의미 3중주

Semantic triple

의미론적 3중, 즉 RDF는 자원기술 프레임워크(RDF) 데이터 모델의 원자 데이터 실체다.[1] 이름에서 알 수 있듯이, 삼중수소는 주제-predicate-object 식(예: "Bob은 35" 또는 "Bob know John")의 형태로 의미 데이터에 대한 문구를 코드화하는 세 개의 실체 집합이다.

제목, 술어 및 객체

이 형식은 지식을 기계로 읽을 수 있는 방법으로 나타낼 수 있게 한다. 특히, RDF 삼중수소의 모든 부분은 고유한 URI를 통해 개별적으로 다루어질 수 있다. 예를 들어, "Bob knows John"이라는 문구는 다음과 같이 RDF에 표현될 수 있다.

http://example.name#BobSmith12 http://xmlns.com/foaf/0.1/knows http://example.name#JohnDoe34.

이러한 정밀한 표현을 고려할 때 의미론적 데이터는 모호하지 않게 질의하고 논증할 수 있다.

Image depicting the subject predicate object relation.
기본 의미 3중 모델.

"하늘은 파란색을 가지고 있다"는 문구와 같은 세 개의 성분은 주어("하늘"), 술어("색깔을 가지고 있다"), 물체("파란색"으로 구성된다. 이는 객체 지향 설계 내에서 기업-속성-가치 모델의 고전적인 표기법과 유사하며, 여기서 이 예는 기업(하늘), 속성(색상) 및 값(파란색)으로 표현된다.

이 기본 구조에서, 삼쌍은 다른 삼쌍의 대상이나 주체로 삼쌍을 사용함으로써, 보다 복잡한 모델로 구성될 수 있다(예: Mike → said → (triples → can be → objects).

이들의 특이하고 일관된 구조를 고려할 때, 삼중수소의 집합은 종종 트리플스토어라고 불리는 특별 제작된 데이터베이스에 저장된다.

관계형 데이터베이스와의 차이점

관계형 데이터베이스는 정보 저장을 위한 고전적인 형태다. 그것은 행으로 구성된 다른 테이블로 작동하고 있다. 잘 알려진 SQL 언어는 데이터베이스에서 정보를 검색할 수 있다. 이와는 대조적으로, RDF 3중 저장소는 논리 술어와 함께 작동하고 있다. 테이블이나 행은 필요하지 않지만 정보는 텍스트 파일에 저장된다. RDF-트리플 스토리지는 SQL 데이터베이스로 변환할 수 있으며 다른 방식으로 변환할 수 있다.[2] 지식이 고도로 비정형적이고 전용 테이블이 충분히 유연하지 않다면, 고전적인 SQL 스토리지에서 의미론적 3배가 사용된다.

기존 SQL 데이터베이스와 달리 RDF 트리플 스토리지는 테이블 편집기로 작성되지 않지만, 선호되는 도구는 지식 편집기(예: 프로토제)이다.[3] 프로토제는 소프트웨어 엔지니어링에 사용되는 객체 지향 모델링 애플리케이션과 비슷해 보이지만, 자연어 정보에 초점을 맞추고 있다. RDF 3배는 외부 파서가 요청을 실행할 수 있는 기술 자료로 통합된다. 비플레이어 캐릭터 제작을 위해 비디오 게임 내에 가능한 어플리케이션이 있다.[4]

제한 사항

3중 스토리지의 한 가지 우려 사항은 데이터베이스 확장성이 부족하다는 것이다.[5] 이 문제는 특히 데이터베이스에 수백만 개의 3배수가 저장되고 검색되는 경우에 관련된다. 검색 시간은 기존 SQL 기반 데이터베이스의 경우보다 더 크다.

더 복잡한 문제는 지식 모델의 미래 상태를 예측할 수 없다는 것이다. 모든 도메인 지식이 논리 술어로 이용 가능하다 하더라도, 모델은 무엇이든지 질문에 대답하는데 실패한다. 예를 들어 RDF 형식에서 로봇과 테이블이 있는 룸에 대해 설명한다고 가정합시다. 로봇은 테이블의 위치가 무엇인지 알고, 테이블과의 거리를 알고 있으며 테이블이 가구의 한 종류라는 것도 알고 있다. 로봇이 다음 행동을 계획하기 전에 시간적 추리 능력이 필요하다.[6] 그러므로 지식 모델은 조치를 취하기 전에 가상의 질문에 미리 답해야 한다.

참고 항목

참조

  1. ^ http://www.w3.org/TR/PR-rdf-syntax/ "RDF(Resource Description Framework) 모델 및 구문 사양"
  2. ^ Cuddihy, Paul and McHugh, Justin and Williams, Jenny Weisenberg and Mulwad, Varish and Aggour, Kareem S (2017). "SemTK: An Ontology-first, Open Source Semantic Toolkit for Managing and Querying Knowledge Graphs". arXiv:1710.11531 [cs.AI].CS1 maint: 여러 이름: 작성자 목록(링크)
  3. ^ Katis, Evangelos (2018). Semantic modeling of educational curriculum and syllabus (PhD). Technological Educational Institute of Crete.
  4. ^ Kluwer, Tina and Adolphs, Peter and Xu, Feiyu and Uszkoreit, Hans and Cheng, Xiwen (2010). Talking NPCs in a virtual game world. Proceedings of the ACL 2010 System Demonstrations. pp. 36–41.CS1 maint: 여러 이름: 작성자 목록(링크)
  5. ^ Jaroslav Pokorny (2015). "Graph Databases: Their Power and Limitations". Computer Information Systems and Industrial Management (PDF). Computer Information Systems and Industrial Management. Lecture Notes in Computer Science. 9339. Springer International Publishing. pp. 58–69. doi:10.1007/978-3-319-24369-6_5. ISBN 978-3-319-24368-9.
  6. ^ Claudio Gutierrez and Carlos Hurtado and Alejandro Vaisman (2007). "Introducing Time into RDF". IEEE Transactions on Knowledge and Data Engineering. Institute of Electrical and Electronics Engineers (IEEE). 19 (2): 207–218. doi:10.1109/tkde.2007.34.

외부 링크