trustgraph/docs/tech-specs/graph-contexts.sw.md

layout	title	parent
default	Tahadhari za Kiufundi za Mazingira ya Picha (Graph Contexts)	Swahili (Beta)

Tahadhari za Kiufundi za Mazingira ya Picha (Graph Contexts)

Beta Translation: This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.

Muhtasari

Maelezo haya yanataja mabadiliko kwenye vitu vya msingi (primitives) vya TrustGraph ili kuendana na RDF 1.2 na kusaidia maana kamili ya RDF Dataset. Hii ni mabadiliko ambayo yanaweza kusababisha utosoni (breaking change) kwa toleo la 2.x.

Matoleo

• 2.0: Toleo la kwanza kwa watumiaji. Vitu muhimu vipo, lakini vinaweza kusiletelewa kikamilifu kwa matumizi ya uzalishaji.
• 2.1 / 2.2: Toleo la uzalishaji. Uthabiti na ukamilifu umehakikishwa.

Uhusika wa uthabiti ni wa kujua - watumiaji wa kwanza wanaweza kupata uwezo mpya kabla ya sifa zote kuwa zimekamilishwa.

Lengo

Lengo kuu la kazi hii ni kuruhusu metadata kuhusu ukweli/taarifa:

• Habari za muda (Temporal information): Kuunganisha ukweli na metadata ya wakati

  • Wakati ambapo ukweli ulikuwa unaaminika kuwa ni kweli
  • Wakati ambapo ukweli ulipoanza kuwa kweli
  • Wakati ambapo ukweli ulipoonekana kuwa bandia

• Chanzo/Asili (Provenance/Sources): Kufuatilia vyanzo ambavyo vinaunga mkono ukweli

  • "Ukweli huu ulikuwa unaungwa mkono na chanzo X"
  • Kuunganisha ukweli na hati zao za asili

• Ukweli/Amani (Veracity/Trust): Kurekodi maelezo kuhusu ukweli

  • "Mtu P amesema kwamba hii ni kweli"
  • "Mtu Q anadai kwamba hii ni bandia"
  • Kuruhusu upimaji wa uaminifu na ugunduzi wa migogoro

Nadharia: Ufufunzaji (reification) (RDF-star / triples zilizotiwa nukuu) ni mfumo muhimu wa kufanikisha matokeo haya, kwani yote yanahitaji kufanya maelezo kuhusu maelezo.

Msingi

Ili kueleza "ukweli kwamba (Alice anajua Bob) uligunduliwa tarehe 2024-01-15" au "chanzo X kinaunga mkono dai kwamba (Y husababisha Z)", unahitaji kurejelea ukingo kama kitu ambacho unaweza kufanya maelezo. Triples za kawaida hazisaidii hii.

Vikwazo vya Sasa

Darasa la Value linalopo trustgraph-base/trustgraph/schema/core/primitives.py linaweza kuwakilisha:

• Nodi za URI (is_uri=True)
• Maadili ya kawaida (is_uri=False)

Nguvu ya type ipo lakini haitumiki kuwakilisha aina za XSD.

Muundo wa Kiufundi

Sifa za RDF za Kusaidiwa

Sifa za Msingi (Zilizohusiana na Lengo la Ufufunzaji)

Sifa hizi zinahusiana moja kwa moja na malengo ya muda, chanzo, na ukweli:

1. Triples Zilizotiwa Nukuu za RDF 1.2 (RDF-star)

   • Ukingo ambao unaelekea kwenye ukingo mwingine
   • Triple inaweza kuonekana kama mada au kitu cha Triple nyingine
   • Inaruhusu maelezo kuhusu maelezo (ufufunzaji)
   • Mfumo muhimu wa kuongeza maelezo kwa ukweli binafsi

2. RDF Dataset / Picha Zilizojulikana (Named Graphs)

   • Usaidizi wa picha nyingi zilizojulikana ndani ya dataset
   • Kila picha huainishwa na IRI
   • Mabadiliko kutoka kwa triples (s, p, o) hadi quads (s, p, o, g)
   • Inajumuisha picha ya chaguo-msingi pamoja na picha za majina
   • IRI ya picha inaweza kuwa mada katika maelezo, kwa mfano:

     <graph-source-A> <discoveredOn> "2024-01-15"
     <graph-source-A> <hasVeracity> "high"
     

   • Kumbuka: Picha zilizojulikana ni kipengele tofauti kutoka kwa ufufunzaji. Zina matumizi mengine yakiwa nje ya kuongeza maelezo (kugawanya, udhibiti wa ufikiaji, shirika la dataset) na zinapaswa kuchukuliwa kama uwezo tofauti.

