什么是知識(shí)圖表，以及對(duì)它們的所有炒作是什么?如果你想成為世界上的Airbnbs，Amazons，Google和LinkedIns，學(xué)會(huì)分辨現(xiàn)實(shí)炒作，定義不同類(lèi)型的圖表，為你的用例挑選合適的工具和數(shù)據(jù)庫(kù)是必不可少的。知識(shí)圖表被大肆宣傳。我們現(xiàn)在可以正式說(shuō)這個(gè)，因?yàn)镚artner在2018年的新興技術(shù)炒作周期中包含了知識(shí)圖表。雖然我們不必等待Gartner -宣稱(chēng)這是“圖表年”是我們2018年的揭幕戰(zhàn)。像活躍在這個(gè)領(lǐng)域的任何人一樣，我們看到了機(jī)會(huì)，以及這方面的威脅：炒作帶來(lái)了混亂。

知識(shí)圖是真實(shí)的。他們至少已經(jīng)過(guò)去20年了。知識(shí)圖在其原始定義和化身中一直是關(guān)于知識(shí)表示和推理的。諸如受控詞匯表，分類(lèi)法，模式和本體之類(lèi)的東西都是其中的一部分，建立在標(biāo)準(zhǔn)和實(shí)踐的語(yǔ)義Web基礎(chǔ)之上。

那么，改變了什么?為什么Airbnb，亞馬遜，谷歌，LinkedIn，Uber和Zalando等公司在其核心業(yè)務(wù)中運(yùn)用知識(shí)圖表?亞馬遜和微軟如何加入圖形數(shù)據(jù)庫(kù)供應(yīng)商及其最新產(chǎn)品?你怎么能做這個(gè)工作?

知識(shí)圖表很酷之前

知識(shí)圖聽(tīng)起來(lái)很酷。但究竟是什么呢?這可能聽(tīng)起來(lái)像一個(gè)天真的問(wèn)題，但實(shí)際上正確定義是如何構(gòu)建知識(shí)圖。從分類(lèi)法到本體論 - 本質(zhì)上是模式和不同復(fù)雜性的規(guī)則 - 這就是人們多年來(lái)一直在做的事情。

RDF是用于編碼這些模式的標(biāo)準(zhǔn)，具有圖形結(jié)構(gòu)。因此，調(diào)用在圖形結(jié)構(gòu)之上編碼的知識(shí)“知識(shí)圖”聽(tīng)起來(lái)很自然。這樣做的人，數(shù)據(jù)建模者，被稱(chēng)為知識(shí)工程師或本體論者。

這些知識(shí)圖可以有許多應(yīng)用 - 從編目項(xiàng)目到數(shù)據(jù)集成和在Web上發(fā)布，再到復(fù)雜的推理。對(duì)于一些最著名的，你可以看看schema.org，Airbnb，亞馬遜，Diffbot，谷歌，LinkedIn，優(yōu)步和Zalando。這就是為什么知識(shí)圖表中經(jīng)驗(yàn)豐富的人會(huì)嘲笑炒作。

因此，知識(shí)圖現(xiàn)在處于新興技術(shù)的炒作周期中。對(duì)于擁有超過(guò)20年歷史的技術(shù)來(lái)說(shuō)，這不錯(cuò)。(圖片：Gartner)

像任何數(shù)據(jù)建模一樣，這是一項(xiàng)艱巨而復(fù)雜的工作。它必須考慮到許多利益相關(guān)者和世界觀(guān)，管理起源和模式漂移等等。加入混合推理和網(wǎng)絡(luò)規(guī)模，事情很容易失控，這可以解釋為什么直到最近，這種方法在現(xiàn)實(shí)世界中并不是最受歡迎的。

另一方面，走向無(wú)架構(gòu)已經(jīng)并且仍然很受歡迎。無(wú)模式可以讓你快速入門(mén);它更簡(jiǎn)單，更靈活，至少達(dá)到某一點(diǎn)。不使用模式的簡(jiǎn)單性可能會(huì)欺騙。因?yàn)?，無(wú)論您的域名是什么，都會(huì)存在架構(gòu)。架構(gòu)上閱讀?精細(xì)。但根本沒(méi)有架構(gòu)?

