Web Semântica e Dados Ligados. Correções e adições

Gostaria de apresentar ao público este fragmento do livro recém-lançado:

Modelagem Ontológica de Empresas: Métodos e Tecnologias [Texto]: monografia / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak et al.; editor responsável S. V. Gorshkov]. — Ekaterinburgo: Editora da Universidade dos Urais, 2019. — 234 p.: il., tabelas; 20 cm. — Autores listados no verso da folha de rosto. — Bibliografia ao final do capítulo. — ISBN 978-5-7996-2580-1: 200 exemplares.

O objetivo da apresentação deste fragmento no Habr é quádruplo:

• É difícil alguém conseguir segurar este livro nas mãos, a menos que seja cliente de uma respeitável SergeIndex; com certeza não está à venda.
• O texto foi corrigido (as correções não estão destacadas abaixo) e foram feitas adições que não são muito compatíveis com o formato de uma monografia impressa: notas atuais (em spoilers) e hyperlinks.
• É desejável reunir perguntas e comentários, para considerá-los ao incluir este texto, em versão revisada, em outras publicações.
• Muitos adeptos da Web Semântica e Dados Linkados ainda acreditam que seu círculo é tão restrito principalmente porque o público em geral ainda não foi devidamente informado sobre como é bom ser um adepto da Web Semântica e Dados Linkados. O autor deste fragmento, embora faça parte desse círculo, não compartilha dessa opinião, mas, mesmo assim, sente-se na obrigação de fazer mais uma tentativa.

Então,

Web Semântica

A evolução da Internet pode ser apresentada da seguinte forma (ou falar sobre seus segmentos, que se formaram na ordem indicada abaixo):

1. Documentos na Internet. Tecnologias-chave — Gopher, FTP, etc.
   A Internet é uma rede global para troca de recursos locais.
2. Internet de Documentos. Tecnologias-chave — HTML e HTTP.
   As características dos recursos apresentados levam em conta as particularidades do meio de sua transmissão.
3. Dados na Internet. Tecnologias-chave — REST e SOAP API, XHR e outros.
   A era dos aplicativos da Internet, onde os consumidores de recursos não são apenas pessoas.
4. Internet de Dados. Tecnologias-chave — tecnologias de Dados Linkados.
   Esta quarta etapa, prevista por Berners-Lee, criador das tecnologias-chave da segunda fase e diretor da W3C, é chamada de Web Semântica; as tecnologias de Dados Linkados visam tornar os dados na web não apenas legíveis por máquinas, mas também 'compreensíveis por máquinas'.

A partir daqui, o leitor compreende a correspondência entre os conceitos-chave da segunda e da quarta etapas:

• Os URLs têm como análogos os URIs,
• o análogo do HTML é o RDF,
• As hiperligações HTML são análogas às ocorrências de URI em documentos RDF.

A Web Semântica é mais uma visão sistêmica do futuro da internet do que uma tendência específica ou promovida, embora possa considerar também essas últimas. Por exemplo, uma característica importante do que se chama Web 2.0 é o "conteúdo criado pelos usuários". Essa consideração é guiada, entre outros, pela recomendação do W3CWeb Annotation Ontologye também por iniciativas como Solid.

A Web Semântica está morta?

Se nos afastarmos de expectativas irrealistas,a situação da web semântica é mais ou menos semelhante à do comunismo nos tempos do socialismo desenvolvido (e quanto à fidelidade aos mandamentos condicionais de Lênin, isso cada um deve decidir por si mesmo). Os motores de busca forçam com bastante sucesso os sites a usarem RDFa e JSON-LD, e eles mesmos utilizam tecnologias relacionadas às descritas a seguir (Google Knowledge Graph, Bing Knowledge Graph).

De uma forma geral, o autor não pode dizer o que impede uma maior disseminação, mas pode se pronunciar com base em sua experiência pessoal. Existem tarefas que seriam resolvidas "prontas para uso" nas condições de surgimento da SW, embora não sejam muito comuns. Como consequência, aqueles que enfrentam essas tarefas não têm meios para forçar aqueles que podem fornecer a solução, e a autocorreção da solução por estes últimos contraria seus modelos de negócios. Assim, continuamos a fazer parsing de HTML e a concatenar várias APIs, uma péssima em relação a outra.

