Semantisch Web en Linked Data. Correcties en aanvullingen

Ik wil een fragment van dit onlangs gepubliceerde boek aan het publiek voorstellen:

Ontologisch modelleren van een onderneming: methoden en technologieën [Tekst]: monografie / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak e.a.; eindredacteur S. V. Gorshkov]. — Jekaterinenburg: Uitgeverij van de Oeraluniversiteit, 2019. — 234 p.: ill., tabellen; 20 cm. — Auteurs zijn vermeld op de achterzijde van de titelpagina. — Bibliografie aan het einde van hoofdstukken. — ISBN 978-5-7996-2580-1: 200 exemplaren.

Het doel van het publiceren van dit fragment op Habra is viervoudig:

• Het is onwaarschijnlijk dat iemand dit boek in handen kan krijgen, tenzij hij klant is bij de gerespecteerde SergeIndex; het is absoluut niet te koop.
• In de tekst zijn correcties aangebracht (deze zijn hieronder niet gemarkeerd) en aanvullingen gedaan, die niet goed compatibel zijn met het formaat van een gedrukt monografie: actuele opmerkingen (onder spoilers) en hyperlinks.
• Ik zou graag vragen en opmerkingen verzamelen, om deze in overweging te nemen bij het opnemen van deze tekst in een gewijzigde versie in andere publicaties.
• Veel aanhangers van het Semantic Web en Linked Data geloven nog steeds dat hun kring zo smal is, voornamelijk omdat het brede publiek nog niet goed is uitgelegd hoe geweldig het is om een aanhanger van Semantic Web en Linked Data te zijn. De auteur van het fragment, hoewel hij tot deze kring behoort, deelt deze mening niet, maar voelt zich desondanks verplicht nog een poging te doen.

So,

Semantic Web

De evolutie van het internet kan als volgt worden weergegeven (of men kan spreken over zijn segmenten, die in de onderstaande volgorde zijn gevormd):

1. Documenten op het internet. Sleuteltechnologieën — Gopher, FTP, enz.
   Het internet is een wereldwijd netwerk voor de uitwisseling van lokale bronnen.
2. Internetdocumenten. Sleuteltechnologieën — HTML en HTTP.
   De aard van de geboden bronnen houdt rekening met de kenmerken van de overdrachtsomgeving.
3. Gegevens op het internet. Sleuteltechnologieën — REST en SOAP API, XHR, enz.
   Het tijdperk van internettoepassingen, waarbij niet alleen mensen de bronnen gebruiken.
4. Datas op het internet. Sleuteltechnologieën — Linked Data-technologieën.
   Deze vierde fase, voorspeld door Berners-Lee, de schepper van de sleuteltechnologieën van de tweede fase en directeur van W3C, wordt het Semantic Web genoemd; Linked Data-technologieën zijn bedoeld om de gegevens op het web niet alleen machineleesbaar te maken, maar ook 'machinebegrijpelijk'.

Uit het vervolg zal de lezer de overeenkomst tussen de sleutelbegrippen van de tweede en vierde fase duidelijk worden:

• De analogie van URL is URI,
• De analogie van HTML is RDF,
• HTML-hyperlinks zijn vergelijkbaar met URI-invoeringen in RDF-documenten.

Semantic Web is eerder een systemische visie op de toekomst van het internet dan een specifiek, willekeurig of gelobbyd trend, hoewel het ook rekening kan houden met deze laatste. Een belangrijke eigenschap van wat Web 2.0 wordt genoemd, is 'door gebruikers gegenereerde inhoud'. Dit moet in overweging worden genomen, in het bijzonder de aanbeveling van W3C «Web Annotation Ontology» en zo'n initiatief als Solid.

Is het Semantic Web dood?

Als we afzien van onrealistische verwachtingen,is de situatie met het semantische web ongeveer dezelfde als met het communisme in de tijd van het 'ontwikkelde' socialisme (en of de trouw aan de voorwaardelijke geboden van Iljitsj behouden blijft, laat ik aan ieder zelf over). Zoekmachines dwingen websites redelijk succesvol om RDFa en JSON-LD te gebruiken en gebruiken zelf technologieën die verwant zijn aan de hieronder beschreven (Google Knowledge Graph, Bing Knowledge Graph).

