RDF Semantic Graph「RDF 超入門」

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |
Oracle Spatial and Graph
RDF Semantic Graph
RDF 超入門
日本オラクル株式会社
データベース事業統括
製品戦略統括本部
データベースエンジニアリング本部
Big Data & Security技術部
中井亮矢
Oracle Confidential – Internal/Restricted/Highly Restricted
this
ducument Ryoya Nakai
dc:Creater
dc:Title
vc:memberOf
rdfs:label

Safe Harbor Statement
The following is intended to outline our general product direction. It is intended for
information purposes only, and may not be incorporated into any contract. It is not a
commitment to deliver any material, code, or functionality, and should not be relied upon
in making purchasing decisions. The development, release, and timing of any features or
functionality described for Oracle’s products remains at the sole discretion of Oracle.
2

Agenda
§ Oracle Spatial and Graph
§ Linked Dataってなに
§ RDF Semantic Graph

4 Copyright © 2011, Oracle and/or its affiliates. All rights
reserved.
Big Data Management System
SOURCES
DATA RESERVOIR DATA WAREHOUSE
Oracle Database
Oracle Industry
Models
Oracle Advanced Analytics
Oracle Spatial & Graph
Big Data Appliance
Apache
Flume
Oracle
GoldenGate
Oracle Event
Processing
Cloudera Hadoop
Oracle Big Data SQL
Oracle NoSQL
Oracle R Distribution
Oracle Big Data
Spatial and Graph
Oracle Database
In-Memory, Multi-tenant
Oracle Industry Models
Oracle Advanced
Analytics
Oracle Spatial and Graph
Exadata
Oracle
GoldenGate
Oracle Event
Processing
Oracle Data
Integrator
Oracle Big Data
Connectors
Oracle Data
Integrator
B
4

Oracle Spatialの歩み
1995～ Oracle7
1999～ Oracle8i
2001～ Oracle9i
2004～
Oracle Database 10g
2007～
Oracle Database 11g
Spatialの初リリース
ポイント情報
ポリゴン
空間演算子
3Dデータサポート
RDFセマンティック (10.2)
Spatial Webサービス
2013～
Oracle Database 12c
Spatial and Graphに改名
ベクター演算高速化
ラスター並列演算
・Oracle 7.3 から実装
・市場のニーズに応えた継続的な改善
・挑戦的な機能追加
オブジェクト・サポート
円、円弧
R-Tree索引
Spatial関数のサポート
測地座標系
線形参照システム
Spatial Partitioning
Spatial Replication
ラスター・データ
トポロジ・データモデル
ネットワーク・データ・モデル
ジオコーディング
ルーティング

Spatial and Graph
6
Oracle Database 12c
Spatial and Graph Option
Spatial Features
Graph Features
Topology &
Network
Data Model Graph
RDF Semantics
Graph

Graph Features - RDF Semantics Graph
RDFセマンティックテクノロジーの実装
• 機能
– SPARQL 1.1 対応のRDFトリプルストアとして動作
– RDB2RDF の変換プロセッサ(DM,R2RML)とRDFビュー機能
– 推論エンジン機能
• RDF/RDFS/OWL/SKOS標準ボキャブラリ対応、ユーザ定義推論
• 特⻑
– 1兆トリプルを捌く #1 ⼤規模トリプルストア
– 既存データ,RDBユーザに優しい
• RDBからの変換、SQL内にSPARQLを記述可能、RDFビュー
– 企業・軍情報機関での利⽤に耐える本格実装
• セキュリティ、推論結果の扱い、モデル単位の管理、仮想モデル
概要

RDF Semantic Graph 機能は
一言で言うと
Oracle データベースのRDF/Linked Data の機能
§ Linked Data ?
§ RDF?

Agenda
– コンセプト
– データの持ち⽅
– RDF

コンセプト
World Wide Web (1991-) ～ HTML を使った文書のウェブ
Linked Data (1999-) ～ RDF を使ったデータのウェブ
http://ja.wikipedia.org/wiki/Linked_Open_Datahttp://www.ted.com/talks/tim_berners_lee_on_the_next_web

World Wide Web (文書のウェブ)
Oracle Confidential – Internal/Restricted/Highly Restricted 11
http://en.wikipedia.org/wiki/File:Internet_map_1024.jpg

文書のウェブで困ること
ウェブという「ビッグデータ」があっても…
非構造：コンピュータが内容を理解してリンクを辿るのは難しい
異なるスキーマ：複数ソースのデータを統合するのは手間がかかる
http://www.kanzaki.com/works/2011/pub/0618scs.html#s4

