编者按：在人工智能与知识图谱的浪潮中，我们常将关联数据奉为基石。但它那些沿袭已久的最佳实践是否已成禁锢我们的陈规？

本文作者以其深厚的行业洞察，犀利地剖析了这些神圣的信条，并指明了 SHACL 等更现代、更务实的解决之道。

作者：KURT CAGLE

日期：2025年7月27日

大约在2001年，蒂姆·伯纳斯-李提出了一个极具吸引力的构想。

他认为，如果能用“图”来表达信息并赋予其结构，就可以通过超链接将这些结构串联起来，从而创建一个名为「关联数据」的网络。

大多数人都见过关联数据云图的某种形态，它看起来极其震撼，仿佛一个由恒星组成的星系，或是星系团的集群。

然而，这种对关联数据的看法，在很多方面都具有强烈的误导性。

首先，能够被直接大量引用的知识图谱数量极少，而绝大多数知识图谱根本无法访问，形成了一种典型的长尾分布。

其次，许多知识图谱曾一度可供访问，但出于性能或成本的考量，它们要么被关闭，要么其访问权限受到了严格限制。

再者，很多知识图谱在设计之初便基于静态原则，这导致它们迅速过时。

同样，知识图谱的一个核心要素——一个可用的本体——要么付之阙如，要么极为原始。这意味着，除了反复试错，我们几乎没有任何结构可依赖来查询这些数据。

正因如此，这个分布式知识系统的首个范例，成了一个有趣的失败。

说它有趣，在于它代表了我们思考数据方式的重大转变；说它失败，则是因为即便在二十五年后，关联数据网络的存在，更多是潜力而非现实。

有一些所谓的最佳实践，在本体论者之间代代相传，仿佛神圣的知识。

其中一些在语义网早期尚有其道理，一些是早期工具的附带产物，还有一些则仅仅是从未遭受真正挑战的设计方法，最终沉淀为公认的智慧。

我认为，其中不少已沦为陈规旧习，尤其是在业界正从 OWL 转向 SHACL 与 SPARQL 的当下。

陈规旧习：一种用于区分特定人群的习俗、原则或信念，尤其指那些被视为过时或不再重要的长期观念。

这些陈规旧习可以概括如下：

1. 改编优于创建
2. 每个本体都应是全局的
3. 每个本体都必须是可推理的
4. 具体化是糟糕的
5. 命名图是糟糕的
6. 只有本体论者才能创建本体

让我来逐一深入剖析。

一、改编优于创建

这个陈规的核心论点是：最好不要重复造轮子。

许多现成的本体已经解决了大量数据建模的难题，通过改编它们，你可以绕过设计关，更快地启动项目。

但这套最佳实践至少存在两个问题。

其一，设计工作最多不过数周或数月，而系统的维护却可能长达数年。

一旦外部本体发生变更，或不再满足你的特殊需求，你要么得彻底重建相关模块，要么只能以越来越扭曲的方式去兼容它。

其二，问题更为微妙。OWL 的表达方式灵活多变，这反而会引发查询难题。

因为每导入一个外部组件，你就可能需要更专业的 SPARQL 知识来应对其独特的设计。

相比之下，一个能够建立一致性设计模式的组织，远比那些东拼西凑、各自为战的组织更容易成功。

更好的替代方案，是采用屏蔽或间接的策略，在不同本体间识别等效节点。

你可以在自己的本体中创建节点来引用外部本体，并通过元数据来精确说明转换规则。这正是 SHACL 的魅力之一：它的核心异常简洁，却能灵活定义各种非一对一的映射。

换个角度思考：我们不应总想着直接利用外部本体，而应将重点放在构建转换机制上。

通过 SPARQL 的 CONSTRUCT 或 INSERT 语句，我们能以一种一致且文档完备的方式，高效地实现本体间的映射。

二、每个本体都应是全局的

本体，本质上是定义数据模型的一种方式。

有些数据模型覆盖面极广，但其深度也因此被刻意限制。另一些则在范围上要精炼得多，比如一个企业内部模型，它在设计时就没指望能直接转换给同行使用。

范围与精度，是一对常见的矛盾体。范围越广，模型越粗糙，反之亦然。

范围越广，需要考虑的用例就越多，本体的复杂性也随之剧增。

许多本体论者都有一种难以抑制的冲动，渴望创建出”那个唯一的本体“，那枚一统天下的至尊魔戒。

除非已有公认的行业标准，否则强行追求全局性，往往得不偿失。

更明智的做法是：缩小范围，并更精细地定义从标签到数据结构的每一处细节。

如果你确实需要遵从某个行业标准，那就将其视为一个需要适配的转换目标，而不是你自身模型的枷锁。

三、每个本体都必须是可推理的