In het algemeen kan de auteur niet zeggen wat een grotere verspreiding in de weg staat, maar kan hij spreken op basis van persoonlijke ervaring. Taken die 'uit de doos' zouden worden opgelost in het geval van de komst van SW zijn er, al zijn ze niet erg massaal. Als gevolg daarvan hebben degenen die deze taken aangaan geen middelen om druk uit te oefenen op degenen die in staat zijn deze oplossingen te bieden; het zelfstandig verkrijgen van oplossingen door laatstgenoemden staat haaks op hun businessmodellen. Dus blijven we HTML parseren en verschillende API's aan elkaar plakken, waarbij de een slechter is dan de ander.

Echter, Linked Data-technologieën zijn ook buiten het massale web verspreid; deze toepassingen van hen is waar het boek eigenlijk aan is gewijd. Momenteel verwacht de Linked Data-gemeenschap dat deze technologieën nog meer verspreiding zullen krijgen dankzij het vaststellen (of proclameren, zoals je wilt) door Gartner van trends zoals Knowledge Graphs, en Data Fabric. We hopen dat niet de 'fiets' implementaties van deze concepten succesvol zullen zijn, maar die betrekking hebben op de W3C-standaarden die verder worden besproken.

Linked Data

Berners-Lee definieerde Linked Data als een 'goed geconfigureerd' semantisch web: een verzameling benaderingen en technologieën die het mogelijk maken om de uiteindelijke doelen te bereiken. De basisprincipes van Linked Data die Berners-Lee uiteenzette, zijn de volgende.

Principe 1. Gebruik van URI voor het benoemen van entiteiten.

URI zijn globale identificatoren van entiteiten in tegenstelling tot lokale stringidentificatoren van records. Het beste voorbeeld van dit principe is te vinden in de slogan van Google Knowledge Graph «dingen, niet strings».

Principe 2. Gebruik van URI in het HTTP-schema, zodat ze gederefereerd kunnen worden.

Wanneer men naar een URI verwijst, moet het mogelijk zijn om de betekenis erachter te verkrijgen (hier komt de analogie met de naam van de operator «*» in C); specifieker, een bepaalde representatie van die betekenis verkrijgen — afhankelijk van de waarde van de HTTP-header Accept:. Misschien, met de opkomst van het tijdperk van AR/VR, zal het mogelijk zijn om de bron zelf te verkrijgen, maar voor nu zal het hoogstwaarschijnlijk een RDF-document zijn, dat het resultaat is van een SPARQL-query BESCHRIJVEN.

Principe 3. Gebruik van W3C-standaarden — in het bijzonder RDF(S) en SPARQL — bij het derefereren van URI.

Deze afzonderlijke «lagen» van de Linked Data-technologiestack, ook bekend als Semantic Web Layer Cake, zullen we verder beschrijven.

Principe 4. Gebruik bij het beschrijven van entiteiten links naar andere URI.

RDF laat een verbale beschrijving van de bron in natuurlijke taal toe, en het vierde principe roept op dit niet te doen. Met de algemene naleving van het eerste principe komt de mogelijkheid om bij het beschrijven van een bron naar andere, waaronder «externe», te verwijzen, waardoor de gegevens als verbonden worden aangeduid. Het gebruik van URI's, zoals genoemd in het RDFS-woordenboek, is in feite bijna onvermijdelijk.

RDF

RDF (Resource Description Framework) — een formalismen voor het beschrijven van onderling verbonden entiteiten.

Over entiteiten en hun onderlinge relaties worden uitspraken gedaan van de vorm «onderwerp-voorspelling-object», die triplets worden genoemd. In de eenvoudigste geval zijn onderwerp, voorspelling en object allemaal URI. Dezelfde URI kan in verschillende triplets op verschillende posities staan: als onderwerp, voorspelling of object; daarmee vormen triplets een soort grafiek, die een RDF-grafiek wordt genoemd.

Onderwerpen en objecten kunnen niet alleen URI's zijn, maar ook zogenaamde lege knooppunten, en objecten kunnen ook literal zijn.Literalen zijn instanties van primitieve types, bestaande uit een stringrepresentatie en een typeaanduiding.

