करेन. मला हत्तीच्या बोधकथेची थोडी आठवण करून देते:

• व्यवसाय विश्लेषक: RDF हे थेट संग्रहित लॉजिकल मॉडेलसारखे काहीतरी आहे.
• प्रणाली विश्लेषक: RDF सारखे आहे EAV, फक्त अनुक्रमणिका आणि सोयीस्कर क्वेरी भाषेसह.
• विकसक: बरं, हे सर्व रिच मॉडेल आणि लो कोडच्या संकल्पनांच्या आत्म्यात आहे, वाचत होतो अलीकडे या बद्दल.
• प्रकल्प व्यवस्थापक: हो तेच आहे स्टॅक कोसळणे!

सराव दर्शविते की स्टॅकचा वापर डेटाच्या वितरण आणि विषमतेशी संबंधित कामांमध्ये केला जातो, उदाहरणार्थ, MDM (मास्टर डेटा मॅनेजमेंट) किंवा DWH (डेटा वेअरहाऊस) वर्ग प्रणाली तयार करताना. अशा समस्या कोणत्याही उद्योगात असतात.

उद्योग-विशिष्ट अनुप्रयोगांच्या दृष्टीने, लिंक्ड डेटा तंत्रज्ञान सध्या खालील उद्योगांमध्ये सर्वाधिक लोकप्रिय आहेत.

• बायोमेडिकल तंत्रज्ञान (जेथे त्यांची लोकप्रियता डोमेनच्या जटिलतेशी संबंधित असल्याचे दिसते);

वर्तमान

"बॉइलिंग पॉइंट" ने नुकतीच "नॅशनल मेडिकल नॉलेज बेस" असोसिएशनने आयोजित केलेल्या परिषदेचे आयोजन केले होते.ऑन्टोलॉजीज एकत्र करणे. सिद्धांत ते व्यावहारिक अनुप्रयोग».

• जटिल उत्पादनांचे उत्पादन आणि ऑपरेशन (मोठे यांत्रिक अभियांत्रिकी, तेल आणि वायू उत्पादन; बहुतेकदा आम्ही मानकांबद्दल बोलत असतो. ISO 15926);

वर्तमान

येथे देखील, कारण विषय क्षेत्राची जटिलता आहे, जेव्हा, उदाहरणार्थ, अपस्ट्रीम टप्प्यावर, जर आपण तेल आणि वायू उद्योगाबद्दल बोललो तर, साध्या लेखांकनासाठी काही CAD कार्ये आवश्यक आहेत.

2008 मध्ये, शेवरॉनने आयोजित केलेला एक प्रातिनिधिक स्थापना कार्यक्रम झाला परिषद.

आयएसओ 15926, शेवटी, तेल आणि वायू उद्योगाला थोडेसे जड वाटले (आणि यांत्रिक अभियांत्रिकीमध्ये कदाचित अधिक वापर आढळले). फक्त Statoil (Equinor) त्यावर पूर्णपणे अडकले; नॉर्वेमध्ये, संपूर्ण इकोसिस्टम. इतर स्वतःचे काम करण्याचा प्रयत्न करीत आहेत. उदाहरणार्थ, अफवांनुसार, देशांतर्गत ऊर्जा मंत्रालय "इंधन आणि ऊर्जा कॉम्प्लेक्सचे वैचारिक ऑन्टोलॉजिकल मॉडेल" तयार करण्याचा मानस आहे, वरवर पाहता, इलेक्ट्रिक पॉवर उद्योगासाठी तयार केले.

• वित्तीय संस्था (अगदी XBRL ला SDMX आणि RDF डेटा क्यूब ऑन्टोलॉजीचा एक प्रकारचा संकर मानला जाऊ शकतो);

वर्तमान

वर्षाच्या सुरुवातीस, लिंक्डइनने लेखकाला आर्थिक उद्योगातील जवळजवळ सर्व दिग्गजांच्या रिक्त पदांसह सक्रियपणे स्पॅम केले, ज्यांना तो टीव्ही मालिका “फोर्स मॅज्योर” मधून ओळखतो: गोल्डमन सॅक्स, जेपी मॉर्गन चेस आणि/किंवा मॉर्गन स्टॅनली, वेल्स फार्गो, SWIFT/Visa/Mastercard, Bank of America, Citigroup, Fed, Deutsche Bank... बहुधा प्रत्येकजण एखाद्याला ते पाठवू शकेल असा शोधत होता. नॉलेज ग्राफ कॉन्फरन्स. बरेच काही शोधण्यात यशस्वी झाले: वित्तीय संस्थांनी सर्वकाही घेतले पहिल्या दिवसाची सकाळ.