3. Nodi Tupu (Limited Support)

   • Nodi bila URI ya kimataifa
   • Inasaidiwa kwa utangamano wakati wa kupakua data ya RDF ya nje
   • Hali mdogo: Hakuna ahadi kuhusu utambulisho wa imara baada ya kupakia
   • Zipate kupitia maswali ya wildcard (pangilia kwa muunganisho, sio kwa ID)
   • Sio kipengele cha kwanza - usitegemee usimamizi sahihi wa nodi tupu

Marekebisho ya Nafasi (2.0 Breaking Change)

Sifa hizi hazihusiani moja kwa moja na malengo ya ufufunzaji lakini ni mafanikio muhimu ya kuingiza wakati wa kufanya mabadiliko ambayo yanaweza kusababisha utosoni:

4. Aina za Literal

   • Tumia vizuri nguvu ya type kwa aina za XSD
   • Mifano: xsd:string, xsd:integer, xsd:dateTime, n.k.
   • Huondoa kikwazo cha sasa: haiwezi kuwakilisha tarehe au nambari kwa usahihi

5. Lebo za Lugha

   • Usaidizi wa sifa za lugha kwenye maadili ya kawaida (@en, @fr, n.k.)
   • Kumbuka: Literal inaweza kuwa na lebo ya lugha AU aina, sio zote (isipokuwa rdf:langString)
   • Muhimu kwa matumizi ya AI/mbalimbali za lugha

Miundo ya Data

Nguvu (kutoka Value)

Darasa la Value litabadilishwa na Term ili kuakisi vizuri dhana za RDF. Mabadiliko haya yafanywa kwa sababu mbili:

1. Inaakisi majina na dhana za RDF (nguvu inaweza kuwa IRI, literal, nodi tupu, au triple iliyotiwa nukuu - sio tu "maadili")
2. Inalazimisha ukaguzi wa msimbo kwenye interface ya mabadiliko ambayo yanaweza kusababisha utosoni - msimbo wowote unaoendelea kurejelea Value unaonyeshwa kuwa umevunjika na unahitaji kusasishwa.

Nguvu inaweza kuwakilisha:

• IRI/URI - Nodi/rasilimali iliyojulikana
• Nodi Tupu - Nodi isiyo na jina yenye upeo wa ndani
• Literal - Maadili ya data ambayo ina:
  • Aina ya data (aina ya XSD), AU
  • Lebo ya lugha
• Triple Iliyotiwa Nukuu - Triple inayotumika kama nguvu (RDF 1.2)

Mbinu Iliyo Chaguliwa: Darasa Moja na Kichunguzi Aina

Mahitaji ya utayarishaji yanaendesha muundo - kichunguzi aina inahitajika katika muundo wa waya bila kujali uwakilishi wa Python. Darasa moja na aina ni inayofaa na inaakibiana na mtindo wa Value wa sasa.

Msimbo wa aina ya herufi moja hutoa utayarishaji kompakt:

from dataclasses import dataclass

# Mara ya aina ya Nguvu
IRI = "i"      # Nodi ya IRI/URI
BLANK = "b"    # Nodi tupu
LITERAL = "l"  # Maadili
TRIPLE = "t"   # Triple iliyotiwa nukuu (RDF 1.2)

@dataclass
class Term:
    type: str = ""  # Moja ya: IRI, BLANK, LITERAL, TRIPLE

    # Kwa masharti ya IRI (aina == IRI)
    iri: str = ""

    # Kwa nodi tupu (aina == BLANK)
    id: str = ""

    # Kwa maadili (aina == LITERAL)
    value: str = ""
    datatype: str = ""   # URI ya aina ya XSD (inatenganishwa)
    language: str = ""   # Lebo ya lugha (inatenganishwa)