Voorbeelden van het vastleggen van literalen (in Turtle-syntaxis, daarover later): "5.0"^^xsd:float en "vijf"^^xsd:string. Literalen van het type rdf:langString kunnen ook voorzien zijn van een taaletiket, in Turtle wordt dit als volgt genoteerd: "five"@en en "vijf"@nl.

Lege knooppunten zijn 'anonieme' bronnen zonder globale identificators, waarvan echter beweringen kunnen worden gedaan; een soort existentiële variabelen.

Dus (dit is eigenlijk de essentie van RDF):

• het subject is een URI of een leeg knooppunt,
• het predicaat is een URI,
• het object is een URI, een leeg knooppunt of een literal.

Waarom kunnen predicaten geen lege knooppunten zijn?

Een waarschijnlijke reden is de wens om informeel te begrijpen en te vertalen naar de taal van eerste-orde predikatenlogica de triplet s p o als iets van de soort , waar — predicaat, en — constanten. Sporen van dit begrip zijn te vinden in het document "LBase: Semantics for Languages of the Semantic Web", dat de status heeft van een notitie van de werkgroep W3C. Bij dit begrip zal de triplet s p [], waar [] — een leeg knooppunt, worden vertaald als , waar — een variabele, maar hoe vertaal je dan s [] o? Имеющий статус рекомендации W3C документ «RDF 1.1 Semanticsbiedt een andere manier van vertalen, maar de mogelijkheid dat predicaten lege knooppunten zijn wordt nog steeds niet beschouwd.

Overigens, Manu Sporni toegestaan.

RDF is een abstract model. RDF kan worden geschreven (geserialiseerd) in verschillende syntaxes: RDF/XML, Turtle (de meest leesbare), JSON-LD, HDT (binaire).

Dezelfde RDF kan op verschillende manieren in RDF/XML worden geserialiseerd, daarom is het bijvoorbeeld zinloos om de resulterende XML te valideren met XSD of te proberen gegevens te extraheren met XPath. Evenzo zal JSON-LD waarschijnlijk niet voldoen aan de wens van een gewone Javascript-ontwikkelaar om met RDF te werken met behulp van punt- en vierkante haaknotatie van Javascript (hoewel JSON-LD in deze richting beweegt door een mechanismen framing).

De meeste syntaxes bieden manieren om lange URI's in te korten. Bijvoorbeeld, de verklaring @prefix rdf: in Turtle stelt je in staat om in plaats van <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> gewoon rdf:type.

RDFS

RDFS (RDF Schema) - een basiswoordenboek voor modellering, introduceert de concepten eigenschap en klasse en eigenschappen zoals rdf:type, rdfs:subClassOf, rdfs:domain en rdfs:range. Met behulp van het RDFS-woordenboek kunnen bijvoorbeeld de volgende geldige uitspraken worden opgeschreven:

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 is een woordenboek voor beschrijving en modellering, maar is geen beperkingen taal (hoewel de officiële specificatie en laat achter de mogelijkheid van een dergelijk gebruik). Het woord „Schema” moet niet worden begrepen in dezelfde zin als in de uitdrukking „XML Schema”. Bijvoorbeeld, :author rdfs:range foaf:Person betekent dat rdf:type alle waarden van de eigenschap :author — foaf:Person, maar betekent niet dat dit vooraf moet worden vermeld.

SPARQL

SPARQL (SPARQL Protocol and RDF Query Language) — een querytaal voor RDF-gegevens. In de eenvoudigste vorm vertegenwoordigt een SPARQL-query een set patronen waarmee triples van de ondervraagde grafiek worden vergeleken. In de patronen kunnen op de posities van subjecten, predikaten en objecten variabelen staan.

De query zal dergelijke waarden van de variabelen teruggeven, die, wanneer vervangen in de patronen, een subgraf van de ondervraagde RDF-grafiek (een subset van zijn triples) kunnen opleveren. Variabelen met dezelfde naam in verschillende patronen van triples moeten hierbij dezelfde waarden hebben.