No entanto, as tecnologias de Linked Data se difundiram além da web de massa; essas aplicações são, na verdade, o foco do livro. Atualmente, a comunidade de Linked Data espera que essas tecnologias se espalhem ainda mais devido à constatação (ou declaração, como preferir) da Gartner de tendências como Knowledge Graphs e Data Fabric. Espera-se que não tenham êxito as implementações "de bicicleta" desses conceitos, mas sim aquelas que se relacionam com os padrões do W3C mencionados a seguir.

Linked Data

Berners-Lee definiu Linked Data como a "web semântica bem feita": um conjunto de abordagens e tecnologias que permite alcançar seus objetivos finais. Os princípios básicos de Linked Data que Berners-Lee destacou são os seguintes.

Princípio 1. Uso de URI para nomear entidades.

URI são identificadores globais de entidades, em contraste com identificadores de registro locais. Posteriormente, a melhor expressão desse princípio foi encontrada no slogan do Google Knowledge Graph "coisas, não strings».

Princípio 2. O uso de URI no esquema HTTP, para que possam ser desreferenciados.

Ao se referir a um URI, deve ser possível obter o significado por trás desse significante (aqui faz sentido a analogia com o nome do operador "*" em C); mais precisamente, obter uma representação desse significado — dependendo do valor do cabeçalho HTTP Accept:. Talvez, com a chegada da era AR/VR, seja possível acessar o próprio recurso, mas, por enquanto, provavelmente será um documento RDF que resulta da execução de uma consulta SPARQL DESCRIBE.

Princípio 3. O uso de padrões do W3C — principalmente, RDF(S) e SPARQL — em particular, ao desreferenciar URI.

Essas camadas separadas da pilha de tecnologias de Dados Vinculados, também conhecidas como Camada de Bolo da Web Semântica, serão descritas por nós a seguir.

Princípio 4. Uso de referências a outros URIs ao descrever entidades.

O RDF permite que a descrição de um recurso seja feita em linguagem natural, e o quarto princípio recomenda não fazer isso. Quando todos seguem o primeiro princípio, surge a possibilidade de referenciar outros recursos durante a descrição, incluindo "estranhos", razão pela qual os dados são chamados de vinculados. É praticamente inevitável o uso de URIs nomeados no dicionário RDFS.

RDF

RDF (Resource Description Framework) — um formalismo para descrever entidades inter-relacionadas.

Afirmações sobre entidades e suas inter-relações são feitas na forma de "sujeito-predicado-objeto", chamadas de triplas. No caso mais simples, sujeito, predicado e objeto são todos URI. O mesmo URI pode ocupar diferentes posições em várias triplas: ser tanto sujeito quanto predicado, e objeto; assim, as triplas formam uma espécie de grafo, chamado de grafo RDF.

Sujeitos e objetos podem não ser apenas URIs, mas também chamados de nós vazios, e os objetos podem ser também literais. Literais são instâncias de tipos primitivos compostas por uma representação em string e um tipo especificado.

Exemplos de notação de literais (na sintaxe Turtle, sobre a qual falaremos mais adiante): "5.0"^^xsd:float e "five"^^xsd:string. Literais com tipo rdf:langString podem ainda ter um rótulo de idioma, que na sintaxe Turtle é escrito assim: "five"@en e "cinco"@pt.

Nós vazios são recursos "anônimos" sem identificadores globais, sobre os quais, no entanto, podem ser feitas afirmações; uma espécie de variáveis existenciais.

Então (é exatamente isso que constitui o RDF):

• o sujeito é um URI ou um nó vazio,
• o predicado é um URI,
• o objeto é um URI, um nó vazio ou um literal.

Por que os predicados não podem ser nós vazios?

A razão provável é o desejo de entender informalmente e traduzir para a linguagem de lógica de predicados de primeira ordem o triplo s p o como algo parecido com , onde — predicado, e — constantes. Vestígios desse entendimento estão no documento "LBase: Semantics for Languages of the Semantic Web", que tem status de nota de grupo de trabalho W3C. Com tal entendimento, o triplo s p [], onde [] — o nó vazio, será traduzido como , onde — variável, mas como então traduzir s [] o? Имеющий статус рекомендации W3C документ «RDF 1.1 Semanticsoferece outra forma de tradução, mas a possibilidade de predicados serem nós vazios ainda não é considerada.

No entanto, Manu Sporni permitiu.

RDF é um modelo abstrato. O RDF pode ser gravado (serializado) em várias sintaxes: RDF/XML, Turtle (a mais legível para humanos), JSON-LD, HDT (binário).

