知识图谱是交叉领域,涉及的相关领域包括人工智能、数据库、自然语言处理、机器学习、分布式系统等。下面分别从数据库系统、智能问答、机器推理、推荐系统、区块链与去中心化等角度介绍知识图谱有关的相关技术进展。
知迟图谱与数据库系统
随着知识图谱规模的日益增长,知识图谱数据管理问题愈加突出。近年来,知识图谱和数据库领域均认识到大规模知识图谱数据管理任务的紧迫性。由于传统关系数据库无法有效适应知识图谱的图数据模型,知识图谱领域形成了RDF数据的三元组库(Triple Store),数据库领域开发了管理属性图的图数据库(Graph Database)。
知识图谱的主要数据模型有RDF图(RDF graph)和属性图(Property Graph)两种;知识图谱查询语言可分为声明式(Declarative)和导航式(Navigational)两类。 RDF三元组库主要是由Semantic Web领域推动开发的数据库管理系统,其数据模型RDF图和查询语言SPARQL均遵守W3C标准。查询语言SPARQL从语法上借鉴了SQL语言,属于声明式查询语言。最新的SPARQL为有效查询RDF三元组集合设计了三元组模式(Triple Pattern)、基本图模式(Basic Graph Pattern)、属性路径(Propertv Path)等多种查询机制。
图数据库是数据库领域为更好地存储和管理图模型数据而开发的数据库管理系统,其数据模型采用属性图,其上的声明式查询语言有:Cypher、PGQL和G-Corels。Cypher是开源图数据库Neo4j中实现的图查询语言。PGQL是Oracle公司开发的图查询语言。G-Core是由LDBC(Linked Data Benchmarks Council)组织设计的图查询语言。考虑到关系数据库采用统一的查询语言SQL,目前学术和工业界关于开发统一图数据库语言的呼声越来越高。 目前,基于三元组库和图数