Avis et détails du produit de RDFox

L'exécution instantanée des règles Datalog est l'une des meilleures caractéristiques, ainsi que les capacités de raisonnement, qui ont des caractéristiques utiles et uniques. RDFox est très bon pour les données dynamiques et passantes. RDFox a un raisonnement très rapide, il est très pratique d'écrire des scripts pour gagner du temps lorsqu'on travaille avec RDFox. Avis collecté par et hébergé sur G2.com.

La documentation est assez technique et pourrait inclure plus d'exemples et fournir plus de contexte sur certaines fonctionnalités de RDFox. Avis collecté par et hébergé sur G2.com.

En tant que solution en mémoire, RDFox peut ingérer des données RDF à une vitesse fulgurante. En pratique, avec un ensemble de données occupant 167 Go de RAM, l'ingestion a pris 18 minutes lorsqu'elle était parallélisée. Le système est simple à configurer.

L'implémentation des règles Datalog par RDFox permet de répondre à des requêtes "impossibles". Notre équipe avait une requête complexe qui prenait initialement 38 minutes à exécuter. Après avoir ajouté des règles pour simplifier nos modèles de données, l'évaluation de la requête est passée à 10 millisecondes !

Avec les règles, des "vues" sémantiques peuvent être pré-calculées côté données. Cette capacité peut simplifier la création et la composition d'interfaces utilisateur axées sur les entités, accélérant ainsi le processus de développement front-end.

RDFox fournit des connecteurs vers des sources de données externes telles que Solr, permettant une intégration puissante avec la recherche en texte intégral.

L'équipe d'Oxford Semantic Technologies est de premier ordre, avec de solides références académiques : RDFox représente le meilleur du développement de produits basé sur la recherche. Le produit s'améliore constamment, avec des améliorations récentes axées sur la haute disponibilité et un support robuste pour les graphes nommés. Dans l'ensemble, le support technique de RDFox était exceptionnel, et tout problème a été rapidement résolu. Avis collecté par et hébergé sur G2.com.

La documentation pour RDFox est assez complète, mais elle pourrait bénéficier, à certains endroits, d'exemples supplémentaires d'utilisation concrète (comme les commandes réelles requises dans le shell RDFox).

Le support pour des sérialisations RDF supplémentaires, telles que JSON-LD, serait appréciable. Le support pour les requêtes fédérées SPARQL 1.1 avec le mot-clé SERVICE serait également utile. Avis collecté par et hébergé sur G2.com.

- simple à mettre en place

- le raisonnement sémantique basé sur des règles est un véritable superpouvoir par rapport à certaines autres bases de données graphiques

- plusieurs options de déploiement, y compris le modèle de haute disponibilité

- le connecteur intégré à Apache Solr rend la création d'applications de recherche très abordable

- excellent support et documentation Avis collecté par et hébergé sur G2.com.

Pas vraiment un problème avec RDFox, mais SPARQL et TTL peuvent prendre un certain temps à comprendre lorsque vous débutez. Avis collecté par et hébergé sur G2.com.

Il a une barrière d'entrée basse, et la courbe d'apprentissage est raisonnable. Excellent soutien de l'équipe RDFox ! Ils nous ont beaucoup aidés à l'intégrer avec l'architecture actuelle, et à continuer à assurer la maintenance à mesure que de nouvelles versions étaient publiées. Avis collecté par et hébergé sur G2.com.

Le projet a rencontré quelques problèmes de concurrence, mais dans l'ensemble, les performances sont bonnes. À un moment donné, nous avons cessé de mettre à jour la version de la base de données, et c'est pourquoi je ne me sens pas capable de revoir la dernière version. Avis collecté par et hébergé sur G2.com.

1. Clear and complete documentation https://docs.oxfordsemantic.tech/introduction.html .

2. Rich set of commands and options to customize solutions and attack problems efficiently.

3. Support for datalog that allows one to customize inference rules.

4. Multiple datastores and named graphs.

5. Efficiently implemented incremental and revisable reasoning.

6. Endpoint to work with datastores in Python (e.g. can perform sparql queries and export triples using Python).

7. Reasoning on axioms (importaxioms) as distinct from additional inference rules (TBox datalog file).

8. Command line interface commands and scripts.

9. Can be implemented in different places (local machine or cloud) allowing customization of available RAM etc.

10. Easy to provide feedback.

11. Extension of SPARQL with new functions amd support for RDF-star and SPARQL-star.

12. GREAT CUSTOMER SUPPORT. Avis collecté par et hébergé sur G2.com.

If you do not like something, they will take your feedback seriously and try to meet your needs in a next release. Currently, I do not like the following (mostly minor) things:

1. The SPARQL implementation does not include DESCRIBE.

2. The browser does not show the cardinality of the results (how many results did a query get?).

3. There is no autocompletion for user-created strings.

4. RDFox does not have a specific function to check consistency and satisfiability (contrast this with Protege's reasoner and Protege's Debugger plugin).

