知识图与属性图的比较
发表评论
6819 views

中文标题：知识图与属性图的比较

英文标题：Knowledge Graph Versus Property Graphs

发表平台：网络公开

发布日期：2020-08-19

作者：Dataversity公司

关键字： #属性图 #RDF

文章类型：blogPost

品读时间：2022-02-22 18:53

1 文章萃取

1.1 核心观点

异构数据、集成新数据源和分析都对数据的灵活性提出了更高的要求，而图结构数据正好满足了这一点。目前主流（占有率超过90%）的图数据结构模型有两种：属性图与RDF图。本文主要围绕这两种模型进行对比与分析，展现了属性图的局限性，呼吁更多人转向RDF图。

1.2 综合评价

  • Dataversit企业出品的白皮书，稍微带点自家数据库的软广
  • 内容还是非常客观充实的，对于属性图和RDF图进行了充分的比较与分析

1.3 主观评分：⭐⭐⭐⭐

2 精读笔记

知识点补充：

图数据就是以图的形式存储的数据

图模型（严格来说是图数据结构模型）是图数据的一种抽象表达，是包含顶点和连接顶点的边构成的基础图拓扑。这里的图模型是知识图谱/图数据库中的概念，需要与算法中的图模型（比如贝叶斯网络或者马尔可夫模型）做概念上的区分。

图数据库是一个基于图模型的数据库系统，具有图数据的创建、读取、更新和删除功能。如果图数据库底层存储使用了图模型，则为原生图数据库（更适合图数据），否则为非原生图数据库（易于开发）

知识图谱是一种数字结构，将知识表示为概念和概念之间的关系(事实)。这种数字结构往往与图模型相符，而图数据库则是知识图谱常见的载体。

2.1 属性图

属性图不存在统一的标准，但有一些核心共性。最著名的Neo4j就是基于属性图实现的。

一般来说，属性图都会有包含以下三种元素：

  1. 节点（Nodes）：图中的实体，可以包含0个或多个文本标签
  2. 边（Edges）：节点之间的有向连接，从源节点指向目标节点，每条边都属于一个类型
  3. 属性（Properties）：一个键值对，顶点和边都可以有属性；属性值可以有数据类型

属性图数据库片段可视化示例（包含演员、导演和电影或电视节目）：

其中蓝色椭圆表示节点；深蓝色框表示节点的标签；黄色框表示属性（键值对）；绿色方框表示边；红色方框表示边的类型。需要注意的是节点和边都会有唯一的ID。

由于属性图缺乏统一的标准，所以不同数据库间普遍存在语法差异：

  • Neo4J提供类SQL的Cypher语法，简称CQL
  • Apache TinkerPop使用Gremlin图遍历语言
  • TigerGraph和GSQL也都有各自的类SQL语法

由于数据缺乏统一标准，属性图数据库导入一般采用txt格式或者csv格式

2.2 RDF图

RDF，即资源描述框架（Resource Description Framework），形式上主要由主谓宾（SPO, 即subject, predicate, object）三元组组成。RDF图存在统一的标准，其技术栈的标准是由万维网联盟(W3C)负责管理。

RDF图主要由以下两种元素组成：

  1. 节点（Nodes）：可以是具备唯一性的资源或字面值（如数值、字符串）
  2. 边（Edges）：节点之间的有向连接，也被称为谓语（predicate），一般由主语指向宾语

RDF也有标准的查询语言SPARQL，SPARQL既是一种功能齐全的查询语言，也是一种HTTP协议，可以接收通过HTTP发送的查询请求。

RDF图的标准化有一个关键点就是序列化。通过序列化可以在不同RDF图数据库之间无缝切换，常用的序列化格式包括Turtle（最常用）、JSON-LD、XML。

RDF图数据库片段可视化示例（内容与属性图数据库片段示例是基本一致的）：

相比于属性图数据库，RDF数据库的可视化结果会更干净（构成数据的元素类型少），但也更宽广（节点和边的数量更多）。

在RDF中存在一个重要的概念：统一资源标识符（URI ，即Uniform Resource Identifier）

  • RDF中的资源可以通过URI来指定一个命名空间，从而使用命名空间内置的定义
  • 上图中每个资源的URI使用Qname表示法（命名空间缩写：资源名，比如rdf:type）
  • rdf:对应的命名空间为最基本的命名描述；rdfs(schema)则是在rdf上的拓展；owl则是在rdfs上的进一步拓展； wikidata是维基百科相关数据的命名描述；ex则指示例数据的描述
  • 借助URI可以实现资源在WEB上的唯一命名，而且如果不同节点具有同样的URI时，可以自动合并节点，使得最终的RDF图更简约（比如上图中wikidata:Q2263和wikidata:Q257442都指向了ex:Actor）

2.3 二者的比较

  1. 结构上的差异：

在属性图中，节点与边会存在属性、标签或类型的额外补充信息。这些信息都是依附于节点或边的，也是独立于图之外的，属性图既无法表现标签或类型间可能存在的依赖关系，也不方便对属性进行动态更改（键值对结构的局限性）。

而相比于来说，RDF图则会更灵活，原本重复的标签或类型会被（目标）节点所代替，这些信息融入到图中，既可以通过图表达依赖关系，也可以应用图的查询方法实现灵活查询。而对于属性的动态修改，也可以通过时间关系将更改前后的节点进行关联。

  1. 调整上的差异：

当遇到扩展或更改时，属性图可能需要改变图的结构，比如属性改为边，值改为节点。而RDF图可以在不改动原有数据的情况下通过增量的方式解决问题。

  1. 图算法上的差异：

图分析算法主要包括节点中心性、节点相似度、最短路径、聚类等。属性图对以上算法都有较好的支持，但是RDF图也是有这些算法的实现（只不过还没属性图那么成熟？）

  1. 分区上的差异：

属性图和RDF图都可以通过筛选功能（比如排除老人和小孩）实现比较简单的分区功能；但是RDF图可以借助URI中的命名空间轻松的实现分区，这种隔离甚至可以是物理层面上的。

  1. 属性图的局限性：

综合来说，属性图可能在以下几个方面存在局限性：在图中捕获模式（Schema）、数据完整性验证、容纳更为丰富的规则、支持继承和推理、支持全局唯一标识符、支持标识符的替代、图与图之间进行关联、图进化的更好解决方案。

2.4 从属性图转向RDF图

属性图所存储的数据有超出图之外的部分，但是这些固定的语义信息可以很方便地转化到RDF图中（导出格式符合RDF图支持的几种序列化就行~），比如Neo4J本身就自带这种数据的导出工具。

但是语义本身却无法简单的转化到RDF图，这时需要设计RDF模型（本体），以更好的兼容导出数据，当然部分RDF图数据库（比如TopBraid EDG）支持对本地的逆向工程以便更快的完成迁移工作。值得一提的是，一些原本数据库可能设计存在的特性（比如Neo4J为了提高密集节点的删除效率，可能存在节点与特定日期的关系）可能也需要进行修正。

由于Neo4J是一个非常成熟且流行的属性图数据库方案，导致很多人没有对属性图和RDF图的区别有很好的认知，在这里希望大家能认识到属性图的局限性，并根据实际需求选择更合理的方案！

相关资源

往年同期文章