Rhizomer：交互式语义知识图谱探索

软件X 20（2022）101235原始软件出版物Rhizomer：交互式语义知识图谱探索Roberto Garcíaa， Juan-Miguel López-Gilb，Rosa GilaaUniversitat de Lleida，Jaume II 69，25001 Lleida，Spainb巴斯克地区大学，Paseo Manuel de Lardizabal 1，20018 Donostia-San Agustián，西班牙ar t i cl e i nf o文章历史记录：接收27六月2022收到修订版2022年9月19日接受2022年关键词：知识图语义数据可视化用户界面a b st ra ctRhizomer帮助研究人员和从业者通过执行三个数据分析任务来探索可作为语义Web数据的知识图：概述，缩放和过滤，以及按需细节。这种方法使用户更容易了解一个数据集，当与现有的方法相比，甚至没有先验知识。Rhizomer对数据重用者很有帮助，他们希望了解给定数据集的重用机会，对知识图创建者也很有帮助，他们可以检查生成的数据是否符合他们的预期。Rhizomer已应用于许多场景，从研究和商业项目到教学。©2022作者（S）。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本RhizomerEye v0.2.1和RhizomerAPI v0.2.1用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00168可复制胶囊的永久链接GPL-3.0，https://github.com/rhizomik/rhizomerAPI/blob/master/LICENSE和https://github.com/rhizomik/rhizomerEye/blob/master/LICENSE使用git的代码版本控制系统RhizomerEye使用的软件代码语言、工具和服务RhizomerAPI：Java，Spring.编译要求、操作环境依赖性RhizomerEye：Node 12和RhizomerAPI：Java11如果可用，链接到开发人员文档/手册https://github.com/rhizomik/rhizomerAPI/blob/master/README.md问题支持电子邮件contact@rhizomik.net软件元数据当前软件版本RhizomerEye v0.2.1和RhizomerAPI v0.2.1此版本可执行文件的永久链接Docker镜像可用，RhizomerEyehttps://hub.docker.com/repository/docker/rhizomik/rhizomer-eye和RhizomerAPI：https://hub.docker.com/repository/docker/rhizomik/rhizomer-api永久链接到Reproducible Capsule法律软件许可证GPL-3.0，https://github.com/rhizomik/rhizomerAPI/blob/master/LICENSE和https://github.com/rhizomik/rhizomerEye/blob/master/LICENSE基于Web的计算平台/操作系统安装要求依赖项建议使用Docker，详见安装说明如果可用，请链接到用户手册-如果正式出版，请在参考列表中引用该出版物https://github.com/rhizomik/rhizomerAPI/blob/master/README.md#install问题支持电子邮件contact@rhizomik.net*通讯作者。电子邮件地址：roberto. udl.cat（Roberto García）。https://doi.org/10.1016/j.softx.2022.1012352352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxRoberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012352动机和意义语义Web提供了构建数据Web的工具和机制，该数据Web与所谓的Web 2.0相比，主要区别在于，分散的数据需要一定程度的人类解释来处理，数据被整合和概念化，计算机本身可以然而，无论是语义网还是软件代理目前都不能完全完成本倡议所针对的以下任务。从研究文档中提取有意义的信息[2]，提供计算工具和从语义Web中提取思想[3]，语义感知的基于图的分区[4]，以及通过使用数据存储解决方案在查询执行时间和数据可伸缩性方面的有效查询性能[5]仍然是该领域的研究主题。