用于处理科学数据的知识图谱:挑战与前景
数据库
2020-04-15 v1
摘要
将知识图谱(KGs)用于科学数据的表示、交换和复用的兴趣日益增长。尽管 KGs 有望改进与 FAIR(可发现性、可访问性、互操作性和可复用性)原则一致的可扩展且可复用学术数据的工作基础设施,但用于处理大型 KGs 的当前最优数据管理系统(DMSs)仍有不尽如人意之处。在本文中,我们研究了若干主流 DMSs 在查询 KGs 情境下的性能,旨在对代表四种主要 DMS 类型的系统提供细粒度的比较分析。我们以 Virtuoso、Blazegraph、RDF-3X 和 MongoDB 作为代表性 DMSs,针对四个知名科学 KGs(即 Allie、Cellcycle、DrugBank 和 LinkedSPL)进行了实验。我们的结果表明,DMSs 在处理 KG 数据集上的复杂查询时表现出局限性。视查询类型而定,性能差异可达数个数量级。此外,似乎没有任何单一 DMS 能持续提供优越性能。我们给出了对潜在问题的分析,并概述了两种集成方法与解决该问题的建议。
引用
@article{arxiv.2004.06203,
title = {Knowledge Graphs for Processing Scientific Data: Challenges and Prospects},
author = {Masoud Salehpour and Joseph G. Davis},
journal= {arXiv preprint arXiv:2004.06203},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2004.04286, arXiv:2004.05648