Key points are not available for this paper at this time.
Eigenschaftsgraphen (PGs) sind ein attraktives Datenmodell sowohl für Geschäftsanwender als auch für Entwickler von Datenmanagement-Tools. Sie kombinieren die interne Struktur, die in relationalen Datenbanken hilfreich ist, wo jeder Datensatz eine klar identifizierte Menge von Attributen hat, mit der flexiblen Struktur und Unterstützung für Heterogenität, die in Graphdatenbanken verbreitet ist. Mehrere nützliche und/oder interessante Datensätze sind in nicht-PG-Datenmodellen verfügbar. Dazu gehören Altdatenbanken, die vor dem Aufkommen der PG-Standards erstellt wurden, sowie bekannte Benchmarks, die auf realen und synthetischen Daten basieren, Offene Daten, die in anderen Formaten wie XML, JSON oder RDF veröffentlicht wurden, usw. Die Umwandlung solcher Datensätze in Eigenschaftsgraphen würde ihre Nutzung unter dem PG-Modell ermöglichen. In diesem laufenden Arbeitspapier beschreiben wir einen Ansatz, um aus jedem (semi)strukturierten Datensatz ein PG-Schema abzuleiten, das aus Knotentypen, Kantentypen und einem Graphentyp besteht. Unser Ansatz baut auf (i) ConnectionLens, einem Tool zur Umwandlung (semi)strukturierter Datensätze in einfache Datengraphen, und (ii) Abstra, das in einem ConnectionLens-Graphen eine Menge von Entitäten und Beziehungen identifiziert. Diese Arbeit ist der erste Schritt in Richtung eines universellen Datenmigrierungswerkzeugs von (semi)-strukturierten Daten zu PGs.
Barret et al. (Mon,) haben diese Frage untersucht.