AI图形:2020年五月/六月最新资讯总结

这篇文章中,我们将会讨论各种不同图形数据库,包括一个关键的图形数据库技术,以及很多相关的前沿技术。

整个世界大部分仍然被封锁着,只有一部分国家正在慢慢恢复。在过去几个月中,很多东西都被暂停了,但同时也极大加速了一些别的东西的发展。而这其中,图形相关的开发就是一个加速发展的例子。

网上现在出现了很多图形教育相关的资料,并且可以免费获取,而且有越来越多的趋势。

图形数据库已经有了很大进步而且做了一些通报,同时正在通过发布新的功能,获得额外的基金以及引入策略合作伙伴来进行重新定位。

一个关键的图形数据库技术,RDF,它使得属性图形数据库和RDF得以兼容,并且正在有越来越多的工具支持它。

更多的关于图形AI以及知识图谱的前沿研究也看起来越来越有光明的前景。好了,让我们系好安全带,来体验一下图形治疗的飞速发展。

斯坦福举办了一系列线上论坛,聚集了世界上最顶尖的图形专家。假如你错过了这个论坛,或者想要看一看这个论坛说了什么,你可以参阅一下Bob Kasenchak和Ahren Lehnert发布的一系列博客,或者可以在这里看相关的视频。

斯坦福知识图谱课程 (不太活跃的博客)

斯坦福的计算机科学部门正在向公众提供免费的知识图谱课程。斯坦福也正在通过班级的网络来制作相关的录音。

另外一个跟上相关教育资料步伐的方法是:访问KIT的“信息服务工程”课程,这个课程是线上的,并且可以在YouTube上可以免费访问。他包含很多主题,比如本体设计,知识图谱以及基础的图形理论等等。

KIT的“信息服务工程”

本体论听起来很正式,知识图谱则听起来更贴切。但是两者相关联的,就像本体论和AI相关联一样。没有一致的,深思的方法来开发,应用和开展本体论就会使得AI系统的很难像现在这样聪明并产生影响。

正如Seth Earley和Josh Bernoff在哈佛商业回顾中所说,本体论是一个不断取代成果的投资。他使得商业可以从知识为中心的方法中取代好处。

你的数据架构为AI做好准备了吗?

除了AI,知识图谱在云中也有一席之地。如Dave Duggal所说,状态很重要,假如没有状态云的支持,那边很多本地应用将会成为公司的拦路虎。

知识图谱并不是什么新鲜的想法,只是现在被用来model负责的,分布式领域而已。它可以把高度的抽象和云原生为补充无状态服务提供的“上下文即服务”的原则结合起来。以知识图谱为基础的系统可以把云原生服务组成进事件驱动的数据流过程中。

Kubernetes也涉及了组织知识,并且有可能model成知识图谱

关键信息:

  1. 状态很好。实时的数据支持响应式的应用以及端对端流程的协调。
  2. 缺乏对有状态的云原生应用的支持成为了很多公司使用场景的障碍。
  3. 知识图谱并不是什么新鲜的想法,只是现在被用来model负责的,分布式领域而已
  4. 把高度的抽象和云原生为补充无状态服务提供的“上下文即服务”的原则结合起来
  5. 以知识图谱为基础的系统可以把云原生服务组成进事件驱动的数据流过程中。

知识图谱为基础的有状态的云原生应用。

最近6月23日启动的网络研讨会,成立了企业知识图谱基金会,以用来定义EKG采纳的最佳实践和成熟的市场。

这个基金会定了它的使命,包括采用语义标准,开发最佳实践来加速EKG的部署,策划可重用模型和资源的存储库,建立一个参与和共享知识的机制以及推进企业案例以供EKG采纳。

企业知识图谱的成熟度模型

企业知识图谱成熟度模型(EKG/MM)是一个工业标准,用来定义企业知识图谱所需要的能力。他建立了一个标准的尺度来衡量进度,并且保护了一系列的实际问题来保证对数据的信任,自信和灵活使用。每一个领域都提供了一个企业的总结来指示他的重要性,并基于定义好的五个层次的成熟度的语义标准和分值定义了一个附加值。

企业知识图谱已经由SWC和Ontotext提出很久了。在这个领域很长时间的两个供应商刚刚宣布了战略合作伙伴关系:Ontotext,图形数据库和平台提供商。SWC,基于其上的管理和增值层。

SWC和Ontotext的CEO强调他们的产品是如何互补的,新闻稿中也提出了两者是如何把PoolParty Semantic Suite v.8与GraphDB和Ontotext平台无缝连接起来的,这为很多的使用场景提供了便利。

SWC和Ontotext合作加强企业知识图谱

Stardog是另外一个图形数据库和平台提供商,Stardog宣布其已经完成了扩大的1140万美元的B轮融资,以完善其进入市场的计划。他的CEO制定了扩大欧盟业务,加强公共领域工作已经开发相关工具和合作伙伴的目标。