O mesmo RDF pode ser serializado em RDF/XML de várias maneiras, portanto, por exemplo, o XML resultante é insensato validar com XSD ou tentar extrair dados usando XPath. Da mesma forma, o JSON-LD provavelmente não satisfará o desejo do desenvolvedor Javascript comum de trabalhar com RDF utilizando a notação de ponto e colchete de Javascript (embora o JSON-LD esteja se movendo nessa direção, oferecendo um mecanismo de frame.).

A maioria das sintaxes oferece maneiras de encurtar URIs longos. Por exemplo, a declaração @prefix rdf: em Turtle permitirá escrever depois em vez de <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> simplesmente rdf:type.

RDFS

RDFS (RDF Schema) — um léxico básico de modelagem, introduz conceitos de propriedades e classes e propriedades como rdf:type, rdfs:subClassOf, rdfs:domain e rdfs:range. Com o dicionário RDFS, podem ser escritas, por exemplo, as seguintes expressões corretas:

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 é um dicionário de descrição e modelagem, mas não é uma linguagem de restrições (embora a especificação oficial e deixe a possibilidade de tal utilização). A palavra «Schema» não deve ser entendida no mesmo sentido que na expressão «XML Schema». Por exemplo, :author rdfs:range foaf:Person significa que rdf:type todos os valores da propriedade :author — foaf:Person, mas não significa que isso deva ser declarado antecipadamente.

SPARQL

SPARQL (SPARQL Protocol and RDF Query Language) — uma linguagem de consulta para dados RDF. Em um caso simples, uma consulta SPARQL consiste em um conjunto de padrões que são comparados com as tripletas do gráfico consultado. Nos padrões, as posições de sujeitos, predicados e objetos podem conter variáveis.

A consulta retornará tais valores de variáveis, cujas substituições nos padrões podem resultar em um subgrafo do gráfico RDF consultado (um subconjunto das suas tripletas). Variáveis com o mesmo nome em diferentes padrões de tripletas devem ter os mesmos valores.

Por exemplo, em conjunto acima de sete axiomas RDFS, a seguinte consulta retornará rdfs:domain e rdfs:range como valores ?s e ?p respectivamente:

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

Vale ressaltar que SPARQL é declarativo e não é uma linguagem de descrição de percurso no gráfico (embora alguns repositórios RDF ofereçam maneiras de ajustar o plano de execução da consulta). Portanto, algumas tarefas gráficas padrão, como a busca do caminho mais curto, não podem ser resolvidas em SPARQL, mesmo utilizando o mecanismo property paths (mas, novamente, repositórios RDF individuais oferecem extensões especiais para resolver essas tarefas).

SPARQL não compartilha a presunção de abertura do mundo e segue a abordagem de «negação como falha», sendo que são possíveis construções como FILTER NOT EXISTS {…}. A distribuição de dados é considerada por meio do mecanismo consultas federativas.

Um ponto de acesso SPARQL — um repositório RDF capaz de processar consultas SPARQL — não tem análogos diretos da segunda etapa (ver o início deste parágrafo). Pode ser comparado a um banco de dados, com base no conteúdo do qual páginas HTML foram geradas, mas acessível externamente. O ponto de acesso SPARQL é mais análogo a um ponto de acesso API da terceira etapa, embora com duas principais diferenças. Primeiro, há a possibilidade de combinar várias consultas «atômicas» em uma (o que é considerado uma característica chave do GraphQL); segundo, tal API é totalmente autodocumentada (o que tentou ser alcançado pelo HATEOAS).

Observação polêmica

RDF é uma forma de publicar dados na web; portanto, os repositórios RDF devem ser considerados bancos de dados documentais. No entanto, como o RDF é um grafo e não uma árvore, eles também se tornaram grafos. É surpreendente que tenham surgido. Quem poderia imaginar que haveria pessoas que implementariam blank nodes. Com Codd, isso não deu certo. não deu certo..

Existem formas menos funcionais de organizar o acesso aos dados RDF, como por exemplo, Linked Data Fragments (LDF) e Linked Data Platform (LDP).

OWL

OWL (Web Ontology Language) é um formalismo de representação de conhecimento, a variante sintática da lógica descritiva (em todo lugar abaixo é mais correto dizer OWL 2, a primeira versão do OWL foi baseada em ).

os conceitos de lógicas descritivas, onde as classes correspondem aos conceitos, as propriedades correspondem aos papéis, e os indivíduos mantêm suas designações anteriores. As axiomas também são chamadas de axiomas.

