Graph DB Suite에서 강력한 지식표현과 추론, 그래프 데이터의 저장은 추론을 통해 변환된 데이터로부터 새로운 사실을 발견하고 저장할 수 있습니다. 특히 데이터 모델에서 개념 간의 상·하위 추론과 개념 간의 관계추론을 위한 스키마 공리와 인스턴스 공리를 제공하고 있습니다.
Graph DB Suite은 W3C의 그래프 모델인 RDFS, OWL1, OWL2을 지원하고 있으며, (Labeled) Property Graph 모델을 저장하고 질의할 수 있습니다. 사용자는 2가지의 데이터모델을 목적에 따라 선택적으로 사용이 가능합니다.
그래프데이터추론 엔진은 규칙기반 추론을 위한 2가지 리즈닝 전략(전방연쇄 (forward-chaining)과 후방연쇄(backward-chaining))을 제공하고 있습니다. 기본적으로 전방연쇄에 기반한 추론전략을 제공하며 필요시 후방연쇄 추론엔진을 사용할 수 있습니다. 전방연쇄에 기반한 추론의 장단점은 데이터가 저장소에 트랜잭션 후에 유추된 사실을 확장하기 때문에 새로운 사실을 업로드, 저장, 추가, 삭제 시 상대적으로 느려질 수 있습니다. 그래프데이터추론 엔진에서 추론은 데이터 입력 시점부터 시작됩니다. 하지만, 전방연쇄 추론기법의 장점은 모든 데이터에 대한 추론결과를 미리 만들어 저장함으로써 질의와 검색에 상당히 빠른 성능을 제공합니다. 일반적으로 후방연쇄 추론기법은 질의나 검색 시 추론이 발생하며 이로 인해 복잡한 연역추론이나 적합성 검사나 다른 추론이 발생할 가능성이 높아 성능에 영향을 미칠 수 있습니다.
그래프데이터 저장과 분석은 강력한 지식표현과 데이터 멀티 모델 지원을 통한 데이터 통합, 그래프데이터에 대한 다양한 분석기능을 제공합니다. 그래프데이터 저장과 분석의 주요 특징은 다음과 같습니다.
공리와 규칙기반 추론 내장
다양한 지식 표현 언어 지원
그래프데이터 증강 및 검증
< 스키마 업데이트 트랜잭션 >
< 일관성 검증 및 재추론 기능 >