Webの現状
ホイコーローつくろう

例えば、、、、ホイコーローつくろう
レシピを検索

すごいいっぱいでてくる、、、

僕が欲しいレシピは
アレルギー⾷材なし
⾟くなくて
⽢⼝で⼦供が⾷べれて
⼤⼈もおいしくて、、、

サイトごとに書式も違うから
⽐べるのも⼤変 (>_<)
作り出す前に２時間以上検索
実際はホイコーローでないですが、
ほぼ実体験

データのウェブでできること
• データの再利用
• 複数ソースの統合
• 関連データの発見
• 全てのデータにURIをつける
• そのURIが参照できるようにする
• 参照されたらRDFで情報を返す
• 外部データのURIを参照する

データのWebなら
一発検索
ヾ(*´▽`*)ﾉ
ホイコーロー
レシピA
レシピB
レシピB
辛い
甘い
おい
しい
アレルギー
食材無
喜ぶ
レシピX

データの持ち方
データのWebのためには、、
• 情報をトリプル化して
• グラフ化して
• オントロジーを定義して
• 大量に蓄積

残念ながら用語が難しい (´・ω・｀)
ここから簡単に説明

～トリプル・トリプル化とは

トリプル・トリプル化
織田信長は室町幕府を滅亡させ天下統一を狙った
この情報をトリプル化してみます

天下統一を狙った
情報を分割します
織田信長は室町幕府を滅亡させ

天下統一を狙った
分割完了ヾ(*´▽`*)ﾉこの情報は２つに！
織田信長は室町幕府を滅亡させた
織田信長は

狙った
分割した情報を主語・述語・目的語(SVO)に並べ替え
織田信長
織田信長
室町幕府滅亡させた
天下統一
S V O

狙った
織田信長
織田信長
室町幕府滅亡させた
天下統一
S V O
これが
トリプル
これも
トリプル

"織田信長" "狙った" "天下統一".
"織田信長" "滅亡させた" "室町幕府".
実際のトリプルのファイルもただのスペース区切りでOK
これが
トリプル
これも
トリプル
※トリプルには他の書式もあります。

グラフ化して

トリプルからグラフへ
グラフって何？
円グラフ・棒グラフ
折れ線グラフ
のグラフ?

グラフ理論のグラフ
点と線の集合のこと。

関係を表現できる。
地下鉄の路線図、道路網、
コンピュータのネットワークとか
⼈間関係とかは
グラフ化するとわかりやすい。
駅探とかカーナビでもたぶん使われてる

出典：わけがわからない...CIA長官不倫スキャンダル人物相関図
http://www.gizmodo.jp/2012/11/cia_3.html

狙った
述語を主語・⽬的語の2つの間の関係と⾒做して
⽮印で結びます。
織田信長
織田信長
室町幕府
滅亡させた
天下統一

狙った
トリプルを⽮印で書くとRDFグラフ。
織田信長
織田信長
室町幕府
滅亡させた
天下統一
これが
RDF グラフ
これも
RDF グラフ

「織⽥信⻑」をまとめます
織田信長室町幕府
滅亡させた
天下統一
狙った

合わせるとこんな形のグラフになりました
滅亡させた
天下統一
狙った

大量に蓄積

RDFグラフをどんどん集めてつなげると
巨大で複雑なグラフネットワークが作れます。
これをRDFセマンティックグラフと呼びます。
滅亡させた
作った
足利尊氏
征夷大将軍
代表

巨大なRDFセマンティックグラフでは
色々なものがつながっているので、
色々なことがわかります
徳川家康徳川秀忠徳川家光
親親
家光のおじいちゃんは誰？

みんなが勝手にトリプル化していくと
重複データが増えて
結局探すのがたいへんなことに <(T◇T)>
織⽥信⻑
尾張守護代
戦国⼤名
⼤名
おしごと
職業
職
天下統⼀
戦国⼤名
主な職歴

http://ja.dbpedia.org/resource/織田信長
http://ja.dbpedia.org/resource/戦国大名
http://example.com/職業
HTTP URIの利用
定義済みのものはどっかに書いて
みんな、それを使おう！
URIを使って書けば誰だって使えるものに

オントロジーとは

コンピュータは何もわからない
「織⽥信⻑」というデータはあっても
• 過去の⽇本⼈かどうかもわからない
• ⽇本⼈かどうかもわからない
• ⼈かモノか部品か何かわからない
• 架空のものかもわからない
(´・ω・｀)ﾓｷｭ

