Reasoning in knowledge graphs : bridging databases and the semantic web

Abstract

Das Interesse an Knowledge Graphs und Data Science Anwendungen steigt in der Wissenschaft und Industrie stetig an. Forschungsansätze für das Modellieren von Knowledge Graphs aus dem Datenbank und Semantic Web Bereich unterscheiden sich jedoch drastisch. Beispielsweise sind SQL und Datalog Sprachen, die im Bereich der Datenbanken tiefgreifende Relevanz besitzen, während im Semantic Web Bereich SPARQL und OWL weit verbreitet sind. Diese Kluft zwischen bestehenden Ansätzen führt zu großen Herausforderungen für Data Science Anwendungen, wo zumeist Daten aus der echten Welt aus beiden Bereichen kommen und gemeinsam gehandhabt werden müssen. Vadalog ist ein System für das Management von Knowledge Graphs, welches von der University of Oxford, Manchester, Edinburgh und über 20 industriellen Partnern entwickelt wurde. Es besitzt die Ausdruckskraft von sowohl traditionellen Datenbanksystemen, als auch von grundlegenden Technologien des Semantic Webs. Gleichzeitig sichert es eine für praktische Anwendungen sinnvolle Zeitkomplexität und Skalierbarkeit für umfangreiche Data Science Szenarien zu. Bisherige Ansätze für die Entwicklung eines einheitlichen Systems für das Management von Knowledge Graphs sind gescheitert, da sie nicht die Anforderungen beider Forschungsbereiche erfüllen. Um einen gemeinsamen Rahmen für die Entwicklung von Knowledge Graphs zu schaffen, ist es essenziell, Vadalog mit einer Schnittstelle für SPARQL zu erweitern, um somit ein System zu schaffen, welches den Kriterien beider Bereiche genügt. Diese Aufgabe ist anspruchsvoll, da weit mehr als nur syntaktische Unterschiede zwischen SPARQL und Vadalog überwunden werden müssen. In dieser Arbeit überbrücken wir die Kluft zwischen Datenbanken und dem Semantic Web durch das Schaffen eines gemeinsamen Rahmens für die Entwicklung von Knowledge Graphs.

Interest in Knowledge Graphs and Data Science is continuously increasing in academia and industry. However, there is a clear divide between Knowledge Graph approaches coming from the Database and the Semantic Web community. While languages such as SQL or Datalog are widely used in the Database area, a very different set of languages such as SPARQL and OWL is used in the Semantic Web area. This is a particular challenge for the field of Data Science, where real-world data comes from both research sectors, and needs to be reasoned on together. Vadalog is a Knowledge Graph management system developed by the University of Oxford, Manchester and Edinburgh and over 20 industrial partners. It was specifically designed to capture both the expressive power of traditional database settings as well as the Semantic Web area. So far, approaches that have attempted to develop a uniform and consistent Knowledge Graph management system for the Semantic Web and Database community have failed to satisfy the requirements of both communities. To achieve real-world use of both technologies in the Data Science setting, it is essential that the Vadalog system also practically supports the current main Semantic Web querying language SPARQL. This is a particular challenging task, as far more than the syntactical divide between the two languages needs to be overcome. In this thesis we will bridge this divide between Databases and the Semantic Web for Knowledge Graphs as follows, by developing a uniform framework that satisfies the requirements of both communities.