Amazon Neptune is a graph database service that supports two graph (meta)models: W3C's Resource Description Framework (RDF) and Labeled Property Graphs (LPG). Customers opt in for one or the other model, and this choice determines which data modeling features can be used, and - perhaps more importantly - which query languages are available to query and manipulate the graph. The choice between the two technology stacks is difficult and requires consideration of data modeling aspects, query language features, their adequacy for current and future use cases, as well as many other factors (including developer preferences). Sometimes we see customers make the wrong choice with no easy way to reverse it later. It is therefore highly desirable that the choice of the query language can be made without consideration of what graph model is chosen, and can be easily revised or complemented at a later point. In this paper, we advocate and explore the idea of a single, unified graph data model that embraces both RDF and LPGs, and naturally supports different graph query languages on top. We investigate obstacles towards unifying the two graph data models, and propose an initial unifying model, dubbed "one graph" ("1G" for short), as the basis for moving forward.


翻译:亚马逊海王星是一个图形数据库服务,它支持两个图形(meta)模型: W3C 的资源描述框架(RDF) 和标签属性图(LPG) 。 客户选择了一种或另一种模式。 客户选择选择了一种或另一种模式, 而这一选择决定了可以使用哪些数据模型特征, 并且也许更重要的是, 哪些查询语言可以查询和操纵图形。 在本文中,我们倡导和探索一个单一的统一的图形数据模型的想法,该模型既包括RDF和LPG,又包括包含RDF和LPG, 并且自然支持不同的图形查询语言。 我们有时看到客户在统一两个图形数据模型时会遇到障碍, 并且不会轻易地在以后改变它。 因此,非常需要选择查询语言时不考虑选择什么图形模型, 并且很容易在稍后的某个点进行修改或补充。 在本文中, 我们倡导和探索一个包含RDF和LPG的单一的统一的图形数据模型, 并且自然地支持顶部不同的图形查询语言。 我们调查了两个图形数据模型的统一障碍, 并提议一个初始的统一模型, 将“ obbbedddddddddd one” magrogrogmus) 。

0
下载
关闭预览

相关内容

一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Arxiv
8+阅读 · 2020年5月2日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
4+阅读 · 2018年7月4日
Arxiv
5+阅读 · 2017年9月8日
VIP会员
相关VIP内容
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Top
微信扫码咨询专知VIP会员