概念体系（オントロジー）を
コンピュータに教えてあげるとスムーズ！
「⼈は動物の⼀種で名前を持ってるよ」
Oracle Confidential – Internal/Restricted/Highly Restricted
47
動物人
上位概念
名前
名前持ってる
出典：wikipedia

コンピュータに概念を教える為の
書き⽅の決まりが、
Web Ontology Language が由来の OWL
この書式で書けば、
他のデータソースとも
概念を共有できちゃう！

スキーマはOWLとRDF Schema で書く
動物人
上位概念
名前
名前持ってる
<owl:Class rdf:ID="人">
<rdfs:subClassOfrdf:resource="#動物" />
.....
<rdfs:subClassOf>
<owl:onPropertyrdf:resource="#名前持ってる" />
</rdfs:subClassOf>
....
</owl:Class>

Agenda
– コンセプト
– データの持ち⽅
– RDFってなに

RDFってなに？
Resource Description Framework
W3C勧告のリソース記述の枠組み。
書式とそのスキーマの記述方法などがゆるく定義されてる

RDFってなに？
⾝近にあるRDFの応⽤
•RSS （RDF site summary)
–ブログやニュースフィードとかに使われてる。更新情報をまとめ
て配信するフォーマット
• Webサイトの要約をRDFの形式で記述したもの
•FOAF (Friend of a Friend) Project
–⼈間に関する情報をRDF化して検索対象とするプロジェクト
• 何⼈の友達を辿ってXXに辿りつけるかみたいのがわかるように

RDFってなに？
RSSの例（RDF/XML の記述になっている）
<?xml version="1.0" encoding="utf-8"?>
<?xml-stylesheet href="../../../../../css/rss/feedRss1.xsl" media="screen" type="text/xsl"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns="http://purl.org/rss/1.0/"
xmlns:slash="http://purl.org/rss/1.0/modules/slash/" xmlns:content=http://purl.org/rss/1.0/modules/content/
xmlns:taxo="http://purl.org/rss/1.0/modules/taxonomy/" xmlns:dc=http://purl.org/dc/elements/1.1/
xmlns:syn="http://purl.org/rss/1.0/modules/syndication/" xmlns:admin="http://webns.net/mvcb/">
<channel rdf:about="http://science.slashdot.jp/">
<title>スラッシュドット・ジャパン: サイエンス</title>
<link>http://science.slashdot.jp/</link>
<description>アレゲなニュースと雑談サイト</description>
...... ＜中略＞
<item rdf:about="http://science.slashdot.jp/story/14/09/16/0445242/">
<title>中国の考古学者、ジュラ紀の「神獣」の化石を発見？</title>
<link>http://science.slashdot.jp/story/14/09/16/0445242/</link>
<description>中国で新たに発見されたハラミヤ目の標本に「陸氏神獣」、「玲瓏仙獣」、「宋氏仙獣」</description>
<dc:creator>hylom</dc:creator>
<dc:date>2014-09-16T21:00:00+00:00</dc:date>
<dc:subject>science</dc:subject>
. ....
</item>
http://science.slashdot.jp
title
スラッシュドット・ジャパン:
サイエンス
link
http://science.slashdot.jpアレゲなニュースと雑談サイト
description

RDFってなに？
書き⽅については⾊々
• XMLをベースとしたもの(RDF/XML)
• ⾏ベースでの記述⽅式 (N-Triples)
• 独⾃フォーマット (Notation3/Turtle)

RDF （N-Triples) の例
<http://ja.dbpedia.org/resource/夢路いとし> <http://xmlns.com/foaf/0.1/name> "夢路いとし"@ja .
<http://ja.dbpedia.org/resource/夢路いとし> <http://xmlns.com/foaf/0.1/name> "夢路いとし・喜味こいし"@ja .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/birthName> "篠原博信"@ja .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/birthName> "いとし先⽣"@ja .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/birthPlace> <http://ja.dbpedia.org/resource/神奈川県> .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/genre> <http://ja.dbpedia.org/resource/漫才> .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/influencedBy> <http://ja.dbpedia.org/resource/荒川芳丸> .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/notableWork> <http://ja.dbpedia.org/resource/がっちり買いまショウ> .
<http://ja.dbpedia.org/resource/夢路いとし> <http://dbpedia.org/ontology/notableWork> <http://ja.dbpedia.org/resource/バラエティー⽣活笑百科> .
<http://ja.dbpedia.org/resource/原哲夫> <http://xmlns.com/foaf/0.1/name> "原哲夫"@ja .
<http://ja.dbpedia.org/resource/原哲夫> <http://dbpedia.org/ontology/nationality> <http://ja.dbpedia.org/resource/⽇本> .
<http://ja.dbpedia.org/resource/原哲夫> <http://xmlns.com/foaf/0.1/homepage> <http://www.haratetsuo.com/> .
<http://ja.dbpedia.org/resource/原哲夫> <http://dbpedia.org/ontology/genre> <http://ja.dbpedia.org/resource/少年漫画> .
<http://ja.dbpedia.org/resource/原哲夫> <http://dbpedia.org/ontology/notableWork> <http://ja.dbpedia.org/resource/北⽃の拳> .
<http://ja.dbpedia.org/resource/原哲夫> <http://dbpedia.org/ontology/notableWork> <http://ja.dbpedia.org/resource/花の慶次> .
<http://ja.dbpedia.org/resource/原哲夫> <http://dbpedia.org/ontology/notableWork> <http://ja.dbpedia.org/resource/蒼天の拳> .
夢路いとし神奈川県birthPlace
漫才ジャンル

