知識圖譜是一種非常強(qiáng)大的表示工具，它可以通過一張圖表達(dá)復(fù)雜的概念，這就是為什么常說“一圖勝千言”。但是，如果我們在沒有明確定義的模式下創(chuàng)建知識圖譜，就會存在一些問題。這就是為什么需要一種模式來限制鏈接的類型，充當(dāng)文檔，提供和機(jī)器可讀的語義，并確保軟件按照預(yù)期的方式來組織信息。

對于知識圖譜而言，良好的模式設(shè)計(jì)比關(guān)系數(shù)據(jù)庫更為重要和核心。不幸的是，對于如何完成相對簡單的任務(wù)而言，目前缺乏詳細(xì)的指導(dǎo)。根據(jù)我的經(jīng)驗(yàn)，我想至少提供一些幫助。

為了更好地了解模式設(shè)計(jì)的模式和原則，我們可以使用TerminusCMS。雖然其中許多想法也適用于其他領(lǐng)域。

文檔(Documents)

在知識圖譜TerminusDB中，數(shù)據(jù)被視為由具有特定數(shù)據(jù)類型的字段組成的基本單元，這些字段可以是字符串、整數(shù)或日期等類型。這些基本單元會被組織成一個數(shù)據(jù)集合，稱為“文檔”。

舉個例子，我們可以看看“Person”文檔，以更好地理解這個概念。

{ "@type" : "Class",
  "@id" : "Person",
  "first_name" : "xsd:string",
  "family_name" : "xsd:string",
  "date_of_birth" : "xsd:dateTime"
}

這個人的信息包括姓名和出生日期，類似于關(guān)系型數(shù)據(jù)庫（RDBMS）或逗號分隔值（CSV）文件中的行記錄。為了讓數(shù)據(jù)更加豐富，可以添加一些額外的鏈接。

{ "@type" : "Class",
  "@id" : "Person",
  "first_name" : "xsd:string",
  "family_name" : "xsd:string",
  "date_of_birth" : "xsd:dateTime",
  "friends" : { "@type" : "Set", "@class" : "Person" }
}

在知識圖譜中，我們可以將人與他們的朋友之間建立鏈接。這種數(shù)據(jù)結(jié)構(gòu)非常適合用于社交網(wǎng)絡(luò)或聯(lián)系人管理應(yīng)用程序。我們可以將每個人視為一個文檔，其中包含許多數(shù)據(jù)屬性，例如姓名和出生日期。此外，我們可以在文檔中添加指向其他文檔的鏈接，以建立人與他們的朋友之間的聯(lián)系。這種建模方式非常簡單和靈活，讓我們能夠方便地捆綁所有的數(shù)據(jù)屬性和鏈接在一起。

子文檔(Subdocuments)

有時，您需要在文檔中包含一個內(nèi)部結(jié)構(gòu)，這個結(jié)構(gòu)不僅僅是一個數(shù)據(jù)原子，而是與該對象有緊密聯(lián)系，而不只是指向另一個對象的鏈接。這種類型的對象最常見的變體是注釋了一些附加結(jié)構(gòu)的數(shù)據(jù)。例如，我們可能希望在某個時間范圍內(nèi)得到數(shù)據(jù)點(diǎn)，該數(shù)據(jù)點(diǎn)具有特定的來源或可能有一個單位。

{ "@type" : "Enum",
  "@id" : "Unit",
  "@value" : [ "meters", "kilograms" ] }

{ "@type" : "Class",
  "@id" : "UnitValue",
  "@subdocument" : [],
  "value" : "xsd:decimal",
  "unit" : "Unit" }

有時候一個數(shù)據(jù)原子的值本身并沒有意義，但是在特定對象的上下文中卻很有用，例如人的身高。為了表達(dá)這種內(nèi)在聯(lián)系，我們可以使用子文檔，它可以將數(shù)據(jù)與額外的結(jié)構(gòu)注釋關(guān)聯(lián)起來。使用"@subdocument" : []指定一個子文檔類，這個子文檔將完全屬于包含類，不允許其他人對其進(jìn)行引用，并且當(dāng)我們搜索包含文檔時，它將始終以完全擴(kuò)展的 JSON 文檔返回。