5. RDFox does not have a keyboard shortcut to comment out a line.

6. RDFox does not have a dlog file to isert the subclass relations of csd types.

7. Their TBox dlog file could be more complete concerning triples involving owl:Thing.

8. The browser does not allow to duplicate pages when the SPARQL query is long.

9. They do not extend SPARQL to include function to carry out graph analysis (e.g. shortest path). Avis collecté par et hébergé sur G2.com.

* Low barrier to entry; graph visualizations; easy data upload; in-memory persistence.

* Responsive support team

* Enterprise features: HA, transactions

* Performance Avis collecté par et hébergé sur G2.com.

No dislikes. In fact, I found a minor bug during our evaluation, and the engineering team had a fix the next day. Avis collecté par et hébergé sur G2.com.

Performance ! J'ai testé RDFox avec le LUBM Benchmark et les temps enregistrés pour charger et interroger les données étaient assez impressionnants. Avis collecté par et hébergé sur G2.com.

Je n'ai rencontré aucun inconvénient du point de vue des performances. Avis collecté par et hébergé sur G2.com.

Configuration facile avec des images Docker dans le Cloud, mais aussi l'implémentation sur une machine locale est très simple.

Oxford Semantic offre d'excellentes sessions d'introduction personnelle pour vous mettre à niveau et commencer à utiliser la base de données.

L'implémentation de Datalog est bénéfique pour surmonter les limitations d'OWL (données manquantes, vérification des contraintes). Après un certain temps d'adaptation, les règles de datalog sont assez simples à appliquer. De plus, si l'on est bloqué, le support d'Oxford Semantics est très réactif (généralement dans un délai d'un jour ouvrable). L'aide fournie va au-delà du support technique de l'outil car elle offre également des suggestions sur la façon de résoudre des problèmes spécifiques avec vos ensembles de règles ou la structure de votre ontologie.

Pour autant que je sache, le raisonnement (traitement de nouveaux ensembles de règles) est rapide. Le raisonnement incrémental (si de nouvelles données sont ajoutées) est également une excellente fonctionnalité si vous traitez avec des ensembles de données massifs mis à jour régulièrement.

Non moins important : Oxford Semantics a une équipe amicale qui rend l'interaction agréable. Avis collecté par et hébergé sur G2.com.

La documentation pourrait être un peu meilleure. Cependant, il était également possible d'obtenir rapidement des clarifications auprès du support. Avis collecté par et hébergé sur G2.com.

C'est très simple et intuitif à utiliser ; c'est idéal pour les débutants comme moi et cela m'a permis d'apprendre beaucoup très rapidement. Cela a également accéléré beaucoup de fonctionnalités dans notre produit, ce qui est d'autant plus souhaitable pour Legislate ! Avis collecté par et hébergé sur G2.com.

Rien auquel je puisse penser, j'apprécie vraiment utiliser RDFox. Avis collecté par et hébergé sur G2.com.

RDFox est une base de données de graphes sémantiques "efficace et performante", Oxford Semantic Technologies comprend clairement quelles sont les priorités clés pour quiconque souhaite déployer une base de données en production : elle doit être rapide, fiable et prévisible. Beaucoup de leurs concurrents se concentrent sur l'ajout de plus en plus de fonctionnalités (souvent propriétaires) en oubliant (un peu) ces trois priorités clés.

RDFox a une conception radicalement différente des autres bases de données de graphes sémantiques dans le sens où il s'agit d'une base de données "en mémoire" (avec un support complet des transactions ACID), ce qui signifie qu'elle est extrêmement rapide (de nombreuses requêtes LUBM sont plus de 1000 fois plus rapides que le concurrent le plus proche), mais cela signifie également qu'elle nécessite vraiment beaucoup de mémoire pour les grands ensembles de données.

Heureusement, si vous construisiez un Enterprise Knowledge Graph (EKG) selon les 10 principes de l'EKGF (voir https://ekgf.org/principles), vous n'auriez pas besoin d'avoir tous vos ensembles de données dans une seule instance de base de données et pourriez librement évoluer horizontalement. RDFox vous permettrait de prendre en charge des cas d'utilisation en temps réel comme le calcul de risque avant transaction ou d'autres cas d'utilisation avancés utilisant de nombreux ensembles de données complexes. Avis collecté par et hébergé sur G2.com.

Pas encore de support pour le clustering. Je crois que cette fonctionnalité arrive bientôt cependant. Avis collecté par et hébergé sur G2.com.