本体，图形和海龟
让我们深入了解该概念，并应用一些技术来创建实际的图形结构，并最终使用它。
在本文的最后，我们已经很好地解析了乌龟格式的Triplestore并在Go中创建了一个图结构（基于gonum的界面）
如上一篇文章所述，我们的知识数据库是一个三重存储。作为示例，我将依靠schema.org公开的本体。
Schema.org是一项协作性社区活动，其任务是创建，维护和促进Internet，网页，电子邮件以及其他内容中的结构化数据架构。由Google，Microsoft，Yahoo和Yandex创建的Schema.org词汇表是由开放的社区流程开发的[…]。您可以使用以下命令获取完整的本体：
为了解析商店，我使用了Andrei Sambra的gon3软件包。即使没有附加许可证，安德烈（Andrei）仍然允许我使用它并针对非营利代码对其进行修改。
包的入口点是解析器结构。其目的是读取字节流（io.Reader）并将其转换为称为Graph的功能结构。包中的Graph结构并不代表所有边缘。它仍然由一个三元组数组（又称为rdf图）组成：
// RDF图是一组RDF三元组类型Graph struct {Triples [] * Triple uri * IRI}
三元组是包含三个项的结构。一个是主语，一个是谓语，最后一个是宾语。
在上一篇文章中，我们看到RDF中的术语可以用不同的类型表示。到目前为止，在Go中表示通用类型的方法是使用接口。因此，术语具有基于接口的定义：
如果我们将所有概念粘合在一起，就有可能创建一个基本结构：
import“ github.com/owulveryck/gon3” //为简洁起见，其他导入省略了func main（）{baseURI：=“ https://example.org/foo”解析器：= gon3。 NewParser（baseURI）gr，_：=解析器。 Parse（os.Stdin）//为简洁起见，省略了错误处理。 Printf（“图形包含％v个三元组”，len（gr。三元组（）））}
我们可以通过计算文件中的rdf分隔符来检查三元组的数量是否与预期的大致匹配：
这些数字不是相同的，而是相似的（grep命令不评估文字，并且某些标点符号可能被错误地计算）
我们在内存中有一个“ RDF”图；可悲的是，这种结构不是有向图。我的意思是，实际上不可能从一个节点导航到另一个节点或识别边缘。
要创建图，Go中最好的选择是依靠gonum创建的抽象
在Gonum中，图形是一个接口，用于管理实现Node和Edge的两个对象，例如：
类型图形接口{节点（id（int64）节点节点（）来自（id int64的节点）节点HasEdgeBetween（xid，yid int64）bool Edge（uid，vid int64）Edge}
一旦图形对象满足了这些接口，就可以使用gonum团队已实现的所有图形算法。如果您想了解有关功能的更多信息，请转到此链接：pkg.go.dev/gonum。 org / v1 / gonum / graph＃section-directories
我们将创建一个顶层结构，它将作为图形的接收者。对于图本身，我们依赖于gonum项目提供的simple.DirectedGraph实现。
然后，我们将创建一个函数来从rdfGraph创建并填充图形。
func NewGraph（rdfGraph * gon3.Graph）* Graph {g：=简单。 NewDirectedGraph（）// ...填满图表return＆Graph {DirectedGraph：g，}}
请记住，rdf图包含一个三元组数组。每个三元组都是一个学期。
这表明我已经做出了选择：我想生成一个图形，其节点与在Triplestore内部声明的主题相对应。因此，在示例中，object2不是节点，因为它没有被定义为句子的主题。更改此行为并引用其他节点相对容易，但是让我们分开。
添加返回int64的方法ID（）使其与gonum的Node接口兼容，因此可以将其添加到简单图形中。到目前为止，此代码可以编译（但没有用）：
使用相同的原理，我们创建一个Edge结构，该结构包含两个节点From和To以及一个定义边的术语。
我们要做的第一件事是创建术语树。我们通过一个哈希映射来做到这一点，键是一个主题，值是另一个映射。地图值的键是一个谓词，并且值是一个对象数组（请记住，谓词可以指向多个对象）
但是在解析rdf图以填充树之前，我们必须解决一些难题。术语是一个接口。因此，它是一个指针。因此，在rdf图中，如果我们考虑两个条件t1和t2，例如：
然后，我们遍历rdf图的三元组以填充树和字典。
注意：为方便起见，我们还将字典设置为图形的属性，以备后用。结构变为：
现在，我们可以遍历树，并为每个主题在图中创建所有节点：
对于s，po：=范围树{n：=＆节点{id：g。 NewNode（）。 ID（），主题：s，PredicateObject：po，} g。 AddNode（n）引用[s] = n}
注意：为方便起见，我们再次跟踪哈希图中的节点。此参考地图的主题为键，节点为值（其类型为map [rdf.Term] * Node）。
对于s，po：=范围树{me：=参考[s]对于谓词，对象：= range po {对于_，object：=范围对象{如果me ==到{//自边缘继续}到：=参考[object] e：= Edge {F：me，T：to，Term：predicate，} g。 SetEdge（e）}}}
现在我们有了图构建器，可以使用我们先前下载的schema.org中的数据进行测试。
让我们编写一个简单的程序来创建图形并进行简单的查询。例如，我们可能想让所有节点直接链接到schema.org中的PostalAddress。
baseURI：=“ https://example.org/foo”解析器：= rdf。 NewParser（baseURI）gr，错误：=解析器。如果err！= nil {log。致命（err）} g：=图。 NewGraph（gr）postalAddress：= g。 Dict [“ http://schema.org/PostalAddress”]节点：= g。参考[postalAddress]它：= g。到（节点ID（））。 Next（）{n：=它。 Node（）。（* graph。Node）//在这里需要推论，因为gonum的简单图返回一个graph.Node类型，它是一个接口fmt。 Printf（“％v->％v \ n”，节点。主题，n。主题）}
❯cat schemaorg-current-http.ttl |去运行main.go -> -> -> -> -> -> -> -> -> -> -> -> -> ->
如果我们查看schema.org的网站（https://schema.org/PostalAddress），则会在两个不同的表中找到这些元素：
请记住，我们正在处理本体。因此，链接具有含义。并且已经将该含义设置为边缘的属性。如果我们调整代码以显示边缘，如下所示：
为了它 。 Next（）{n：=它。 Node（）。（* graph。Node）//在这里需要推论，因为gonum的简单图返回一个graph.Node类型，它是一个接口e：= g。 Edge（n.ID（），节点ID（））。（graph.Edge）fmt。 Printf（“％v-％v->％v \ n”，节点。主题，e。Term，n。主题）}
--> --> --> --> --> --> --> --> - -> --> --> --> --> - ->
我们已经在内存中快速建立了图形结构。重要的不是结构本身。重要的是它打开的视角。到目前为止，我们已经研究了模式，但是语义适用于数据本身。最重要的是，我们生成的图是相当通用的。因此，可以使用相同的原理将我们的知识图存储在诸如dgraph或neo4j之类的持久数据库中。
在下一篇文章中，我们将使用图并设置模板引擎，以使用go模板创建知识图的通用文档。