HeadHunter वर, फक्त Sberbank ला काहीतरी मनोरंजक वाटले; ते "RDF सारख्या डेटा मॉडेलसह EAV स्टोरेज" बद्दल होते.

कदाचित, देशांतर्गत आणि पाश्चात्य वित्तीय संस्थांच्या संबंधित तंत्रज्ञानावरील प्रेमाच्या डिग्रीमधील फरक नंतरच्या क्रियाकलापांच्या आंतरराष्ट्रीय स्वरूपामुळे आहे. वरवर पाहता, राज्याच्या सीमा ओलांडून एकत्रीकरणासाठी गुणात्मकरीत्या भिन्न संस्थात्मक आणि तांत्रिक उपाय आवश्यक आहेत.

• व्यावसायिक अनुप्रयोगांसह प्रश्न-उत्तर प्रणाली (IBM वॉटसन, Apple Siri, Google नॉलेज ग्राफ);

वर्तमान

तसे, सिरीचा निर्माता, थॉमस ग्रुबर, ऑन्टोलॉजीच्या (आयटी अर्थाने) "संकल्पना विनिर्देशन" या व्याख्याचे लेखक आहेत. माझ्या मते, या व्याख्येतील शब्दांची पुनर्रचना केल्याने त्याचा अर्थ बदलत नाही, जो कदाचित तेथे नाही असे सूचित करतो.

• संरचित डेटाचे प्रकाशन (अधिक औचित्यासह हे लिंक्ड ओपन डेटाचे श्रेय दिले जाऊ शकते).

वर्तमान

लिंक्ड डेटाचे मोठे चाहते तथाकथित GLAM आहेत: गॅलरी, लायब्ररी, आर्काइव्ह्ज आणि संग्रहालये. लायब्ररी ऑफ काँग्रेस MARC21 च्या बदलीचा प्रचार करत आहे असे म्हणणे पुरेसे आहे BIBFRAME, जे ग्रंथसूची वर्णनाच्या भविष्यासाठी एक पाया प्रदान करते आणि अर्थातच, RDF वर आधारित.

लिंक्ड ओपन डेटाच्या क्षेत्रातील यशस्वी प्रकल्पाचे उदाहरण म्हणून विकिडेटा अनेकदा उद्धृत केला जातो - विकिपीडियाची एक प्रकारची मशीन-वाचनीय आवृत्ती, ज्याची सामग्री, डीबीपीडियाच्या विरूद्ध, लेख माहितीबॉक्सेसमधून आयात करून तयार केली जात नाही, परंतु कमी-अधिक प्रमाणात मॅन्युअली तयार केले जाते (आणि नंतर त्याच इन्फोबॉक्सेससाठी माहितीचा स्रोत बनते).

आम्ही देखील शिफारस करतो की तुम्ही ते तपासा यादी "ग्राहक" विभागातील Stardog वेबसाइटवरील Stardog RDF स्टोरेजचे वापरकर्ते.

गार्टनरमध्ये ते जसेच्या तसे असू द्या इमर्जिंग टेक्नॉलॉजीज 2016 साठी हायप सायकल "एंटरप्राइझ टॅक्सोनॉमी अँड ऑन्टोलॉजी मॅनेजमेंट" निराशेच्या खोऱ्यात उतरण्याच्या मध्यभागी 10 वर्षांपूर्वी "उत्पादक पठार" पर्यंत पोहोचण्याची शक्यता आहे.

एंटरप्राइझ डेटा कनेक्ट करत आहे

अंदाज, अंदाज, अंदाज...

ऐतिहासिक हितसंबंधांमुळे, मी गार्टनरच्या विविध वर्षांच्या अंदाजांना आम्हाला स्वारस्य असलेल्या तंत्रज्ञानावर सारणीबद्ध केली आहे.

