图数据库 泰凡科技王林

嘉宾| 王林

整顿| 张锋

筹划| 徐杰承

人工默认有两个比拟大的派别：理性主义和阅历主义。但在实在的工业级产品中这两种派别是相反相成的。如何在这种模型黑盒里引入更多的可控性，更多的常识，须要将常识图谱这样一种承载了符号化的常识运行起来。

​​ ，泰凡科技CTO王林博士为广阔参会者带来了专题演进《图数据库：通往认知默认的新途径》，重点引见了图数据库模型的历史与演进；图数据库成功认知默认的关键途径，以及在OpenGauss上启动的图数据库设计与通常阅历。

现将演讲内容整顿如下，宿愿对诸君有所启示：

从必定的维度来看，人工默认可以分为两类，一类是 结合主义 ，也就是咱们相熟的深度学习，模拟人脑的结构来做一些感知、识别、判别的事情。

另外一类则是 符号主义 ，通常是模拟人的心智。认知环节是在符号示意上的一种运算。所以，它经常是用于启动一些思索与推理。典型代表的技术就是常识图谱。

图增强AI的4种途径

1、情形决策

常识图谱实质上是基于图的语义网络，示意了实体和实体之间的相关。从上档次上说，常识图谱也是相互关联常识的汇合，以人类可以了解的方式形容理想环球和实体、事物相互的相关。

常识图谱可认为咱们带来更多畛域的常识、高低文的消息，协助咱们去做决策。从运行的角度来说，可以把常识图谱划分红三种类型：

一是 畛域相关常识图谱。 将结构化、半结构化数据从中抽取进去的常识构成一个常识图谱，这是畛域中相关的，最典型的运行就是Google的搜查引擎。

二是 外部感知常识图谱 。聚合外部的数据源，将其映射到咱们感兴味的外部的实体。典型运行是在供应链危险剖析时，经过供应链能看到供应商，它的高低游、工厂等供应线的消息，这样就可以剖析哪里存在疑问，有没有终止的危险。

三是 人造言语处置常识图谱 。人造言语处置蕴含少量技术术语甚至是畛域的关键词等，可以协助咱们去做人造言语的查问。

2、提高运转效率

机器学习的方法经常依赖于存储在表中的数据，而这些数据其实大局部是资源密集型的操作，常识图谱可以提供高效率畛域的相关内容，把数据结合起来，在相翻开成功多个分别度，无利于大规模极速剖析。从这个角度来说，图自身就减速了机器学习的成果。

再者机器学习算法经常要针对一切的数据启动计算。经过繁难的图查问，就可以前往所要数据的子图，以此来减速减速运转效率。

3、提高预测准确性

相关往往是行为最强的预测要素，相关的特色可以从图里很繁难地失掉到。

经过关联数据和相关图，可以更间接地提取相关的特色。但在传统的机器学习方法中，有时在形象简化数据时其实会失落很多关键的消息。因此，相关特性可以让咱们在剖析时不会失落这些消息。此外，图算法简化了发现相似严密社区的意外状况的环节。咱们可以在严密社区中对节点启动评分，并提取该消息以用于训练机器学习模型。最后，经常使用图算法启动特色选用，以将模型中经常使用的特色数量缩小到一个最相关的子集。

4、可解释性

这几年咱们经常能够听到“可解释性”，这也是运行人工默认环节中一个特意大的应战，咱们须要了解人工默认是怎样得出这个决策、这个结果的，同时在可解释方面有很多诉求，尤其是一些特定运行畛域，比如医疗、金融和司法。

可解释性蕴含三方面的内容：

（1）可解释的数据 。咱们须要知道数据选用的要素，数据的来源是什么？数据是要有可解释性的。

（2）可解释的预测 。可解释的预测象征着咱们须要知道特定的预测经常使用了哪些特色，用了哪些权重。

（3）可解释的算法 。可解释的算法目前前景很迷人，但还是有很长的路要走，目前在钻研畛域里提出了张量网络，援用这样的方法让算法能具有必定的可解释性。

干流图数据模型

既然图关于人工默认运行和开展如此关键，那么咱们该如何将它用好呢？首先须要关注的是图的存储治理，也就是图数据模型。

目前最干流的图数据模型有两种：RDF图和属性图。

1、RDF图

RDF全称为资源形容框架，是由W3C制订的在语义万维网上用来示意替换机器可了解消息的一个规范数据模型。在RDF图中，每个资源有一个HTTP URL作为其中的一个惟一ID。RDF定义是一种三元组的方式，示意一个理想的陈说，S代表主语，P是谓语，O是宾语。图中Bob is interested in The MonoLisa，陈说了一个理想，这就是RDF图。

对应RDF图的数据模型，有着自己的查问言语——SPARQL。SPARQL是W3C制订的RDF常识图谱的规范查问言语。SPARQL语法上自创了SQL，是一种申明式的查问言语，查问的基本单元也是三元组的形式。

2、属性图

属性图模型中每一个顶点和边都具有一个惟一ID，顶点和边还有一个标签，作用相当于RDF图中的资源类型。此外，顶点和边上还具有一组属性，由属性名和属性值组成，这样就组成了一个属性图模型。

雷同属性图模型也有一套查问言语——Cypher。Cypher也是一种申明式的查问言语，用户只有要申明要查什么，而不须要指出怎样查。Cypher有一个关键的特点，是经常使用ASCII 艺术的语法表白图形式婚配。