Bijvoorbeeld, op de eerder gegeven set van zeven RDFS-axioma's zal de volgende query teruggeven rdfs:domain en rdfs:range als waarden ?s en ?p respectievelijk:

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

Het is belangrijk op te merken dat SPARQL declaratief is en geen beschrijvingstaal voor graftraversering is (hoewel sommige RDF-opslagsystemen manieren bieden om het uitvoeringsplan van de query aan te passen). Daarom kunnen sommige standaard graftaken, zoals het vinden van de kortste weg, niet worden opgelost met SPARQL, ook niet met behulp van het mechanisme van property paths (maar nogmaals, afzonderlijke RDF-opslagsystemen bieden speciale extensies voor het oplossen van deze taken).

SPARQL maakt geen onderscheid tussen het principe van wereldopenheid en volgt de benadering van „negatie als falen”, waarin mogelijk zijn constructies zoals FILTER NOT EXISTS {…}. Gebruikersdistributie van gegevens wordt in aanmerking genomen met behulp van het mechanisme van federatieve queries.

Een SPARQL-eindpunt — een RDF-opslagcapaciteit die SPARQL-queries kan verwerken — heeft geen directe analogieën uit de tweede fase (zie het begin van deze alinea). Het kan worden vergeleken met een database, waarvan de inhoud HTML-pagina's genereert die toegankelijk zijn van buitenaf. Het SPARQL-eindpunt is eerder vergelijkbaar met een API-eindpunt uit de derde fase, maar met twee belangrijke verschillen. Ten eerste is het mogelijk om meerdere „atomaire” queries in één samen te voegen (wat wordt beschouwd als een belangrijke eigenschap van GraphQL), en ten tweede is deze API volledig zelfdocumenterend (wat HATEOAS probeerde te bereiken).

Een polemische opmerking

RDF - een manier om gegevens op het web te publiceren, waardoor RDF-opslagplaatsen als documentgeoriënteerde databases moeten worden beschouwd. Het is echter verrassend dat ze ook grafgeoriënteerd zijn, aangezien RDF een graf en geen boom is. Het is verbazingwekkend dat het überhaupt mogelijk is. Wie had gedacht dat er slimme mensen zouden zijn die blank nodes implementeren? Codds poging is niet gelukt. Dat is niet gelukt..

Er zijn ook minder volledig functionele manieren om toegang te krijgen tot RDF-gegevens, bijvoorbeeld: Linked Data Fragments (LDF) en Linked Data Platform (LDP).

OWL

OWL (Web Ontology Language) - een formeel systeem voor kennisrepresentatie, een syntactische variant van descriptieve logica. (hieronder is het correcter om OWL 2 te zeggen, de eerste versie van OWL was gebaseerd op ).

Concepten van descriptieve logica in OWL komen overeen met klassen, rollen zijn eigenschappen en individuen behouden hun vorige namen. Axioma's worden ook axioma's genoemd.

Bijvoorbeeld, in de zogenaamde Manchester-syntaxis zal de voor ons bekende axioma in OWL als volgt worden genoteerd: Class: Human Class: Parent EquivalentClass: Human and (inverse hasParent) some Human ObjectProperty: hasParent

Er zijn ook andere syntaxes voor het noteren van OWL, zoals de

functionele syntaxis , gebruikt in de officiële specificatie, enOWL/XML. Daarnaast kan OWL worden geserialiseerdin de abstracte RDF-syntaxis en vervolgens - in elke van de specifieke syntaxes. OWL heeft een dubbel karakter ten opzichte van RDF. Aan de ene kant kan het worden beschouwd als een soort woordenboek dat RDFS uitbreidt. Aan de andere kant is het een krachtiger formeel systeem waarvoor RDF slechts een serialisatieformaat is. Niet alle elementaire constructies van OWL kunnen worden vastgelegd met een enkele RDF-triple.

Afhankelijk van welk subset van constructies in OWL is toegestaan, spreekt men over zogenaamde

OWL-profielen. Gecertificeerde en de meest bekende zijn OWL EL, OWL RL en OWL QL. De keuze van het profiel beïnvloedt de rekenkundige complexiteit van typische taken. De volledige set constructies van OWL, die overeenkomt met, wordt OWL DL genoemd. Soms spreekt men ook van OWL Full, waarin OWL-constructies volledig vrij kunnen worden gebruikt, zoals dat bij RDF het geval is, zonder semantische en rekenkundige beperkingen. Bijvoorbeeld, iets kan zowel een klasse als een eigenschap zijn. OWL Full is onoplosbaar. De belangrijkste principes voor het afleiden van gevolgtrekkingen in OWL zijn de aanname van een open wereld (open world assumption,

OWA ) en de afwijzing van de aanname van unieke namen (unique name assumption,UNA ).). Hieronder zullen we zien waar deze principes toe kunnen leiden, en maken we kennis met enkele OWL-constructies.