您可能不會(huì)事先了解您的架構(gòu)。它可能很復(fù)雜，而且可能會(huì)發(fā)展。但它會(huì)存在。因此，忽略或淡化模式并不能解決任何問(wèn)題，只會(huì)讓事情變得更糟。問(wèn)題將潛伏，并花費(fèi)您的時(shí)間和金錢(qián)，因?yàn)樗鼈儗⒆璧K開(kāi)發(fā)人員和分析人員，他們將嘗試開(kāi)發(fā)應(yīng)用程序并獲得對(duì)模糊數(shù)據(jù)的洞察力。

然后，重點(diǎn)不是拋棄架構(gòu)，而是使其功能性，靈活性和可互換性。RDF非常擅長(zhǎng)這一點(diǎn)，因?yàn)樗彩菙?shù)據(jù)交換的標(biāo)準(zhǔn)化格式的基礎(chǔ)，例如JSON-LD。順便說(shuō)一下，RDF還可以用于輕量級(jí)模式和無(wú)模式方法以及數(shù)據(jù)集成。

將知識(shí)輸入或輸出圖表

那么，炒作是什么?20年前的技術(shù)如何能夠在臭名昭著的炒作周期中出現(xiàn)?炒作也是真實(shí)的，原因也是如此。這與人工智能炒作的迅速崛起是同一個(gè)故事：并不是因?yàn)榉椒ㄖ械氖虑榘l(fā)生了變化，而是現(xiàn)在的數(shù)據(jù)和計(jì)算能力使它大規(guī)模地發(fā)揮作用。

此外，AI本身也有幫助?；蛘撸鼫?zhǔn)確地說(shuō)，這種自下而上的基于機(jī)器學(xué)習(xí)的人工智能最近得到了大肆宣傳。知識(shí)圖基本上也是人工智能。只是另一種。不是一些大肆宣傳的AI，而是一種象征性的，自上而下的，基于規(guī)則的類(lèi)型。迄今為止不受歡迎的那種。

這并不是說(shuō)這種方法沒(méi)有局限性。很難以功能的方式編碼關(guān)于復(fù)雜域的知識(shí)，并且大規(guī)模地對(duì)其進(jìn)行推理。因此，機(jī)器學(xué)習(xí)的做事方式，就像無(wú)模式的方式，受歡迎。并且有充分的理由。

知識(shí)圖表起初可能很難，但不要放棄。實(shí)踐是完美的。

隨著大數(shù)據(jù)爆炸以及NoSQL的興起，其他事情也開(kāi)始發(fā)生。非RDF圖的工具和數(shù)據(jù)庫(kù)出現(xiàn)在市場(chǎng)上，并開(kāi)始尋找成功。這些標(biāo)記屬性類(lèi)型(LPG)的圖表更簡(jiǎn)單，更簡(jiǎn)潔。與RDF相比，它們?nèi)鄙倌Ｊ交蚓哂谢灸Ｊ焦δ堋?/p>

它們通常在運(yùn)營(yíng)應(yīng)用程序，圖形算法或圖形分析方面表現(xiàn)更好。最近，圖表也開(kāi)始用于機(jī)器學(xué)習(xí)。這些都是非常有用的東西。

算法，分析和機(jī)器學(xué)習(xí)可以提供有關(guān)圖表的見(jiàn)解，一些常見(jiàn)的用例是欺詐檢測(cè)或推薦。因此，您可以說(shuō)這些技術(shù)和應(yīng)用程序從圖形中獲取知識(shí)，自下而上。另一方面，RDF圖從上到下將知識(shí)引入圖形。

那么，自下而上的圖知識(shí)圖也是嗎?

另外：在不破壞數(shù)據(jù)的情況下快速行動(dòng)：用于管理機(jī)器學(xué)習(xí)中的風(fēng)險(xiǎn)的治理

正如知識(shí)工程師所說(shuō)，這是一個(gè)語(yǔ)義問(wèn)題。騎知識(shí)圖表炒作很誘人。但最終，缺乏清晰度可能證明服務(wù)很少。圖形算法，圖形分析和基于圖形的機(jī)器學(xué)習(xí)和見(jiàn)解都是良好，準(zhǔn)確的術(shù)語(yǔ)。它們也不與“傳統(tǒng)”知識(shí)圖相互排斥。

我們前面提到的所有突出用例都是基于多種方法的組合。例如，擁有知識(shí)圖并使用機(jī)器學(xué)習(xí)填充它有助于構(gòu)建最大的知識(shí)圖- 至少在實(shí)例方面，如果不是實(shí)體的話(huà)。這也是像DeepMind這樣的AI先驅(qū)正在研究的東西。

有些東西陳舊，有些東西是新東西，有些東西借用于圖形數(shù)據(jù)庫(kù)

像往常一樣，用于圖表的方法和工具的選擇取決于您的用例。這也適用于圖形數(shù)據(jù)庫(kù)，我們隨著它們的發(fā)展一直在密切監(jiān)控，新的供應(yīng)商和功能正在迅速增加。

上周在Strata，獲得最具顛覆性創(chuàng)業(yè)獎(jiǎng)的獲獎(jiǎng)?wù)吆蛠嗆姸际菆D形數(shù)據(jù)庫(kù)：TigerGraph和Memgraph。如果您需要更多證據(jù)證明在該領(lǐng)域取得了快速進(jìn)展，那么您就擁有它。順便說(shuō)一句，兩家創(chuàng)業(yè)公司的年齡不超過(guò)兩年。