SPARQL
どうやって、データを探すの？
そのための問い合わせ⾔語が
SPARQL (すぱーくる）
(SPARQL Protocol And RDF Query Language)
SQLとパッと見、似た名前

SPARQL
なんとなく SQLに似てます。
"お市の⽅"の兄弟を検索 (by ja.dbpedia.org)
PREFIX dbpedia-owl: <http://dbpedia.org/ontology/>
PREFIX ja-prop: <http://ja.dbpedia.org/property/>
SELECT *
WHERE {
?s a dbpedia-owl:Person .
?s ja-prop:兄弟 <http://ja.dbpedia.org/resource/お市の⽅> .
}
RDFのURLは⻑いし、
何回も書いたりするので、
PREFIXを使って
aliasみたいなことができます
別にPREFIX使わないで
普通に書いてもいいです

SPARQL
お市の⽅
兄弟
？
SELECT *
WHERE {
}
お市の⽅と兄弟の⼈は？
Person
（人）
クラス

クエリーの結果は、、、、
SPARQL
PREFIX dbpedia-owl: <http://dbpedia.org/ontology/>
PREFIX ja-prop: <http://ja.dbpedia.org/property/>
SELECT *
WHERE {
}
s
http://ja.dbpedia.org/resource/織田信長
http://ja.dbpedia.org/resource/織田信行
http://ja.dbpedia.org/resource/織田信興
http://ja.dbpedia.org/resource/織田長利
http://ja.dbpedia.org/resource/織田秀成
http://ja.dbpedia.org/resource/織田信照
http://ja.dbpedia.org/resource/織田信治
http://ja.dbpedia.org/resource/織田信包

宮崎駿の作品にでている人の配偶者の職業

RDFデータへのアクセス
SPARQLクエリ @ja.dbpedia.org
• http://ja.dbpedia.org/sparql
• 宮崎駿
<http://ja.dbpedia.org/resource/宮崎駿> .宮崎駿

• 宮崎駿の作品
select * where {
?movie dbpedia-owl:director <http://ja.dbpedia.org/resource/宮崎駿> .
}
movie
宮崎駿
dbpedia-owl:director

• 宮崎駿の作品にでている人
select * where {
?movie dbpedia-owl:starring ?cast .
}
movie
宮崎駿
dbpedia-owl:starring
?cast

• 宮崎駿の作品にでている人の配偶者
select * where {
?cast prop-ja:配偶者 ?partner .
}
movie
宮崎駿
?cast ?partner
prop-ja:配偶者

• 宮崎駿の作品にでている人の配偶者の職業
select * where {
?cast prop-ja:配偶者 ?partner .
?partner dbpedia-owl:occupation ?job .}
movie
宮崎駿
?cast ?partner
prop-ja:配偶者
?job
dbpedia-owl:occupation