Laten we aannemen dat de ontologie het volgende fragment bevat (in Manchester-syntaxis):

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

Kunnen we concluderen dat John veel kinderen heeft? Het afzien van UNA zal de redeneerengine doen antwoorden dat dit niet het geval is, aangezien Alice en Bob eenvoudigweg dezelfde persoon kunnen zijn. Om te kunnen concluderen dat dit wel het geval is, moeten we de volgende axioma toevoegen:

DifferentIndividuals: Alice, Bob, Carol, John

Laten we nu aannemen dat het fragment van de ontologie er als volgt uitziet (John is verklaard als vader van meerdere kinderen, maar hij heeft slechts twee kinderen gemeld):

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

Zal deze ontologie tegenstrijdig zijn (wat geïnterpreteerd kan worden als bewijs van ongeldigheid van de data)? Acceptatie van OWA zal de redeneerengine doen antwoorden dat dit niet het geval is: "ergens" kan in een andere ontologie worden gezegd dat Carol ook een kind van John is.

Om deze mogelijkheid uit te sluiten, voegen we een nieuw feit over John toe:

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

Om het verschijnen van andere kinderen uit te sluiten, zeggen we dat alle waarden van de eigenschap "heeft kind" mensen zijn, van wie we er in totaal vier hebben:

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

Nu zal de ontologie tegenstrijdig worden, wat de redeneerengine niet zal nalaten te melden. Met de laatste axioma hebben we de wereld in zekere zin "afgesloten", en let op hoe de mogelijkheid dat John zijn eigen kind is, is uitgesloten.

Koppelen van bedrijfsdata

De set van benaderingen en technologieën voor Linked Data was oorspronkelijk bedoeld voor het publiceren van data op het web. Het gebruik ervan in een interne bedrijfsomgeving brengt verschillende moeilijkheden met zich mee.

Bijvoorbeeld, in een afgesloten bedrijfsomgeving blijkt de deductieve kracht van OWL, gebaseerd op de acceptatie van OWA en het afzien van UNA — beslissingen die voortkomen uit de open en gedistribueerde aard van het web — te zwak. Hier zijn de volgende opties mogelijk.

• Het toekennen van semantiek aan OWL, wat een afzien van OWA en acceptatie van UNA vereist, en de implementatie van een bijbehorende redeneerengine. — Op deze manier gaat het RDF-opslagplaats Stardog.
• Het afzien van de deductieve mogelijkheden van OWL ten gunste van regelsystemen. — Stardog ondersteunt SWRL; Jena en GraphDB bieden hun eigen regel talen.
• Het afzien van de deductieve mogelijkheden van OWL, gebruik maken voor modellering van een subset die dicht bij RDFS ligt. — Zie hier later meer over.

Een ander probleem is de grotere aandacht die in de zakelijke wereld kan worden besteed aan gegevenskwaliteitsproblemen en het ontbreken van tools voor datavalidatie in de Linked Data-stack. De oplossingen zijn als volgt.

• Wederom, het gebruik van OWL-constructies met gesloten wereldsemantiek en naamunique bij aanwezigheid van de juiste redeneerengine voor validatie.
• Gebruik van SHACL, genormaliseerd na de vastlegging van de lagen van de Semantic Web Layer Cake (hoewel het ook als een regelsysteem kan worden gebruikt), of ShEx.
• Het besef dat alles uiteindelijk wordt gedaan met SPARQL-query's, het creëren van een eenvoudige datavalidatiemechanisme met hun gebruik.

Toch laat zelfs een volledige afwijzing van deductieve mogelijkheden en validatietools de Linked Data-stack onverslaanbaar in taken die de open en gedistribueerde webomgeving raken — in dataintegratietaken.

Hoe zit het met een typische bedrijfsinformatiesysteem?