Por exemplo, na chamada sintaxe manchesteriana , para a notação do OWL, a conhecida axioma que temos até agora será escrito assim:

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

Existem outras sintaxes para a notação do OWL, como por exemplo, sintaxe funcional, utilizada na especificação oficial, e OWL/XML.Além disso, o OWL pode ser serializado no sintaxe abstrata RDF e, subsequentemente, em qualquer uma das sintaxes específicas.

O OWL tem uma relação dual com o RDF. Por um lado, pode ser visto como uma espécie de dicionário que amplia o RDFS. Por outro lado, é um formalismo mais poderoso, do qual o RDF é apenas um formato de serialização. Nem todas as construções elementares do OWL podem ser registradas através de uma única tripla RDF.

Dependendo do subconjunto de construções OWL que é permitido usar, falamos sobre os chamados perfis OWL.Os padronizados e mais conhecidos são OWL EL, OWL RL e OWL QL. A escolha do perfil influencia a complexidade computacional das tarefas típicas. O conjunto completo de construções do OWL, correspondente a , é chamado de OWL DL. Às vezes também falamos sobre OWL Full, onde as construções do OWL podem ser usadas com total liberdade, como no RDF, sem restrições semânticas e computacionais. Por exemplo, algo pode ser tanto uma classe quanto uma propriedade. O OWL Full é irresolúvel.

Os princípios-chave para a derivação de consequências em OWL são a aceitação da suposição de mundo aberto (open world assumption, OWA) e a rejeição da suposição de unicidade de nomes (unique name assumption,UNA UNA). Abaixo veremos a que esses princípios podem levar e nos familiarizaremos com algumas construções OWL.

Suponha que a ontologia contenha o seguinte fragmento (na sintaxe de Manchester):

Classe: manyChildren
   Equivalente a: Humano que temFilho min 3
Indivíduo: John
   Tipos: Humano
   Fatos: temFilho Alice, temFilho Bob, temFilho Carol

Pode-se concluir a partir do exposto que John é pai de muitos filhos? O abandono do UNA fará com que o mecanismo de inferência responda negativamente a essa pergunta, uma vez que Alice e Bob podem muito bem ser a mesma pessoa. Para que a inferência ocorra, seria necessário adicionar o seguinte axioma:

IndivíduosDiferentes: Alice, Bob, Carol, John

Agora, suponha que o fragmento da ontologia tenha a seguinte forma (John é declarado pai de muitos filhos, mas ele tem apenas dois filhos especificados):

Classe: manyChildren
   Equivalente a: Humano que temFilho min 3
Indivíduo: John
   Tipos: Humano, manyChildren
   Fatos: temFilho Alice, temFilho Bob
IndivíduosDiferentes: Alice, Bob, Carol, John

Essa ontologia será contraditória (o que pode ser interpretado como evidência de dados inválidos)? A aceitação do OWA fará com que o mecanismo de inferência responda negativamente: "em algum lugar" (em outra ontologia) pode muito bem ser dito que Carol também é filha de John.

Para excluir essa possibilidade, vamos adicionar um novo fato sobre John:

Indivíduo: John
   Fatos: temFilho Alice, temFilho Bob, não temFilho Carol

Para excluir a possibilidade de outros filhos, digamos que todos os valores da propriedade "ter filho" são pessoas, das quais temos apenas quatro:

PropriedadeObjeto: temFilho
   Domínio: Humano
   Características: Irreflexiva
Classe: Humano
Equivalente a: { Alice, Bill, Carol, John }

Agora a ontologia se tornará contraditória, o que o mecanismo de inferência não deixará de informar. Com o último dos axiomas, de certa forma, "fechamos" o mundo, e observe como foi excluída a possibilidade de que John seja filho de si mesmo.

Linkando Dados Empresariais

Conjunto de abordagens e tecnologias de Dados Vinculados inicialmente destinado à publicação de dados na web. Seu uso em ambientes corporativos enfrenta uma série de dificuldades.

Por exemplo, em um ambiente corporativo fechado, a força dedutiva do OWL, baseada na aceitação do OWA e na rejeição do UNA — decisões impulsionadas pela natureza aberta e distribuída da web — se mostra fraca. E aqui existem as seguintes saídas possíveis.

• Atribuir ao OWL semântica, implicando a rejeição do OWA e a aceitação do UNA, a implementação do correspondente mecanismo de inferência. — Por esse caminho vai o repositório RDF Stardog.
• Abandono das capacidades dedutivas do OWL em favor dos motores de regras. — Stardog suporta SWRL; Jena e GraphDB oferecem suas próprias linguagens de regras.
• Abandono das capacidades dedutivas do OWL, uso para modelar um determinado subconjunto próximo ao RDFS. — Veja sobre isso adiante.