movie cast partner job
dbpedia-ja:⾵⽴ちぬ_(2013年
の映画)
dbpedia-ja:庵野秀明 dbpedia-ja:安野モヨコ dbpedia-ja:漫画家
dbpedia-ja:紅の豚 dbpedia-ja:⼤塚明夫 dbpedia-ja:沢海陽⼦ dbpedia-ja:声優
dbpedia-ja:ハウルの動く城 dbpedia-ja:⼤塚明夫 dbpedia-ja:沢海陽⼦ dbpedia-ja:声優
dbpedia-ja:ハウルの動く城 dbpedia-ja:⽊村拓哉 dbpedia-ja:⼯藤静⾹ dbpedia-ja:歌⼿
dbpedia-ja:千と千尋の神隠し dbpedia-ja:夏⽊マリ dbpedia-ja:斎藤ノヴ
dbpedia-ja:パーカッショニ
スト
dbpedia-ja:ハウルの動く城 dbpedia-ja:倍賞千恵⼦ dbpedia-ja:⼩六禮次郎 dbpedia-ja:作曲家
dbpedia-ja:ハウルの動く城 dbpedia-ja:倍賞千恵⼦ dbpedia-ja:⼩六禮次郎 dbpedia-ja:編曲家
• こんな結果になりました
※クエリ結果が少ないのはdbpedia側に配偶者や職業データの
⽋落が多いことに起因しています(>_<)

事例
Cisco WebEX
Eli Lilly
Allied Nations
EU出版局

Cisco WebEx Social
Oracle Spatial and Graph による社内コラボレーションの促進
目的
§ 意味的関係から⼈と⼈のつながり、コラボ
レーションの創出を狙いたい
§ サイロ化した知⾒を引きずり出したい
ソリューション
§ 永続的、且つ統合されたグラフのメタデー
タモデルを構築
§ 概念に対して固有の意味によるタグ付
§ 意味的つながりやレコメンデーションを
辿ることにより関連したコンテンツ、グ
ループの発⾒
得られた利点
§ フォーラム、ブログ、wikiなどの各種コンテンツ間で
統合されたメタデータモデル
§ メディア、ドキュメント、写真、ブログなどのコンテ
ンツに対する企業内の⽤語やユーザ定義によるタグ付
§ タグの意味的、構造的な整合性のチェック

Oracle Graph Database | Eli Lilly様
目的
§ 調査、研究、実験の効率化のため統一化された
"ボキャブラリー" を構築
§ 新薬開発のアイデア出し効率化と事前チェック
完全化
解決策
§ 臨床試験記録、化学物質構成情報、遺伝子シーケンス、パ
スウェイ、画像、化学論文データ等の統合ビュー
§ 関連するデータをグラフ(ネットワーク)として分かりやすく表
示
§ グラフを横断的に自由に移動し新たな関係性を発見。語彙
検索。オントロジーブラウズ
“[This technology…] provides improved insight
into our business by bringing together related
information from diverse data sources,”
J. Phil Brooks
Information Consultant, Eli Lilly and Company

Oracle Graph Database | Eli Lilly様

セマンティック検索のクエリー例
意味的基盤の構築によって可能になったクエリ
• ⼤腸がんに含まれるメチラーゼのすべての相互作⽤を同定
• RNAiのデータでDharmacon社の試薬を使⽤して⽣成された細胞株を検索
• MCF7におけるAKT1経路活性を評価するために使⽤された抗体を取得
• ⾃分のサンプルを使った全ての実験を検索
• グレードIIIの結腸直腸癌であるすべてのサンプルを検索し、発現、変異との
aCGHデータを取得

Business Challenge
• 社内のデータと情報データベース（遺伝
⼦・タンパク質・代謝経路・化合物・リガ
ンドなど）の連携
• 社内外のデータの活⽤、検索、ナビゲート、
共有による⽣産性の向上
Solution
• 160万語に及ぶ⼤量の術語（⽣物学、化学、
医学）
• RDFグラフの利⽤による意味的統合
• 術語ハブ：データレポジトリ間を相互参照
するために8Gbもの参照⽤データ
事例： RDFを活用した統合データ基盤の構築

Oracle Graph Database | Allied Nation
§ 通話記録、Email、SNS情報から容疑者を推測
§ Produce “data products” for analysts
§ 個人、グループや位置などの関連性を明らかに
する
§ 個人やグループ間の関連性を明らかにする
偽名、暗号、専門用語の意味を明らかに
§ 業界標準テクノロジー: W3C RDF & SPARQL
§ 600 TB、10億行のトリプルストア
§ セキュリティを担保
- ファイングレイン監査機能をトリプルストアに実装
§ 1億行 / 月のペースでデータ量が増加
§ Find & label “same-as” relationships
目的
解決策
導入効果
SCREEN
ONLY

