Entwicklung einer Softwarearchitektur zur Strukturierung und Verwaltung von FAIRen und einfach erkundbaren (FAIREr) Wissensgraphen unter der Verwendung von Semantic Units und Knowlegde Graph Building Blocks

Abstract

Die FAIR-Leitprinzipien (Findable, Accessible, Interoperable and Reusable) gewinnen in Wissenschaft und Industrie zunehmend an Bedeutung und tragen zu einem neuen Standard in der Entwicklung von Wissensgraphapplikationen bei. Derzeitige Implementierungen von Wissensgraphapplikationen stützen sich auf komplexe Ontologien in Kombination mit abstrakten Graphenmustern und binden ihre Daten und Metadaten an ein bestimmtes Datenmodell, um FAIR zu sein, was wiederum den Vergleich mit Daten und Metadaten erschwert, die in einem anderen Wissensgraph modelliert sind, der andere Ontologien und andere Graphenmuster verwendet. Außerdem werden die Daten der Wissensgraphapplikation an eine bestimmte Datenbanktechnologie gebunden, und die Benutzer müssen ihre Daten semantisch modellieren, was eine Einstiegshürde für nicht erfahrene Benutzer darstellt. Darüber hinaus erfordert eine Datenabfrage des Wissensgraphen häufig das Erlernen einer speziellen Graphenabfragesprache wie SPARQL oder Cypher, was einer breiten Nutzung von Wissengsgraphen entgegensteht. Des Weiteren ist die Erstellung von Aussagen über Aussagen in einem Wissensgraphen ein umständlicher Prozess, mit bestehenden Technologien wie RDF Reification oder RDF-star. In dieser Arbeit untersuchen wir die Anwendungsmöglichkeiten von Semantic Units und Knowledge Graph Building Blocks; und wir argumentieren, dass sie sämtliche der oben genannten Probleme aktueller Wissensgraphapplikationen adressieren, und intuitive Wege für Nutzer bieten, ihre eigenen Wissensgraphapplikationen zu definieren, die wirklich FAIR sind. Zunächst definieren wir die Architektur, die zum Aufbau der sogenannten KGBB-Engine verwendet wird, und eine hoch-modulare und erweiterbare Plattform für Knowledge Graph Building Blocks getriebene Applikationen und Werkzeuge bereitstellt. Anschließend implementieren wir diese KGBB-Engine für eine bestimmte Auswahl von Knowledge Graph Building Blocks, zusammen mit zwei verschiedenen Implementierungen für eine persistente Datenbankspeicherung. Diese beinhalten eine Implementierung für einen RDF Triple Store, auf den über einen SPARQL-Endpunkt zugegriffen wird, und eine Implementierung für die Labeled-Property-Graph-Datenbank Neo4j, auf die über Cypher-Abfragen zugegriffen wird. Danach verwenden wir die generische Implementierung der KGBB-Engine, um eine KGBB-gesteuerte Wissensgraphapplikation für einen spezifischen Use-Case zu erstellen, und entwickeln eine webbasierte Benutzerschnittstelle, die ermöglicht es den Benutzern ermöglicht, neue Material-Entity-Ressourcen in einem Wissensgraphen zu verwalten und zu erstellen, und ihre Parthood-Beziehungen und Gewichtsmessungen auf intuitive Weise zu beschreiben. Schließlich vergleichen wir unseren Ansatz einer Wissensgraphapplikation mit anderen Wissensgraphapplikationen, die versuchen, vergleichbare Probleme mit aktuellen Wissensgraph Management Applikationen zu lösen.