Outro problema é a atenção mais significativa que no mundo corporativo pode ser dada às questões de qualidade dos dados, e a falta de ferramentas de validação de dados na pilha de Linked Data. As soluções aqui são as seguintes.

• Novamente, o uso para validação de construções OWL com semântica de mundo fechado e unicidade de nomes na presença de um motor de inferência apropriado.
• Uso SHACL, padronizado já após a listagem das camadas do Semantic Web Layer Cake ter sido fixada (embora possa ser usado também como motor de regras), ou ShEx.
• A conscientização de que tudo, no final das contas, é feito com consultas SPARQL, a criação de um mecanismo simples de validação de dados utilizando-as.

No entanto, mesmo a completa renúncia às capacidades dedutivas e ferramentas de validação mantém a pilha de Linked Data sem concorrência nas tarefas que são paisagisticamente semelhantes à web aberta e distribuída — nas tarefas de integração de dados.

E quanto ao sistema de informação corporativa comum?

É possível, mas deve-se, é claro, ter em mente quais problemas específicos devem ser resolvidos pelas tecnologias apropriadas. Vou descrever aqui a reação típica dos participantes do desenvolvimento para mostrar como é essa pilha tecnológica do ponto de vista da TI convencional. Lembra um pouco a parábola do elefante:

• Analista de negócios: RDF é algo como um modelo lógico armazenado diretamente.
• Analista de sistemas: RDF é como EAV, apenas com uma infinidade de índices e uma linguagem de consultas conveniente.
• O desenvolvedor: bem, isso está tudo no espírito das conceitos de rich model e low code, li recente sobre isso.
• Gerente de projeto: isso é colapsando a pilha!

A prática mostra que a pilha é mais frequentemente utilizada em tarefas relacionadas à distribuição e heterogeneidade de dados, por exemplo, na construção de sistemas de classe MDM (Master Data Management) ou DWH (Data Warehouse). Tais tarefas existem em qualquer setor.

Quanto às aplicações com especificidade setorial, atualmente as tecnologias de Linked Data são mais populares nas seguintes indústrias.

• tecnologias biomédicas (onde sua popularidade está aparentemente relacionada à complexidade do assunto);

relevante

Recentemente, no "Ponto de Ignição", ocorreu uma conferência organizada pela associação "Base Nacional de Conhecimento Médico" sobreIntegração de Ontologias. Da teoria à aplicação prática».

• fabricação e operação de produtos complexos (grande engenharia, extração de petróleo e gás; normalmente fala-se do padrão ISO 15926);

relevante

Aqui também a razão é a complexidade da área, quando, por exemplo, na fase upstream, se falarmos do setor de petróleo e gás, a contabilização simples precisa incluir algumas funções de CAD.

Em 2008, ocorreu uma conferência inaugural organizada pela Chevron conferência.

O ISO 15926 acabou se mostrando pesado para a indústria de petróleo e gás (e mal encontrou aplicação em engenharia). Apenas a Statoil (Equinor) realmente se aprofundou nele, e ao seu redor, surgiu toda uma ecossistema. Outros estão tentando fazer algo próprio. Por exemplo, segundo rumores, o Ministério da Energia está planejando desenvolver um "modelo conceitual ontológico para o setor de energia", semelhante, aparentemente, ao criado para a energia elétrica.

• organizações financeiras (até o XBRL pode ser considerado uma espécie de híbrido entre SDMX e ontologia RDF Data Cube);

relevante

O LinkedIn no começo do ano enviou vários anúncios de emprego ao autor, praticamente de todos os gigantes da indústria financeira que ele conheceu pela série "Suits": Goldman Sachs, JPMorgan Chase e/ou Morgan Stanley, Wells Fargo, SWIFT/Visa/Mastercard, Bank of America, Citigroup, Fed, Deutsche Bank… Provavelmente, todos estavam à procura de alguém para enviar ao Knowledge Graph Conference. Muitos conseguiram encontrar: as organizações financeiras dominaram toda a manhã do primeiro dia.

No HeadHunter, por outro lado, algo interessante só foi encontrado no Sberbank, onde se falava sobre um "armazenamento EAV com modelo de dados semelhante ao RDF".

Provavelmente, a diferença no grau de apreço por essas tecnologias entre as instituições financeiras locais e ocidentais se deve à natureza transnacional das atividades das últimas. Aparentemente, a integração através de fronteiras exige soluções organizacionais e técnicas qualitativamente diferentes.