OWL 的诞生，比 SPARQL 早了大约七年。

在它初次登台时，内置的硬编码推理规则使其能够处理链式关系、传递闭包等复杂逻辑。

这些规则虽简化了某些操作，但在另一些场景下却会导致数据爆炸，owl:sameAs 就是一个臭名昭著的例子。

SPARQL 的出现，极大地削弱了对推理的依赖。

它允许你将大量业务逻辑置于查询之中，而非固化在数据模型里，从而提供了推理无法企及的灵活性和上下文控制。

SHACL 则接管了数据建模的核心职责，如基数、范围、域和节点类型的定义。

SHACL 与 SPARQL 的组合，几乎能处理所有验证场景，使得推理越来越像一种历史遗物。

四、具体化是糟糕的

具体化，是用一个 IRI 来指代一个完整的“主-谓-宾”断言。

理论上这没问题，但实践中却很复杂，因为它要求为每个三元组额外建立索引，还可能产生多个指向同一断言的标识符。

早期的 RDF 规范虽包含此概念，但因实现过于困难，OWL 在很大程度上将其忽略了。

当时的主流观点是：你可以用更清晰、高效的建模方式来替代具体化，它不过是语法糖。

这个看法一度成为行业共识，直到 2007 年 Neo4J 的出现。

Neo4J 成为了标签属性图的典范，它允许在关系（边）上附加属性。例如，在两个机场的“连接”关系上，你可以直接标注航线、距离、飞行时间等信息。

这种表达在传统 RDF 中非常笨拙。最终，在 2017 年，RDF-Star 规范应运而生，它优雅地解决了这个问题。

RDF-Star 的出现比 OWL 晚了二十年。因此，“具体化是糟糕设计”这一陈旧观念，正在被彻底重新评估。

五、命名图是糟糕的

如果说具体化是施加于“三元组”之上的标识符，那么命名图就是施加于“图”之上的标识符。

这一概念同样在 OWL 的信徒与 SPARQL 的拥护者之间引发了深刻的对立。

从概念上讲，命名图为一个三元组集合打上标签，使其成为一个逻辑单元。

命名图对于信息划分和隔离尤其有效，它能创建出不同的“关注范围”，让你可以在不干扰主图的情况下，独立操作特定的子图。

当年此标准被提出时，遭到了巨大反对，因为它将颠覆大量基于 OWL 构建的关联数据架构。

可以说，SHACL 的前身 SHEX 之所以会出现，很大程度上就是为了应对命名图带来的冲击。

如今，围绕命名图正涌现出大量激动人心的工作，但这些都比关联数据的原始构想要晚近二十年，相关的方法论也仍在演进之中。

六、只有本体论者才能创建本体

关联数据的方法论，其思想源头可以追溯到罗素等哲学家的数理逻辑，经由 CYC 项目，最终由蒂姆·伯纳斯-李等人将其整理为“语义网”。

现代意义上的“本体”，由汤姆·格鲁伯在1993年定义为“对概念化的显式规范”。

由此推论，一个本体论者，似乎必须是精通一阶逻辑、图论和计算机科学的数学家。

然而，创建数据模型，几乎是任何人的本能。

一个孩子会把猫描述为“有四条腿、毛茸茸、长尾巴、会喵喵叫的动物”。这本身就是一种对“猫”这个类的描述和约束。

从这个层面说，我们每个人，都是天生的本体论者。

一个专业的本体论者，其优势在于拥有更丰富的建模模式经验，并掌握了一套更系统的建模方法论。

SHACL 的演进，正是源于一种清醒的认识：以 OWL 为代表的旧方法论对大多数人来说过于复杂。

通过重新思考约束建模，我们将语义数据建模的大门，向传统数据建模、编程、图书馆学、金融、医疗、出版等众多领域的专家敞开。

我的学生们普遍发现 SHACL 比 OWL 更易理解，因为它更贴近人们思考数据建模的直觉。

SHACL 与 SPARQL 的组合，足以取代 OWL 的大部分结构。

再辅以具体化和命名图，我们便能更好地在不同层级上组织信息，并将数据视为在特定上下文中才成立的、有条件的知识，而非必须全局一致的绝对断言。

这种思维方式，已经超越了最初的关联数据范式。

我预感，未来的本体管理，将能够根据上下文动态派生，无论通过符号方法，还是某种形式的生成式AI。

这至关重要，因为数据鲜有静止，它在持续演化。任何静态的模型，都可能随着底层假设的变动而失效。

我个人更倾向于将本体视为一种契约。

你我双方约定，在此时此地，数据应呈现此种形态，以确保信息顺畅流通。一旦上下文变更，我们就重新审视这份契约。

随着我们与数据关系的不断进化，也许，是时候告别关联数据的旧梦，向前看了。