随同人工默认的开展，认知默认的开展和常识图谱的运行越来越多。因此，图数据库近年来在市场中失掉了越来越多的关注，但目前在图下面临的一个关键疑问就是 数据模型和查问言语的不一致，这是亟待处置的疑问 。

钻研OpenGauss图数据库的动机

钻研OpenGauss图数据库的登程点关键有两方面。

一方面想借助常识图谱自身的特性 。例如在高性能、高可用、高安保和易运维几方面，能够将这些特性融入到图数据库中，对数据库而言这些十分关键。

另一方面从图数据模型思索登程 。目前有两种数据模型与两种查问言语，假设对齐这两种不同查问言语背前方式的语义运算符，好比相关型数据库里的投影、选用、衔接等，假设对齐SPARQL和Cypher言语面前的语义，提供两种不同的语法视图，这样人导致功了一种互操作。也就是外部能够到达语义的分歧，如此就能用Cypher查RDF的图，也能用SPARQL查属性图，这就构成了一个十分好的特性。

OpenGauss—Graph架构

底层经常使用OpenGauss，用相关模型看作图贮存物理模型，思绪是将RDF图和属性图的不分歧，经过求最大条约数的方式，在底层物理存储上做一个一致。

基于这个思绪，OpenGauss—Graph的架构最底层就是基础设备，依次往上是存取方法、一致的属性图和RDF图的处置和治理方式。紧接着是一致的查问处置口头引擎，用以撑持一致的语义算子，蕴含子图婚配算子、门路导航算子、图剖析算子、关键字查问算子。再往上是一致的API接口，提供SPARQL的接口和Cypher的接口。此外还有一致的查问言语的言语规范以及交互查问的可视界面。

存储打算的设计

设计存储打算时关键思索如下两点：

（1）不能太复杂，由于太复杂存储打算的效率不会太高。

（2）要能够很奇妙地容纳下两种不同常识图谱的数据类型。

因此，便有了点表和边表的存储打算。有一个公共的点表叫properties，针对不同的点，会有一个承袭；边表也会有不同边表的承袭。不同类型的点表、边表会有一份copy，这样就保养了一个点边表汇合的存储打算。

假设是属性图，不同label的点找到不同的点表，例如professor就找到professor点表。点的属性就映射到点表中的属性列上；边表也是一样，authors就映射到authors边表，边就会映射到边表中的一行，带有起始节点和终止节点的ID。

经过这样一个看似繁难实践上通用性很强的方式，可以将RDF图与属性图从物理层启动一致。但在实践运行当中有少量的没有类型的实体，这时咱们采取了归类语义到最相近的有类型的表中的方法。

查问的处置通常

除了存储以外，关键的就是查问。在语义层面咱们做到了操作的对齐，成功两种查问言语的互操作，SPARQL和Cypher互查。

在此状况下触及到两个层面： 语法 和 词法 ，还有它们的解析不能发生相互的矛盾。这里援用了一个关键字，例如查SPARQL就开启SPARQL的语法，查Cypher就开启Cypher的语法，防止抵触。

咱们也成功了很多查问的算子。

（1）子图婚配查问 ，查问一切的作曲家和他作的曲子、作曲家的生日，是典型的子图婚配疑问。可以分为属性图和RDF图，其大抵的处置流程也是分歧的。例如对应点参与join链表，而后增加properties列上的选用操作，接着对头尾两个点形式所对应的点表之间的衔接实施解放。RDF图对边表的起始、终点启动关键操作，最后都是变量增加投影解放，输入最终结果，流程上是相近的。

子图婚配的查问，雷同也允许一些内置的函数，例如FILTER函数，对变量方式启动限度、逻辑运算符、聚合、算术运算符都启动了允许，当然这局部也可以始终扩大。

（2）导航式查问 ，这在传统的相关型数据库中是没有的。下图种左边是一个小型的社会网络图，这是一个有向图，可以看到意识是单向的，Tom意识Pat，但Pat不意识Tom。导航式查问中假设启动一个二跳的查问，看谁意识Tom。假设是0跳，Tom就是自己意识自己。1跳就是Tom意识Pat，Tom意识Summer。2跳是Tom意识Pat，又意识Nikki，又意识回Tom。

（3）关键字查问 ，这里有两个例子，tsvector和tsquery。一个是将文档转成词条的列表；一个是查问向量中能否存在指定的单词或短语。当常识图谱中的文本比拟长，有比拟长的属性时，就应用这个配置为其提供关键字检索的配置，这也是十分好用的。

（4）剖析型查问 ，关于图数据库有其特有的查问，例如最短路 Pagerank等都是基于图的查问算子，都可以在图数据库中启动成功。例如查从Tom开局到Nikki最短门路是多少，经过Cypher成功了最短门路的算子，可以把最短的门路输入进去，查到了却果。

除了上述提到的配置以外，咱们还成功了一个可视交互的studio，在其中输入Cypher和SPARQL的查问言语，能失掉可视的直观图，可以在下面做图的保养、治理以及运行，图上还可以启动很多交互，未来咱们还会有更多的算子以及图查问、图搜查加出去，成功更多运行的方向和场景。

最后，欢迎大家访问OpenGaussGraph社区，也欢迎对OpenGaussGraph感兴味的好友们参与社区，作为新的contributor，一起把OpenGaussGraph社区树立好。

嘉宾引见

王林 ， 工学博士、OpenGauss图数据库社区Maintainer、泰凡科技CTO、初级工程师、中国计算机协会 YOCSEF天津21-22副主席、CCF 消息系统专委会执委，中选天津市131人才名目。