EU Publications Office (欧州委員会出版局)
欧州連合の Linked Open Data(LOD) プラットフォーム
目的
§ 共通メタデータモデルでの情報公開:
§ EU からの全てのアナウンスメントの検索と発見
§ 複数の言語とドメイン
ソリューション
§ Validate and tag EU law, tenders, and publicity
to standardized vocabularies
§ Unified RDF graph metadata model
§ Supports discovery of content through user’s
terminology and language
§ Provides variety of dissemination modes
§ Evolving data model that flexibly supports a variety of
business use cases
§ Scalability:
§ Over billion RDF triples in Oracle Graph DB
§ 2.5 TB of compressed data in Oracle DB
§ Links to 3.9 TB (60M) files of EU pubs
§ Reliability and maintainability
§ Oracle ASM (Automatic Storage Management)
§ Two failover systems
得られた利点

§ Appendix

Transform &
Modeling Tools
• RDF/OWL Data
Management
• SQL & SPARQL Query
• OWL Inferencing
• Semantic Rules
• Scalability & Security
• Semantic Indexing
• Java, HTTP access
• JSON output
• Graph visualization
(Cytoscape)
• Oracle Advanced
Analytics
• Oracle Business
Intelligence (OBIEE)
• Map (GIS) Visualization
Load, Query
& Inference
Applications &
Analysis Tools
Other Data
Formats
RSS, email
Transaction
Systems
Data Sources
Unstructured
Content
R2RML
Protégé for Oracle
Jena for Oracle
Sesame for Oracle
NLP Extraction
(partners)
Oracle Database 12c
Oracle Database 12c Spatial and Graph Tooling

Oracle Spatial & Graph12c
RDF Semantic Graph
Leverages Oracle Manageability:
• RAC & Exadata scalability
• Compression & partitioning
• SQL*Loader direct path load
• Parallel load, inference, query
• High Availability
• Triple-level label security
• Ladder based inference
• Choice of SPARQL, SQL, or Java
• Native inference engine
• Enterprise Manager
• Native RDF graph data store
• Manages 10s of billions of triples
• Relational to RDF mapping
• SPARQL-Jena/Joseki, Sesame
• SQL/graph query, B-tree indexing
• Ontology assisted SQL query
• RDFS, OWL2 RL, EL+, SKOS
• User-defined rules
• Incremental, parallel reasoning
• User-defined inferencing
• Plug-in architecture
Load /
Storage
Query
Reasoning
• Semantic indexing framework
• OBIEE
•Oracle Advanced Analytics
•SPARQL Property Paths
Analytics

Linked "Open" Data
クロスドメイン
(DBpedia, Freebase)
ライフサイエンス
(UniProt, Bio2RDF)
地理
(Geonames)
出版物
(米議会図書館,
独国立経済学図書館)
メディア
(BBC, New York Times)
政府
(data.gov, data.gov.uk)

補足資料
§ グラフの種類

グラフ補足：グラフには色々な種類があります
グラフには様々な特徴のあるモデルがあります
無向グラフ有向グラフプロパティグラフＲＤＦグラフ
表現⼒低⾼
難易度低⾼
関係の種類 1種類多数
84
プロパティグラフの例
尊敬(10)
信頼(3)
旧友(1)
尊敬(8)殺意(10)
重みつき無向グラフの例
5
4 3
便利(8)

無向グラフ
方向が無いグラフ
• 点と線の最もシンプルなグラフ
• 特定の関係の有無を表現することができる
• コスト（重み）をもたせると少し表現⼒が上がり関係の強弱が表現できる
• 仲良し度と数値化して⾼いと太い、近いなど
• 例
– FacebookなどのSNSの知⼈関係
– 地下鉄の路線図
重みつき無向グラフの例
5
4 3
[Oracle 製品での実装]
Network Data Model Graph
( Oracle Spatial and Graph Option)

有向グラフ
方向つきグラフ
• 線に⽅向がある
• 相互の関係を分けて表現できる
• また線にコスト（重み）をもたせると少し表現⼒が上がり強弱が表現できる
• 例：好意を数値化（⽉間の電話回数など、、）
• 例
– じゃんけんの勝敗関係
– Twitterのフォロー関係
– ⼀⽅通⾏のある道路、経路
– 化学物質、原⼦の状態偏移
– 楽曲構成
3
7
3
6
2
重みつき有向グラフの例

複数の方向と関係の中身を表現したグラフ(マルチリレーショナルグラフ）
• 関係を⽂字で直接表記できる
• 同じノードに対して複数の関係を表現できる
• 関係の中に属性を付与できる
• 例
– 雑誌などの⼈物相関図
尊敬
信頼
便利
尊敬殺意
便利
旧友
マルチリレーショナルグラフの例
ラベル付有向グラフ
RDF Semantic Graph(部分利⽤)

