Lenguajes y modelos subyacentes a los grafos de conocimiento

DOI: https://doi.org/10.26439/ciis2022.6065
Palabras clave: grafo de conocimiento, modelos de datos basados en grafos, lenguaje de consulta para grafos

Resumen

Un grafo de conocimiento es una gran base de datos que integra información desde distintas fuentes de datos, con el objetivo de poder extraer conocimiento y transformarlo en valor para los usuarios. Esta base de datos es representada como un grafo, donde los nodos representan entidades, y cada arista representa una relación entre dos nodos o un atributo de un nodo. El objetivo de este artículo es presentar una revisión de los modelos de datos que se usan para representar grafos de conocimiento, y los lenguajes de consulta que permiten extraer la información explícita e implícita contenida en dichos grafos.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Renzo Angles, Universidad de Talca, Chile

Doctor en Ciencias con mención en Computación por la Universidad de Chile. Bachiller en Ingeniería de Sistemas por la Universidad Católica de Santa María, Perú. Profesor asociado del Departamento de Ciencias de la Computación de la Universidad de Talca, Chile. Durante el 2013, realizó un posdoctorado en la VU Amsterdam, y participó en el proyecto europeo Linked Data Benchmark Council (LDBC). Sus trabajos de investigación se encuentran en la intersección entre las bases de datos orientadas a grafos y la web semántica. Sus especialidades actuales son la teoría y el diseño de lenguajes de consulta para grafos, así como el análisis de proteínas.

Citas

Angles, R. (2012). A comparison of current graph database models. En 4rd International Workshop on Graph Data Management: Techniques and Applications (GDM) (ICDE Workshop).

Angles, R. (2018). The property graph database model. In Proceedings of the Alberto Mendelzon nternational Workshop on Foundations of Data Management (AMW) (vol. 2100). CEUR Workshop Proceedings.

Angles, R., Arenas, M., Barceló, P., Hogan, A., Reutter, J., & Vrgoč, D. (2017). Foundations of modern query languages for graph databases. ACM Computing Surveys, 50(5).

Angles, R., Arenas, M., Barceló, P., Boncz, P., Fletcher, G., Gutierrez, C., ... Voigt, H. (2018). G-CORE: A core for future Graph Query languages. In Proceedings of the International Conference on Management of Data (SIGMOD). ACM.

Angles, R., & Gutierrez, C. (2008). Survey of graph database models. ACM Computing Surveys, 40(1), 1-39.

Angles, R., & Gutierrez, C. (2018). An Introduction to Graph Data Management. In Graph data management (chap. 1). Springer Nature.

Angles, R., Hogan, A., Lassila, O., Rojas, C., Schwabe, D., Szekely, P., & Vrgoč, D. (2022). Multilayer graphs: A unified data model for graph databases. En Proceedings of the 5th ACM SIGMOD Joint International Workshop on Graph Data Management Experiences & Systems (GRADES) and Network Data Analytics (NDA). ACM.

Angles, R., Reutter, J., & Voigt, H. (2018). Graph query languages. En Encyclopedia of big data technologies (pp. 1-8). Springer International Publishing.

Apache TinkerPop. (s. f.). Gremlin Query Language. https://tinkerpop.apache.org/gremlin.html

Barceló, P., Libkin, L., Lin, A. W., & Wood, P. T. (2012). Expressive languages for path queries over graph-structured data. ACM Transactions on Database Systems, 37(4), 1-46.

Barceló Baeza, P. (2013). Querying graph databases. En Proceedings of the 32nd ACM SIGMOD-SIGACT-SIGAI Symposium on Principles of Database Systems (PODS) (pp. 175-188). ACM. https://doi.org/10.1145/2463664.2465216

Beeri, C. (1988). Data models and languages for databases. En Proceedings of the 2nd International Conference on Database Theory (ICDT) (vol. 326, pp. 19-40). Springer.

Bonifati, A., & Dumbrava, S. (2019). Graph queries: From theory to practice. SIGMOD Record, 47(4), 5-16.

Bonifati, A., Fletcher, G., Voigt, H., & Yakovets, N. (2018). Querying graphs. Morgan & Claypool Publishers.