Год	तंत्रज्ञान	अहवाल द्या	स्थान	पठारावर वर्षे
2001	सिमेंटिक वेब	उदयोन्मुख तंत्रज्ञान	इनोव्हेशन ट्रिगर	5-10
2006	कॉर्पोरेट सिमेंटिक वेब	उदयोन्मुख तंत्रज्ञान	फुगलेल्या अपेक्षांचे शिखर	5-10
2012	सिमेंटिक वेब	मोठी माहिती	फुगलेल्या अपेक्षांचे शिखर	> 10
2015	लिंक केलेला डेटा	प्रगत विश्लेषण आणि डेटा विज्ञान	मोहभंगाचा कुंड	5-10
2016	एंटरप्राइझ ऑन्टोलॉजी व्यवस्थापन	उदयोन्मुख तंत्रज्ञान	मोहभंगाचा कुंड	> 10
2018	ज्ञान आलेख	उदयोन्मुख तंत्रज्ञान	इनोव्हेशन ट्रिगर	5-10

तथापि, आधीच मध्ये "हायप सायकल..." 2018 आणखी एक वरचा कल दिसून आला आहे - ज्ञान आलेख. एक विशिष्ट पुनर्जन्म झाला: ग्राफ डीबीएमएस, ज्याकडे वापरकर्त्यांचे लक्ष आणि विकासकांचे प्रयत्न बदलले गेले, पूर्वीच्या विनंत्या आणि नंतरच्या सवयींच्या प्रभावाखाली, रूपरेषा आणि स्थिती स्वीकारण्यास सुरुवात झाली. त्यांच्या पूर्ववर्ती प्रतिस्पर्ध्यांचे.

जवळजवळ प्रत्येक आलेख DBMS आता कॉर्पोरेट “नॉलेज आलेख” तयार करण्यासाठी स्वतःला एक योग्य व्यासपीठ घोषित करतो (“लिंक केलेला डेटा” कधीकधी “कनेक्टेड डेटा” ने बदलला जातो), परंतु असे दावे कितपत न्याय्य आहेत?

आलेख डेटाबेस अजूनही अस्मानी आहेत; ग्राफ डीबीएमएसमधील डेटा अजूनही समान डेटा सायलो आहे. URI ऐवजी स्ट्रिंग आयडेंटिफायर दोन आलेख DBMS समाकलित करण्याचे कार्य अजूनही एकीकरण कार्य बनवतात, तर दोन RDF स्टोअर समाकलित करणे सहसा दोन RDF आलेख एकत्र करणे खाली येते. अस्मितेचा आणखी एक पैलू म्हणजे एलपीजी आलेख मॉडेलची नॉन-रिफ्लेक्सिव्हिटी, ज्यामुळे समान प्लॅटफॉर्म वापरून मेटाडेटा व्यवस्थापित करणे कठीण होते.

शेवटी, आलेख DBMS मध्ये अनुमान इंजिन किंवा नियम इंजिन नसतात. अशा इंजिनचे परिणाम क्लिष्ट क्वेरींद्वारे पुनरुत्पादित केले जाऊ शकतात, परंतु हे SQL मध्ये देखील शक्य आहे.

तथापि, आघाडीच्या RDF स्टोरेज सिस्टीमना LPG मॉडेलचे समर्थन करण्यात कोणतीही अडचण येत नाही. ब्लेझग्राफमध्ये एका वेळी प्रस्तावित केलेला सर्वात ठोस दृष्टीकोन मानला जातो: RDF* मॉडेल, RDF आणि LPG एकत्र करणे.

अधिक वाचा

एलपीजी मॉडेलसाठी RDF स्टोरेज सपोर्टबद्दल तुम्ही Habré वरील मागील लेखात अधिक वाचू शकता: "आरडीएफ स्टोरेजचे आता काय होत आहे". मला आशा आहे की एक दिवस नॉलेज ग्राफ्स आणि डेटा फॅब्रिक बद्दल वेगळा लेख लिहिला जाईल. अंतिम विभाग, समजण्यास सोपा आहे, घाईघाईने लिहिलेला होता, तथापि, सहा महिन्यांनंतरही, या संकल्पनांसह सर्व काही अधिक स्पष्ट नाही.

साहित्य

1. Halpin, H., Monnin, A. (eds.) (2014). फिलॉसॉफिकल अभियांत्रिकी: वेबच्या तत्त्वज्ञानाकडे
2. Allemang, D., Hendler, J. (2011) कार्यरत ऑन्टोलॉजिस्टसाठी सिमेंटिक वेब (2रा संस्करण.)
3. Staab, S., Studer, R. (eds.) (2009) हँडबुक ऑन ऑन्टोलॉजीज (2री आवृत्ती)
4. वुड, डी. (सं.). (2011) एंटरप्राइझ डेटा लिंक करणे
5. Keet, M. (2018) An Introduction to Ontology Engineering

स्त्रोत: www.habr.com