プロパティグラフ
関係の中身を表現することに特化したグラフ
• 関係を直接表記し属性を与えれる
• 同じノードに対して複数の関係を表現できる
• 関係⾃体に⾊々な情報を付与できる
• より複雑な関係の表現が可能
• ⼈の⽬にやさしい
• 例
– 雑誌などの⼈物相関図
– 多重債務状況の図⽰
尊敬(10)
信頼(6)
便利(6)
尊敬(7)殺意(10)
便利(8)
恐怖(3)
プロパティグラフの例
消費者
金融A
Aさん
消費者
金融B 消費者
金融C
融資
⾦額:50万円
⾦利:8%
融資
⾦額:20万円
⾦利:11%
Bさん
融資
⾦額:120万円
⾦利:5%
贈与
⾦額:200万円
Property Graph
(Oracle Big DataSpatial and Graph)

RDFセマンティックグラフ
多彩な関係を定義し、概念による意味の補足が可能に
• 概念（オントロジー）を持てる
• 柔軟性と再利⽤性のバランス
– URI表記の利⽤による再利⽤性
– オントロジーによる
• w3cで標準化されている
• 同様の形式のLOD(※)と連結できる
• 機械に優しい（⾃動処理に向く）
• 例
– DBpedia (wikipediaのRDF版)
– MusicBrainz
– RSS
尊敬
信頼
便利
尊敬殺意
便利
旧友
RDFセマンティックグラフの例
戦国大名
歴史上の人物
rdfs:type
rdfs:subclassOf
rdfs:type
rdfs:type
rdfs:type
RDF Semantic Graph
※LOD：Linked Open Dataの略称で
外部公開されているリンクデータ

RDFセマンティックグラフとプロパティグラフ
• プロパティグラフの表現⼒、柔軟性は⾮常に⾼い
– 分析⽤のデータモデルとしては⾮常に良い
– ⼈間の⽬で⾒て分かり易く、扱いやすいモデル
• RDFセマンティックグラフはデータの再利⽤性、可搬性に対する配
慮が⾼い。
– w3cで標準化されているため他のデータソース（LOD)との連結が容易
– オントロジーによる意味、概念的な情報抽出や処理が可能
– 推論機能による情報への補完や修正が可能
– コンピュータでの⾼度な処理に向いたモデル

RDFセマンティックグラフとプロパティグラフ
データモデルとしての使い分け
RDFセマンティックグラフプロパティグラフ
表現⼒⾼い
・マルチリレーショナルグラフ形式
・オントロジーによる概念記述
⾮常に⾼い
・ノード、エッジともにKVストアを持っている
ような状態
柔軟性⾼い
・新たな関係性は新規トリプルとして追加
⾮常に⾼い
・プロパティでの追加も利⽤できる
データの可搬性⾼い
・w3cで標準化された規格
普通
・設計は利⽤者による
データの再利⽤性⾼い
・URI記述ルール
普通
・同⼀モデル内では問題なく利⽤可能
探索・クエリー標準規格がある
・w3cで標準化されたSPARQLによる問い合
わせが可能
鋭意発展中
・標準的なアクセス⼿段を提供するライブラリ
(Gremlin)の開発が進んでいる
永続的にストアされるデータモデル柔軟な分析用のデータモデル

分析・可視化(Property
Graph)
データ
ストア
(RDF)
様々な切り⼝でのグラフ分析を可能に
Oracle Confidential – Internal/Restricted/Highly Restricted92
多⾯的な分析を可能にします
RDF Semantic Graph
Facebook/Twitter/
Google+の⼈間関係に注
⽬
物の所有者や譲渡関係に注
⽬
電話、待ち合わせなどの
接触イベントに着⽬
分析・可視
化
(Property
Graph)
S&G (PGX)
on BDA
データ
ストア
(RDF)
S&G
外部
LOD
外部
RDF
ストア
RDFによる横断的データストア

３つのグラフと領域
グラフ理論
地理学
NDM
知識表現
オントロジ工学
RDF
社会学
ネットワーク論
PG
グラフ理論は⽅法論として
様々な領域で利⽤されてい
ます。
その領域の特徴によって、
加味される技術的な要素も
変わっています。
これらのグラフモデルに対
して最適な実装をするため
に別なデータモデルとして
提供しています

グラフ理論
地理学
NDM
知識表現
RDF
社会学
PG
地球の上のリアルなネットワークを
取り扱う
ポイント：
・地表⾯（球体）における距離
・測地系の差異をまだくグラフ
・時間や状況によって構造が変化
例えば、地球上の正確な距離計
算には、地球を近似する回転楕
円体の情報や海⽔⾯の情報、上
空や地下であれば、その標⾼な
どを加味したそれなりの演算が
必要です