Brodie, M. L., Mylopoulos, J., & Schmidt, J. W. (1984). On conceptual modelling. Springer-Verlag.

Ciglan, M., Averbuch, A., & Hluchy, L. (2012). Benchmarking traversal operations over graph databases. En Proceedings of the International Conference on Data Engineering Workshops (pp. 186-189). IEEE Computer Society.

Cypher Query Language. (s. f.). http://neo4j.com/developer/cypher-query-language/.

DB-Engines. (2022, noviembre). DB-Engines Ranking of Graph DBMS. http://db-engines.com/en/ranking/graph+dbms.

Deutsch, A., Xu, Y., Wu, M., & Lee, V. E. (2020). Aggregation support for modern graph analytics in TigerGraph. In Proceedings of the International Conference on Management of Data (SIGMOD) (pp. 377-392). ACM.

Diestel, R. (2005). Graph theory (3.a ed., vol. 173). Springer-Verlag.

Fletcher, G. H. L., Peters, J., & Poulovassilis, A. (2016). Efficient regular path query evaluation using path indexes. En Proceedings of the 19th International Conference on Extending Database Technology (pp. 636-639). OpenProceedings.org.

Gallagher, B. (2006). Matching structure and semantics: A survey on graph-based pattern matching. En AAAI Fall Symposium on Capturing and Using Patterns for Evidence Detection (pp. 45-53). The AAAI Press.

Hartig, O. (2017). Foundations of RDF* and SPARQL* - An alternative approach to statement-level metadata in RDF. En Proceedings of the 11th Alberto Mendelzon International Workshop on Foundations of Data Management and the Web (vol. 1912). CEUR Workshop Proceedings.

Hogan, A., Blomqvist, E., Cochez, M., D’amato, C., Melo, G. D., Gutierrez, C., ... Zimmermann, A. (2021). Knowledge graphs. ACM Computing Surveys, 54(4).

Iordanov, B. (2010). HyperGraphDB: A generalized graph database. En Web-Age Information Management. WAIM 2010. Lecture Notes in Computer Science (vol. 6185, pp. 25-36). Springer-Verlag.

Lassila, O., Schmidt, M., Hartig, O., Bebee, B., Bechberger, D., Broekema, W., ... Thompson, B. (en prensa). The OneGraph vision: Challenges of breaking the graph model lock-in. Semantic Web, 14.

Mendelzon, A. O., & Wood, P. T. (1995). Finding regular simple paths in graph databases. SIAM Journal on Computing, 24(6), 1235-1258.

Neo4j. (2022). The Neo4j Graph Data Science Library. https://neo4j.com/docs/graph-data-science/current/

Samet, J. (Ed.). (1981). Query languages. A unified approach. Report of the British Computer Society Query Languages Group. Heyden University Press.

Schneider, E. W. (1973). Course modularization applied: The interface system and its implications for sequence control and data analysis. https://files.eric.ed.gov/fulltext/ED088424.pdf

Silberschatz, A., Korth, H. F., & Sudarshan, S. (1996). Data models. ACM Computing Surveys, 28(1), 105-108.

Singhal, A. (2012, 16 de mayo). Introducing the Knowledge Graph: things, not strings. The Keyword. https://blog.google/products/search/introducing-knowledge-graph-things-not/

Van Rest, O., Hong, S., Kim, J., Meng, X., & Chafi, H. (2016). PGQL: A property Graph Query Language. In Proceedings of the Fourth International Workshop on Graph Data Management Experiences and Systems.

Publicado
2022-12-26
Cómo citar
Angles, R. (2022). Lenguajes y modelos subyacentes a los grafos de conocimiento. Actas Del Congreso Internacional De Ingeniería De Sistemas, 17-26. https://doi.org/10.26439/ciis2022.6065
Número
Actas del Congreso Internacional de Ingeniería de Sistemas CIIS 2022: Entornos híbridos en la pospandemia: posibilidades para las nuevas tecnologías
Sección
Conferencias magistrales

Derechos de autor 2022 Actas del Congreso Internacional de Ingeniería de Sistemas

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.