對(duì)于2017年9月秘密出現(xiàn)的TigerGraph來(lái)說(shuō)，這是一個(gè)非?；钴S的一年。今天，TigerGraph宣布推出新版本。它有一些陳舊的東西，一些新東西，一些借來(lái)的東西 - 雖然我們無(wú)法發(fā)現(xiàn)任何藍(lán)色的東西。

淹沒(méi)數(shù)據(jù)與大數(shù)據(jù)不同。以下是大數(shù)據(jù)的真實(shí)定義，以及如何使用它來(lái)為數(shù)字化轉(zhuǎn)型提供動(dòng)力的強(qiáng)大示例。

閱讀更多

新事物是少數(shù)。他們都在解決TigerGraph現(xiàn)有的痛點(diǎn)。TigerGraph增加了與流行數(shù)據(jù)庫(kù)和數(shù)據(jù)存儲(chǔ)系統(tǒng)的集成，包括：RDBMS，Kafka，Amazon S3，HDFS和Spark(即將推出)。TigerGraph表示github存儲(chǔ)庫(kù)將在TigerGraph推出時(shí)托管開(kāi)源連接器。

當(dāng)然，沒(méi)有社區(qū)，github存儲(chǔ)庫(kù)不值得。TigerGraph正在努力，并宣布了一個(gè)新的開(kāi)發(fā)人員門(mén)戶(hù)網(wǎng)站和電子書(shū)。該版本還帶來(lái)了更多部署選項(xiàng)，為現(xiàn)有Amazon AWS添加了對(duì)Microsoft Azure的支持。為了跟上容器化趨勢(shì)，還增加了對(duì)Docker和Kubernetes的支持。

我們之前提到了圖算法，這可能是該版本中最有趣的方面，并結(jié)合了查詢(xún)語(yǔ)言。TigerGraph增加了對(duì)圖形算法的支持，例如PageRank，Shortest Path，Connected Components和Community Detection。有趣的是，這些都是通過(guò)TigerJraph自己的查詢(xún)語(yǔ)言GSQL支持的。

我們已經(jīng)提到了查詢(xún)語(yǔ)言對(duì)圖數(shù)據(jù)庫(kù)的重要性。最近，根據(jù)DB-Engines，領(lǐng)先的圖形數(shù)據(jù)庫(kù)供應(yīng)商N(yùn)eo4j提出了為L(zhǎng)PG圖形數(shù)據(jù)庫(kù)創(chuàng)建標(biāo)準(zhǔn)查詢(xún)語(yǔ)言的建議。這在LPG世界中不存在，而不是SPARQL附帶的RDF。

TigerGraph最初回應(yīng)了Neo4j的電話(huà)。然而，現(xiàn)在情況正在發(fā)生變化。TigerGraph剛剛宣布了一個(gè)Neo4j Migration Toolkit，它主要基于將Cypher(Neo4j的查詢(xún)語(yǔ)言)轉(zhuǎn)換為GSQL。這是我們與TigerGraph詳細(xì)討論的一點(diǎn)。

TigerGraph這樣做是有道理的，因?yàn)楸仨氃贜eher4j的查詢(xún)語(yǔ)言Cypher中遷移現(xiàn)有的查詢(xún)體，這將是一個(gè)障礙。有趣的部分是TigerGraph如何選擇實(shí)現(xiàn)這一點(diǎn)：作為一次性，批量翻譯過(guò)程，而不是以交互方式。

這是一個(gè)戰(zhàn)略選擇。TigerGraph希望人們切換到GSQL，而不是在TigerGraph之上使用Cypher。傳統(tǒng)上，開(kāi)發(fā)人員一直不愿意學(xué)習(xí)新的查詢(xún)語(yǔ)言。TigerGraph有一些故事可以分享這對(duì)他們有多大的影響，但這將如何發(fā)揮作用是任何人的號(hào)召。

TigerGraph公告中的舊部分是基準(zhǔn)測(cè)試。這些基準(zhǔn)測(cè)試實(shí)際上是新的，但TigerGraph已經(jīng)進(jìn)入基準(zhǔn)測(cè)試，因?yàn)樗请[形的。對(duì)于聲稱(chēng)由于其MPP架構(gòu)而聲稱(chēng)比其他任何東西更快的解決方案，這也是有意義的。該基準(zhǔn)測(cè)試將TigerGraph與Neo4j，亞馬遜海王星，JanusGraph和ArangoDB進(jìn)行了比較，并且不出所料，它發(fā)現(xiàn)它比所有這些更快。

借來(lái)的部分?為什么，當(dāng)然知識(shí)圖。TigerGraph的員工也證實(shí)了客戶(hù)對(duì)此表現(xiàn)出極大的興趣，例如中國(guó)的知識(shí)圖事件吸引了超過(guò)1000人。什么知識(shí)圖?好吧，現(xiàn)在你知道了。