グラフ理論
地理学
NDM
知識表現
RDF
社会学
PG
巨⼤情報を意味的に正しく取り扱う。
有形・無形の知識をコンピュータ上で表現していくために形式論理学的な表現を解釈し、推論などの⾏い、
論理的な整合性を担保しつつ、柔軟な管理を可能にする
ポイント：
・莫⼤なデータ量
・標準的な知識表現の解釈（推論）
・⾼速なアクセス
・標準技術への対応
w3c勧告の様々な標準仕様が存在している。
RDFS(RDF Schema): RDF⽤のスキーマ記述⾔語
OWL (Web Ontology Languadge):オントロジ記述⾔語と語彙。集合論
と形式論理学な⾵味(バージョンやセットによって利⽤できる語彙に違いが
ある）
SKOS(Simple Knowledge Organization System): 分類学的なアプ
ローチによる知識表現語彙
SPARQL:RDFに対する標準クエリ⾔語

グラフ理論
地理学
NDM
知識表現
RDF
社会学
PG
社会や⾃然界にあるグラフ構造の解析を⽬的として
いる。
構造を定量的に把握するための様々な指標やその解釈、分
析アルゴリズムがある。
ポイント：
・構造を定量化、可視化
・構造に対する分析に特化
・構造に対する解釈を踏まえたアルゴリズム
⼀般的によく⾔われる社会ネットワークの性質
スモールワールド性：任意の2つの頂点が、中間にわずかな数の頂点
を介するだけで接続される
クラスター性：現実世界のネットワークには三⾓形（相互に知り合い、
相関がある）が沢⼭含まれている
スケールフリー性：接続が偏在化していて、⼤多数の頂点はごく⼀部
の頂点としか接続していない
構造の定量化の例
中⼼性：ネットワーク内で中⼼的な役割を果たしている頂点を数値化
した指標。中⼼性の考え⽅により、次数中⼼性、媒介中⼼性、固有ベ
クトル中⼼性など様々な算出⽅法がある

姉妹品のご紹介
Oracle Big Data Spatial and Graph
• Spatial and Graph機能が BDA(Big Data Appliance) 環境でもご利
⽤頂けます
• データベースのSpatial and Graph オプションと⼀部機能、利⽤⽅
法に差異がございます
– データの蒸留⼯程や⼤規模な分散環境を意識した実装
– Spatial
• データエンリッチメントやイベント判定に特化
– Graph
• 分散環境下でのグラフ分析に特化
姉妹品

Oracle Big Data Spatial and Graph
ORACLE CONFIDENTIAL
Property Graph Spatial
Big Data に新しい分析機能をもたらす新機能
Oracle Technology Network product page:
http://www.oracle.com/technetwork/database/database-technologies/bigdata-spatialandgraph/
適⽤領域
• ソーシャルメディア分析
• IoT
• サイバーセキュリティ
⾼い表現⼒をもって分析に
適したモデルを提供するプ
ロパティグラフに⾼度なグ
ラフ分析関数を多数実装し
た新機能
空間データベースとして
最⼤⼿かつ実績豊富な
Oracleが提供する空間演
算関数をBig Dataイン
フラ上で提供
適⽤領域
• 近傍情報、ジオフェンス判定
• 位置情報への付帯情報の付加
• 空間データ、ラスタ（画像）データの加⼯・
準備
姉妹品

Spatial and Graphオプション
• Oracle Database EEのオプション
– Exadata Database Machine
• 位置付け
– 永続的データストア
– ⼤規模、⾼度な分析基盤
• 空間機能
– ⾼度な地理・空間分析機能
• グラフ機能
– RDFセマンティックグラフ
– ネットワークデータモデル(地理空間向け）
Big Data Spatial and Graph
• Big Data 基盤⽤のオプション
– Big Data Appliance
• 位置付け
– グラフ分析基盤
– （未整理データの保管と前処理）
• 空間機能
– ⽐較的軽い空間演算処理の実装
• グラフ機能
– プロパティグラフ
– 並列グラフ分析エンジン(PGX)
Spatial and Graph と Big Data Spatial and Graphの違い
姉妹品

RDF Semantic Graph「RDF 超入門」

RDF Semantic Graph「RDF 超入門」

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (9)

Similar to RDF Semantic Graph「RDF 超入門」

Similar to RDF Semantic Graph「RDF 超入門」 (20)

More from オラクルエンジニア通信

More from オラクルエンジニア通信 (20)

RDF Semantic Graph「RDF 超入門」