    # Kwa triples zilizotiwa nukuu (aina == TRIPLE)
    triple: "Triple | None" = None

Mifano ya matumizi:

# Nguvu ya IRI
node = Term(type=IRI, iri="http://example.org/Alice")

# Maadili na aina
age = Term(type=LITERAL, value="42", datatype="xsd:integer")

# Maadili na lebo ya lugha
label = Term(type=LITERAL, value="Hello", language="en")

# Nodi tupu
anon = Term(type=BLANK, id="_:b1")

# Triple iliyotiwa nukuu (taarifa kuhusu taarifa)
inner = Triple(
    s=Term(type=IRI, iri="http://example.org/Alice"),
    p=Term(type=IRI, iri="http://example.org/knows"),
    o=Term(type=IRI, iri="http://example.org/Bob"),
)
reified = Term(type=TRIPLE, triple=inner)

Mbinu Zingine Zilizozingatiwa

Njia B: Muungano wa madarasa maalum (Term = IRI | BlankNode | Literal | QuotedTriple)

• Ilikataliwa: Utayarishaji bado unahitaji kichunguzi aina, na kuongeza ugumu.

Njia C: Darasa la msingi na madarasa ya ndoto

• Ilikataliwa: Tatizo lile lile la utayarishaji, pamoja na utata wa urithi wa dataclass

Triple / Quad

Darasa la Triple hupata nguvu ya hiari kuwa quad:

@dataclass
class Triple:
    s: Term | None = None    # Mada
    p: Term | None = None    # Kieleuzo
    o: Term | None = None    # Kitu
    g: str | None = None     # Jina la picha (IRI), None = picha ya
                                 # chaguo-msingi

Maamuzi ya muundo:

• Jina la nguvu: g kwa utangamano na s, p, o
• Hiari: None inamaanisha picha ya chaguo-msingi (isiyo na jina)
• Aina: Kamba (IRI) badala ya Nguvu
  • Majina ya picha daima ni IRIs
  • Nodi tupu kama majina ya picha zilikataliwa (zinaweza kusababisha uchanganyifu)
  • Hakuna haja ya utaratibu kamili wa Nguvu

Kumbuka: Jina la darasa linaendelea kuwa Triple licha ya kuwa quad sasa. Hii inazuia mabadiliko na "triple" bado ni terminolojia ya kawaida. Mazingira ya picha ni metadata kuhusu mahali ambapo triple inakaa.

Mfano wa Maswali Yanayowezekana

Msimu wa maswali unaokubaliwa hivi sasa unachanganya masharti ya S, P, O. Katika quoted triples, triple yenyewe inakuwa nguvu halali katika maeneo hayo. Hapa chini kuna mifano ya maswali yanayodumisha malengo yaliyoelezwa.

Semantika ya Paramu ya Picha

Kufuata makubaliano ya SPARQL kwa utangamano wa kurudi nyuma:

• g imepunguzwa / None: Huuliza picha ya chaguo-msingi pekee
• g = IRI maalum: Huuliza picha hiyo maalum pekee
• g = wildcard / *: Huuliza katika picha zote (inalingana na SPARQL GRAPH ?g { ... })

Hii inaendelea na maswali rahisi rahisi na inafanya maswali ya picha kuwa ya hiari.

Maswali ya picha (g=wildcard) yanasaidiwa kikamilifu. Cassandra schema inajumuisha jedwali maalum (SPOG, POSG, OSPG) ambapo g ni nguzo ya kugandana badala ya nguzo ya sehemu, na inaruhusu maswali ya ufanisi katika picha zote.

Maswali ya Muda

Kutafuta ukweli wote ambao uligunduliwa baada ya tarehe fulani:

S: ?                                    # triple yoyote iliyotiwa nukuu
P: <discoveredOn>
O: > "2024-01-15"^^xsd:date
G: null

Kumbuka: ^^xsd:date inahitajika ili kuonyesha kuwa 2024-01-15 ni tarehe, si kamba.