• sistemas de perguntas e respostas com aplicações comerciais (IBM Watson, Apple Siri, Google Knowledge Graph);

relevante

A propósito, o criador da Siri, Thomas Gruber, é o autor da definição de ontologia (no sentido de TI) como "especificação de conceituação". Na minha opinião, a troca de palavras nessa definição não altera seu significado, o que pode indicar que ele não existe.

• publicação de dados estruturados (com uma base sólida, isso pode já ser classificado como Linked Open Data).

relevante

Os grandes amantes do Linked Data são os chamados GLAM: Galerias, Bibliotecas, Arquivos e Museus. Aqui, basta dizer que, em substituição ao MARC21, a Biblioteca do Congresso promove BIBFRAME, que fornece uma base para o futuro da descrição bibliográfica e, claro, é baseado em RDF.

Frequentemente, como exemplo de um projeto bem-sucedido na área de Linked Open Data, menciona-se o Wikidata — uma espécie de versão legível por máquina da Wikipédia, cujo conteúdo, ao contrário do DBPedia, não é gerado pela importação de infoboxes de artigos, mas criado mais ou menos manualmente (e se torna, posteriormente, uma fonte de informação para esses mesmos infoboxes).

Recomendamos também a consulta uma lista usuários do repositório RDF Stardog no site da Stardog, na seção "Customers".

De qualquer forma, no relatório da Gartner "Hype Cycle for Emerging Technologies" de 2016 "Enterprise Taxonomy and Ontology Management" foi colocado no meio da descida para o vale do desapontamento, com a perspectiva de alcançar o "platô da produtividade" em não menos de 10 anos.

Conectando Dados Empresariais

Previsões, previsões, previsões…

Por curiosidade histórica, compilei na tabela abaixo as previsões da Gartner de diversos anos para as tecnologias que nos interessam.

No entanto, já no "Hype Cycle…" de 2018 surge uma nova tendência ascendente — Gráficos de Conhecimento. Houve uma espécie de reencarnação: os bancos de dados gráficos, sobre os quais a atenção dos usuários e os esforços dos desenvolvedores se voltaram, sob influência das demandas dos primeiros e dos hábitos dos últimos, começaram a adquirir contornos e posicionamentos dos seus predecessores concorrentes.

Praticamente todos os bancos de dados gráficos agora se declaram adequados como plataformas para a construção de um "grafo de conhecimento" corporativo ("linked data" às vezes é substituído por "connected data"), mas quão justificadas são essas reivindicações?

Os bancos de dados de grafos ainda são assémanticos, os dados em um SGBD de grafos - são os mesmos silos de dados. Identificadores string em vez de URI tornam a tarefa de integração de dois SGBDs de grafos uma tarefa de integração, enquanto a integração de dois repositórios RDF frequentemente se resume simplesmente à combinação de dois grafos RDF. Outro aspecto da assematicidade é a falta de reflexividade do modelo LPG de grafos, o que dificulta a gestão de metadados usando a mesma plataforma.

Finalmente, os SGBDs de grafos não possuem motores de inferência e motores de regras. Os resultados do trabalho desses motores podem ser replicados por meio de consultas complexas, mas isso é possível até mesmo em SQL.

No entanto, os principais repositórios RDF não têm dificuldade em suportar o modelo LPG. A abordagem mais sólida é considerada a proposta apresentada na Blazegraph: o modelo RDF*, que combina RDF e LPG.

Saiba mais

Mais informações sobre o suporte de repositórios RDF ao modelo LPG podem ser lidas no artigo anterior no Habr: “O que está acontecendo atualmente com os repositórios RDF”. Espero que um dia seja escrito um artigo separado sobre Knowledge Graphs e Data Fabric. A seção final, como é fácil de entender, foi escrita às pressas; no entanto, após seis meses, esses conceitos ainda não são muito mais claros.

Literatura

1. Halpin, H., Monnin, A. (eds.) (2014). Filosofia da Engenharia: Rumo a uma Filosofia da Web
2. Allemang, D., Hendler, J. (2011) Web Semântica para o Ontologista em Atividade (2ª ed.)
3. Staab, S., Studer, R. (eds.) (2009) Manual sobre Ontologias (2ª ed.)
4. Wood, D. (ed.). (2011) Ligando Dados Empresariais
5. Keet, M. (2018) Uma Introdução à Engenharia de Ontologias

Fonte: habr.com