Stardog,企业知识图谱领域的先行者,获得了扩大的1140万美元B轮融资

NebulaGraph是由一个中国公司VESoft开发的开源图形数据库。在完成由红点中国创投领投的800万美元融资后,VESoft已经做好准备进一步发展了。

NebulaGraph列出了20个企业用户客户包括了各个领域,比如社交媒体,电子商务已经金融领域。具体包括美团,小红书以及京东等。NebulaGraph也发布了新的功能比如:Nebula图形数据可视化工具

VESoft筹集800万美元以满足中国发展对图形数据库的需求

微软的Azure CosmosDB是一个全球分布的,基于云的,多模式数据库,它也支持图形。新的自动缩放和无服务的功能已经发布了,这些可以让得实际使用和计费更好地匹配。

此外,一个新的改变提要以及新的Java API。微软装饰了他的Cosmos DB作为开发者友好的NoSQL数据库,他可以支持很多全球的大规模网络应用,也可以用于更小的应用。

微软开发者大会宣布云数据,分析服务和两者的交叉

就像我们经常强调的一样,图形数据库之间最重要的差别就是他们的数据模式。一些是基于RDF的,另外一些是基于属性图的。RDF图形数据库也称之为triple stores。

这里Alan Morrison回答了这个问题“属性图形数据库和triplestores的最大优势是什么?”,他引用了该领域最大专业的人员Marko Rodriguez的解释:

属性图形数据库和triplestores的最大优势是什么

属性图形数据库和RDF triplestores相比如何?RDF是最好的用来进行策略集成的方法,而属性图形则是在战术分析上最好。

Neo4j是最流行的图形数据库。尽管他使用的是属性图形,但他也有一个开源的插件Neosemantics可以让他能够在RDF上工作。最新版本的Neosemantics已经发布了,它支持持久图配置(Persisted Graph Configuration),使用SHACL的model的检测以及导入SKOS。

一些关键的Neosemantics功能就是把RDF数据无损存入Neo4j,并且可以按需从Neo4j导出属性图数据成RDF。

Neosemantics 4.0 发布

RDF*是一个RDF的扩展可以把RDF映射到属性图形。 RDF*和SPARQL*是RDF SPARQL查询语言的扩展,正在通过W3C进行标准化。RDF*的创建者Olaf Harting,已经把命令行工具和Java库连接起来处理RDF*数据以及SPARQL*查询。

RDF4J和Jena都是流行的处理RDF的开源工具,已经加入RDF*的支持。RDF图形数据库Cambridge Semantics AnzoGraph,Ontotext GraphDB以及Stardog先走都支持RDF*以及SPARQL*。另外一个众所周知的使用RDF*来表示语句级注释的知识图谱的是Yago。

YAGO 4

YAGO4是YAGO的最新版本,他基于维基百科数据 — 最大的公共通用知识库。

RDF和SPARQL的好消息不止于此,现在数据科学笔记本用户能够通过集成Jupyter和Zwppelin笔记本来直接查询公用的知识图谱SPARQL端点。

另外,Zazuko已经发布了一个开源的SPARQL端点查询器,这个工具可以帮助用户可视化查询端点。

Jupyter笔记本上的SPARQL

更多的AI和数据科学和图形世界交叉:StellarGraph,这是一个图形和网络相关的机器学习开源库,已经发布了1.0版本。它包括节点分类,连接的预测,无监督培训/表征学习,以及图形分类的例子和算法。

StellarGraph 1.0 — 把机器学习带到了一个新的高度

图形AI领域的核心专家,Jure Leskovac,在最近的网络上的图形深度学习研讨会上展示了深度学习对图形进步的影响。这里包括一个Open Graph Benchmark的新版本,他是一个现实的,大规模的,图形机器学习的基准数据集的集合。

图形深度学习的进步

更多的前沿图形和AI研究:SeMi,(Semantic Modeling MachIne),这是一个工具,他可以半自动化的从结构化的数据源:CSV, JSON 或者XML中创建大规模的知识图谱。它可以使用相关领域的内容和关系来从数据源创建语义模式,并且使用图形神经网络。

SeMi:使用图形神经网络创建知识图谱

总结一些新冠相关的内容,NSF已经提供了基金来创建一个和新冠战斗的语义集成平台。COVID-19网络将提炼知识图谱并把它和补充的知识图谱集成起来。

意大利政府发布了一个每日COVID-19的公开数据,现在这些数据可以使用RDF多维数据集来作为连接数据

一个COVID-19知识图谱网络工具正在使得用户可以比较从BBC, CNN, Fox以及DW News得到的新闻。

原文地址:https://dzone.com/articles/graph-therapy-the-year-of-the-graph-newsletter-jun

You may also like...

Leave a Reply

Your email address will not be published.