{ "@type" : "Class",
  "@id" : "Person",
  "first_name" : "xsd:string",
  "family_name" : "xsd:string",
  "date_of_birth" : "xsd:dateTime",
  "friends" : { "@type" : "Set", "@class" : "Person" }
  "height" : "UnitValue",
  "weight" : "UnitValue",
}

您可能已經(jīng)發(fā)現(xiàn)，“height”和“weight”都被表示為“UnitValue”，但是可能沒有使用正確的單位。為了確保單位的正確性，我們正在加入一些限制。

關(guān)系(Relationships)

并非所有關(guān)系都可以簡化為一個簡單的鏈接。xsd:decimal是表示數(shù)字的一種數(shù)據(jù)類型，然而，對于復(fù)雜的關(guān)系，通?？梢允褂米游臋n來表示它們，就像我們使用單位裝飾基本類型以添加輔助信息一樣。如果您有一個復(fù)雜的關(guān)系，將其升級為一級對象通常是有意義的。例如，假設(shè)我們要表示股權(quán)關(guān)系，我們可以使用子文檔來描述持股人、股票數(shù)量、股份轉(zhuǎn)讓條款等詳細(xì)信息。

{ "@type" : "Class",
  "@id" : "Company",
  "name" : "xsd:string" }
{ "@type" : "Class",
  "@id" : "Shareholder",
  "name" : "xsd:string" }
{ "@type" : "Class",
  "@id" : "Company",
  "@inherits" : "Shareholder" }
{ "@type" : "Class",
  "@id" : "Person",
  "@inherits" : "Shareholder" }
{ "@type" : "Class",
  "@id" : "Shareholding",
  "quantity" : "xsd:decimal",
  "shares_in" : "Company",
  "held_by" : "Shareholder",
  "from" : "xsd:date",
  "to" : { "@type" : "Optional", "@class" : "xsd:date" }}

我們的Shareholding關(guān)系包含兩個不同的角色：持股公司和股東，他們可以是個人或公司。此外，我們還添加了關(guān)于這個關(guān)系的兩個附加信息：持股數(shù)量和持有時間。這種一流關(guān)系鏈接的方法可以擴(kuò)展到處理超圖，即涉及兩個或更多對象的關(guān)系（例如接管）。

混合(Mixins)：面向方面編程的多重繼承

在編程語言中，多重繼承是一種有效的工具，但在數(shù)據(jù)處理中，它更加實(shí)用?；旌鲜菙?shù)據(jù)建模中可重復(fù)使用的一種方法，可以用來解決一些通用問題，例如空間、時間、來源和單位等。在我的建模經(jīng)驗(yàn)中，我發(fā)現(xiàn)這些通用問題在數(shù)據(jù)建模中屢次出現(xiàn)，它們是跨多個領(lǐng)域的共同問題。

時域范圍(Temporal Scope)

上面的例子Shareholding使用了時間組件，但該組件也可作為mixin（混入）在其他地方重用。mixin是一種可組合的代碼單元，可在不同類或?qū)ο笾羞M(jìn)行重復(fù)利用，以實(shí)現(xiàn)更高的代碼復(fù)用性和靈活性。因此，將時間組件提取為mixin可以在其他數(shù)據(jù)建模中方便地進(jìn)行復(fù)用，提高建模效率和代碼質(zhì)量。

{ "@type" : "Class",
  "@id" : "TemporalScope"
  "from" : "xsd:date",
  "to" : { "@type" : "Optional", "@class" : "xsd:date" }
}

在數(shù)據(jù)建模中，時間范圍的起始日期（from）是必須要有的，因?yàn)樗枋隽艘恍┦虑榈拈_始時間。但是，結(jié)束日期（to）是可選的，這樣可以建模尚未結(jié)束的時間范圍。當(dāng)然，并不總是需要這樣做，但通常這是一種非常有用的方法。

此外，我們可能還需要建模只發(fā)生一次的事件，即在某個特定時刻發(fā)生且不再重復(fù)發(fā)生的事件，例如一個人的生日或一場比賽的開始時間。

{ "@type" : "Class",
  "@id" : "Event"
  "at" : "xsd:date"
}

空間范圍(spatial scope)