Dit is mogelijk, maar het is natuurlijk belangrijk om je bewust te zijn van welke problemen de betreffende technologieën moeten oplossen. Ik zal hier een typische reactie van de deelnemers aan ontwikkeling beschrijven om te laten zien hoe deze technologische stack eruit ziet vanuit het perspectief van conventionele IT. Het doet een beetje denken aan het verhaal van de olifant:

• Businessanalist: RDF is iets als een logisch model dat direct wordt opgeslagen.
• Systeemanalist: RDF is zoals EAV, maar dan met een heleboel indexen en een handige query-taal.
• Ontwikkelaar: nou, het is allemaal in de geest van de concepten rich model en low code, ik heb daar onlangs over gelezen. Projectmanager
• Projectmanagercollapsing the stack De praktijk toont aan dat de stack meestal wordt gebruikt in taken die verband houden met de distributie en heterogeniteit van gegevens, bijvoorbeeld bij het bouwen van systemen zoals MDM (Master Data Management) of DWH (Data Warehouse). Dergelijke taken zijn in elke sector aanwezig.!

Wat betreft toepassingen met branchespecifieke kenmerken, zijn Linked Data-technologieën momenteel het populairst in de volgende sectoren.

Wat betreft toepassingen met branchespecifieke kenmerken, zijn Linked Data-technologieën momenteel het populairst in de volgende sectoren.

• biomedische technologieën (waar hun populariteit kennelijk gerelateerd is aan de complexiteit van het onderwerp);

actueel

Onlangs vond in ‘Toc der Koken’ een door de vereniging ‘Nationale Basis voor Medische Kennis’ georganiseerde conferentie plaats ‘Samenvoeging van ontologieën. Van theorie naar praktische toepassing».

• fabricage en exploitatie van complexe producten (grote machinebouw, olie- en gaswinning; meestal betreft het de standaard ISO 15926);

actueel

Ook hier is de oorzaak de complexiteit van het onderwerp, wanneer bijvoorbeeld in de upstream-fase, als we het hebben over de olie- en gasindustrie, een eenvoudig boekhoudsysteem bepaalde CAD-functies moet hebben.

In 2008 vond onder leiding van Chevron een representatieve opstartconferentie plaats conferentie.

ISO 15926 bleek uiteindelijk te zwaar voor de olie- en gasindustrie (en vond nauwelijks toepassingen in de machinebouw). Eigenlijk zat alleen Statoil (Equinor) er flink op, en in Noorwegen is er rondom hen een hele ecosysteem. Anderen proberen iets eigen te doen. Zo is het gerucht dat het binnenlandse Ministerie van Energie van plan is om een ‘conceptueel ontologisch model voor de energie-industrie’ te creëren, waarschijnlijk vergelijkbaar met de gemaakt voor de elektriciteitssector.

• financiële instellingen (zelfs XBRL kan worden beschouwd als een soort hybride tussen SDMX en de RDF Data Cube-ontologie);

actueel

LinkedIn spamde begin dit jaar de auteur met vacatures bij bijna alle reuzen in de financiële industrie die hij kende van de serie ‘Suits’: Goldman Sachs, JPMorgan Chase en/of Morgan Stanley, Wells Fargo, SWIFT/Visa/Mastercard, Bank of America, Citigroup, de Fed, Deutsche Bank… Waarschijnlijk zochten ze allemaal naar iemand die naar de Knowledge Graph Conference. Vrijwel velen zijn erin geslaagd om te vinden: financiële instellingen vulden de hele ochtend van de eerste dag.

Op HeadHunter vond je echter iets interessants alleen bij Sberbank, waar het ging om een ‘EAV-opslag met een RDF-achtige datamodel’.

Waarschijnlijk wordt het verschil in liefde voor de desbetreffende technologieën tussen binnenlandse en westerse financiële instellingen veroorzaakt door het transnationale karakter van de activiteiten van de laatsten. Kennelijk vereisen integraties over landsgrenzen kwalitatief andere organisatorische en technische oplossingen.

• vraag- en antwoordsystemen met commerciële toepassingen (IBM Watson, Apple Siri, Google Knowledge Graph);

actueel

Overigens is Thomas Gruber, de maker van Siri, de auteur van de definitie van ontologie (in IT-betekenis) als "specificatie van conceptualisatie". Naar mijn mening verandert een herschikking van woorden in deze definitie de betekenis niet, wat misschien wijst op het feit dat er eigenlijk geen betekenis is.