Kumbuka: Huwezi kuuliza "tafuta triples ambapo kieleuzo cha mada ya triple iliyotiwa nukuu ni X"

Maswala ya Chanzo/Asili

# Tafuta ukweli ambao umeungwa mkono na chanzo X
# Tafuta taarifa ambapo chanzo ni X
# Tafuta masharti ambapo chanzo ni X

Maswala ya Ukweli/Amani

# Tafuta maelezo ambayo yamesemwa kuwa ni kweli
# Tafuta masharti ambapo ukweli ni kweli
# Tafuta maelezo ambayo yamesemwa kuwa ni kweli

Vitu vyote vyote vya RDF vinaruhusiwa, ikiwa ni pamoja na maneno ya mtumiaji. Mkakati: epuka kuweka kitu chochote kilichofungwa isipokuwa linapohitajika.

Masuala ya Usalama

Picha hazina kipengele cha usalama. Watumiaji na makusudi ndio mipaka ya usalama. Picha ni tu kwa shirika la data na usaidizi wa ufufunzaji.

Masuala ya Utendaji

• Triples zilizotiwa nukuu zinaongeza kina cha kuziba - zinaweza kuathiri utendaji wa maswali
• Mikakati ya ufuataji wa picha inahitajika kwa maswali ya picha
• Muundo wa schema ya Cassandra utahitaji kuweka nafasi kwa uhifadhi wa quad kwa ufanisi

Kikomo cha Hifadhi ya Vector

Hifadhi za vector daima zinaunga mkono IRIs pekee:

• Kamwe ukingo (triples zilizotiwa nukuu)
• Kamwe maadili
• Kamwe nodi tupu

Hii inahifadhi hifadhi ya vector kuwa rahisi - inashughulikia utangamano wa kimaana wa vitu vilivyoainishwa. Muundo wa grafu hushughulikia mahusiano, ufufunzaji, na metadata. Triples zilizotiwa nukuu na picha hazichanganyishi shughuli za vector.

Mkakati wa Majaribio

Tumia mkakati wa sasa wa majaribio. Kwa kuwa hii ni mabadiliko ambayo yanaweza kusababisha utosoni, zingatia sana seti ya majaribio ya mwisho ku hakikisha kwamba miundo mipya inafanya kazi vizuri katika vipengele vyote.

Mpango wa Uhamishaji

• 2.0 ni toleo ambalo linaweza kusababisha utosoni; hakuna utangamano wa kurudi nyuma unaohitajika
• Data iliyopo inaweza kuhitaji uhamishaji kwenye schema mpya (itaamuliwa kulingana na muundo wa mwisho)
• Tafadhali fikiria zana za uhamishaji kwa ajili ya kubadilisha triples zilizo zilizopo.

Masuala yaliyowazi

• Nodi tupu: Usaidizi mdogo umeanzishwa. Inaweza kuhitaji uamuzi wa mkakati wa skolemization (kuunda IRIs wakati wa kupakua, au kudumisha vitambulisho vya nodi tupu).
• Mbinu ya maswali: Mbinu halisi ya kutaja triples zilizotiwa nukuu katika maswali ni nini? Tafadhali define API ya swali.
• Sanaa ya kieleuzo: Limeelekezwa. Maneno yoyote ya RDF yanaruhusiwa, pamoja na maneno ya mtumiaji. Vipengele vichache tu vya kufungwa (k.m., rdfs:label inatumiwa katika baadhi ya maeneo). Mkakati: epuka kufunga kitu chochote isipokuwa kinapohitajika.
• Athari ya hifadhi ya vector: Limeelekezwa. Hifadhi za vector daima zinarejelea IRIs pekee - kamwe ukingo, maadili, au nodi tupu. Triples zilizotiwa nukuu na ufufunzaji hazisababishi hifadhi ya vector.
• Semantika ya picha: Limeelekezwa. Maswali huanguka chaguo-msingi kwenye picha ya chaguo-msingi (inalingana na tabia ya SPARQL, inafaa kurudi nyuma). Paramu halisi ya picha inahitajika kuuliza picha zilizoainishwa au picha zote.

Marejeo

• Mawazo ya RDF 1.2
• RDF-star na SPARQL-star
• RDF Dataset