在知識圖譜中，我們可以利用幾何形狀為對象添加空間范圍，這可以通過繼承來實(shí)現(xiàn)。我們可以將不同的幾何形狀組合在一起來表示空間范圍，例如矩形、圓形或多邊形。這種方法使我們能夠描述一個實(shí)體或概念在地理上的位置或空間范圍。

{ "@type" : "Class",
"@id" : "GeographicScope",
"geometry" : "Geometry" }

在這個上下文中，“Geometry”所指的是GeoJson中的一個類，具體指的是“Geometry類”。

溯源(Provenance)

為了更好地了解某些信息，通常需要記錄相關(guān)資源的來源。例如，當(dāng)我們從網(wǎng)站等途徑獲取資源時，這種記錄就很常見。在這種情況下，我們可能需要創(chuàng)建一個繼承Event和Source類的對象來記錄這些信息。

{ "@type" : "Class",
  "@id" : "Source",
  "source" : "xsd:anyURI"
}
{ "@type" : "Class",
  "@id" : "WebScrape",
  "@inherits" : ["Event", "Source"],
  "page" : "xsd:string",
}

集合體(Collections)

在知識圖譜中，有許多不同的方式可以對集合進(jìn)行建模。TerminusDB 實(shí)現(xiàn)了三種不同的方法，旨在嘗試簡化建模過程，這三種方法是：Set、List和Array。了解這三種方法之間的差異非常重要：Set表示集合，List表示列表，而Array則表示數(shù)組。

集合(Set)

Set是三種集合模型中最簡單的一種，因?yàn)樗鼪]有順序，實(shí)際上只是一條邊，可以包含多個元素。在圖中，具有三個元素的Set集合可以表示為以下形式：

數(shù)組(Array)

Array是一個更復(fù)雜的對象，它通過索引來對元素進(jìn)行編碼，并且可以根據(jù)位置來訪問它們。與Sets和Lists不同，Array具有固定的大小，其元素是有序的。此外，Array還提供了一些額外的功能，使其與Sets和Lists區(qū)別開來。

數(shù)組中的每個值元素都有一個附加的（隱藏）間接對象，帶有索引（或多維數(shù)組的多個索引）。這使得我們不僅可以有順序，還可以有多個維度來表示“間隔”。當(dāng)返回 JSON 中的值時，我們將返回一個多維數(shù)組，其中包含未填充區(qū)域的null字段。但實(shí)際上，這些未填充區(qū)域并沒有在數(shù)據(jù)庫中出現(xiàn)。

列表(List)

List 是直接從 RDF 數(shù)據(jù)中提取 rdf:List 并使用 rdf:first 和 rdf:rest 字段來表示。三個元素的列表結(jié)構(gòu)如下所示：

° → ° rest→ ° rest→ ° rest→ rdf:nil
    ↓ first ↓ first ↓ first
    v0      v1      v2

鏈表式結(jié)構(gòu)具有潛在的技術(shù)優(yōu)勢。相較于數(shù)組，您可以在列表中的任何位置插入新元素，而不必在給定元素之后重新索引所有內(nèi)容。但是，鏈表式結(jié)構(gòu)需要遍歷圖中的長鏈來解碼列表，這可能會對性能產(chǎn)生影響。在列表非常長時，它可能會導(dǎo)致解碼時間顯著延長，因此需要權(quán)衡其優(yōu)缺點(diǎn)來選擇適合特定場景的數(shù)據(jù)結(jié)構(gòu)。

結(jié)論

通過使用知識圖譜，可以實(shí)現(xiàn)更加輕松地操作和發(fā)現(xiàn)數(shù)據(jù)。知識圖譜是一個基于圖形結(jié)構(gòu)的數(shù)據(jù)模型，可以將各種實(shí)體和概念以及它們之間的關(guān)系表示為節(jié)點(diǎn)和邊，使得數(shù)據(jù)之間的關(guān)系和結(jié)構(gòu)更加清晰和易于理解。在使用知識圖譜進(jìn)行數(shù)據(jù)建模后，用戶可以方便地進(jìn)行數(shù)據(jù)操作和發(fā)現(xiàn)，從而更加高效地利用數(shù)據(jù)。