• publicatie van gestructureerde gegevens (met goede redenen kan dit al worden toegeschreven aan Linked Open Data).

actueel

Grote liefhebbers van Linked Data zijn de zogenaamde GLAM: Galleries, Libraries, Archives, and Museums. Het enige dat ik hierover kan zeggen is dat de Bibliotheek van het Congres aan de vervanging van MARC21 werkt met BIBFRAME, die biedt een basis voor de toekomst van bibliografische beschrijving en is uiteraard gebaseerd op RDF.

Vaak wordt als voorbeeld van een succesvol project op het gebied van Linked Open Data Wikidata genoemd - een soort machine-leesbare versie van Wikipedia, waarvan de inhoud, in tegenstelling tot DBPedia, niet wordt gegenereerd door import uit infoboxen van artikelen, maar meer of minder handmatig wordt aangemaakt (en vervolgens een informatiebron wordt voor dezelfde infoboxen).

Wij raden ook aan om het de lijst gebruikers van de RDF-opslag Stardog op de website van Stardog in het gedeelte "Customers" te bekijken.

Hoe het ook zij, in de Gartner "Hype Cycle for Emerging Technologies" van 2016 "Enterprise Taxonomy and Ontology Management" is geplaatst in het midden van de afdaling in de vallei van teleurstelling, met de vooruitzicht om niet eerder dan over 10 jaar op het "plateau van productiviteit" uit te komen.

Connecting Enterprise Data

Voorspellingen, voorspellingen, voorspellingen...

Uit historisch belang heb ik de Gartner-voorspellingen van verschillende jaren die voor ons interessant zijn, in de onderstaande tabel samengevoegd.

Overigens, al in de "Hype Cycle..." van 2018 verschijnt een andere opkomende trend - Knowledge Graphs. Er heeft een soort reïncarnatie plaatsgevonden: grafische databases, waarop de aandacht van gebruikers en de inspanningen van ontwikkelaars zijn gericht, beginnen onder invloed van de verzoeken van de eersten en de gewoontes van de laatsten contouren en positionering van hun concurrenten te krijgen.

Bijna elke grafische database verklaart nu zichzelf een geschikte platform voor het opbouwen van een bedrijfs "kennisgrafiek" ("linked data" wordt soms vervangen door "connected data"), maar in hoeverre zijn dergelijke claims gerechtvaardigd?

Grafdatabases blijven semantisch, data in een grafdatabase is nog steeds dezelfde data silo. Stringidentificatie in plaats van URI's maakt de integratie van twee grafdatabases dezelfde uitdaging als voorheen, terwijl de integratie van twee RDF-opslagen vaak simpelweg neerkomt op het samenvoegen van twee RDF-grafen. Een ander aspect van de semantiek is de niet-reflexiviteit van het LPG-model, wat het moeilijk maakt om metadata te beheren met behulp van hetzelfde platform.

Ten slotte hebben grafdatabases geen uitvoeringsmotoren en regelmotoren. De resultaten van dergelijke motoren kunnen worden gereproduceerd door het ingewikkelder maken van de queries, maar dit is ook mogelijk in SQL.

Toch ondervinden toonaangevende RDF-opslagen geen problemen met het ondersteunen van het LPG-model. De meest solide aanpak wordt beschouwd als het voorstel dat ooit in Blazegraph werd gedaan: het RDF*-model, dat RDF en LPG combineert.

Meer informatie

Meer informatie over de ondersteuning van LPG-modellen door RDF-opslagen is te vinden in het vorige artikel op Habr: ‘Wat er momenteel gebeurt met RDF-opslagen’. Over Knowledge Graphs en Data Fabric hoop ik dat er ooit een apart artikel over geschreven zal worden. Het slotgedeelte, zoals makkelijk te begrijpen is, is in haast geschreven, maar zelfs na zes maanden zijn deze concepten nog steeds niet veel duidelijker.

Literatuur

1. Halpin, H., Monnin, A. (eds.) (2014). Philosophical Engineering: Toward a Philosophy of the Web
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. (ed.). (2011) Linking Enterprise Data
5. Keet, M. (2018) An Introduction to Ontology Engineering

Bron: habr.com