从从趋势的角度来看，链接数据、开放数据和数据源等主题的重要性近年来有所增加另一方面，它与其他研究领域的相互作用突出了语义网的跨学科性质[6]。语义网仍然主要是人类的活动。即使实现了某种程度的集成，管理和有效更新这样的集成框架也可能需要大量的人力资源，非常耗时并且难以完全自动化。这种访问是通过用户界面进行的，主要用于信息查找任务。 一个流行的研究领域是交互式语义Web，其中技术是使用以人为本的方法创建的，该方法试图改善人类对语义数据的参与，而不是简单地提高自动化算法和过程的有效性和准确性。语义Web用户界面需要支持的独特特征在[7]中进行了分析，而[8]则回顾了相关语义Web场所对用户界面、可视化和交互方法的研究。结构化数据称为知识图，通常使用语义Web标准资源描述框架[1]定义，以图形的形式描述实体及其之间的交互特别是，当来自多个数据源的图需要组合时，外行用户检查现有的知识图可能具有挑战性[9]。然而，在将语义搜索扩展到文档结构和外部正式知识源时，仍然存在效率、可用性和可扩展性方面的问题[10]。交互式和直观的语义Web探索者正在多个领域中努力，如生命科学，地球科学，数字人文，医疗保健或国防[11]。这项工作提出了Rhizomer，一个工具，可以很容易地探索知识-边缘图可作为语义数据，提供了一个良好的开端，为研究人员，从业者，甚至外行用户，而不需要事先了解的数据结构或底层的语义Web技术。软件描述通过Rhizomer，可以探索知识图，而不需要关于数据集结构或底层语义数据和查询语言的先验知识。 Rhizomer是一个开源Web应用程序，具有后端（RhizomerAPI）和前端（RhizomerEye）。为了便于探索，Rhizomer支持Shneiderman [12]提出的三个经典数据分析任务：获得数据概览、缩放和过滤以及查看详细需求这些任务中的每一项都由Rhizomer实现的以下功能集提供支持，详见以下小节• 概述– 词云：通过词云来概述数据集中的类，其中包含类的名称以及它们的大小与每个类的实例数成比例。– 网络：主要类的概述，以及它们之间的关系，使用包括类和关系名称的网络• 缩放和过滤– Classes Autocomplete：输入字段，根据数据集中实例化的类的名称自动完成，以选择要关注的类– 全局文本搜索：输入字段，用于在数据集中搜索与包含类型化文本的文字相关的实例，或其标签包含该文本的资源– Facet Values Filter：facet视图，显示与facet对应的属性的10个最常见的值，并约束到焦点类。单击其中任何一个，显示的实例将过滤为具有该属性值的实例。– Facet Values Autocomplete：输入字段，用于使用对应属性的任何值来过滤焦点类的实例列表。键入的文本将自动完成为facet的可用值。– 数值范围方面：对于具有数值范围的方面（如整数、十进制或年份），最小值和最大值与滑块一起显示，以根据用户定义的值范围过滤实例。– 类文本搜索：输入字段，用于在当前关注的类的所有方面值中进行文本搜索• 详细信息点播– 实例元数据视图：一旦选择了特定实例，就会显示描述该实例的所有元数据。这包括所有直接属性和值。当标签可用时，使用标签代替URI标识符– 链接数据浏览器：尽管显示的是标签而不是关系的URI，但它们显示为链接。单击后，将检查URI是否可以重新解析为RDF数据，从而可以通过使用实例元数据视图呈现它这样，Rhizomer也可以作为链接数据浏览器。例如，如果一个城市的DBpediaURI被用在正在探索的数据中，那么可以单击它来检索描述该城市的元数据。– Inverse Facet：与当前显示实例的反向属性对应的面例如，对于一个人，一个方面来探索这个人已经创作的出版物。其他Rhizomer多语言支持：Rhizomer使用标签，只要它们可用，而不是它们的标识符（URI或片段）来引用正在探索的数据中的类，属性和资源。此外，如果标签有语言标签，它会优先考虑用户选择的语言否则，默认为未标记的标签或英文标签。·Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012353Fig. 1. 作为一个词云概述，在线互动版https://rhizomer.rhizomik.net/datasets/dbpedia。端 点 图 形 管 理 ： 当 存 储 数 据 集 数 据 的 端 点 可 写 时 ，Rhizomer通过其用户界面促进其管理。可以创建图表并将数据加载到其中，如用法部分中进一步详细描述的。推理：Rhizomer为具有本体的数据集提供推理功能，这些本体具有丰富的类层次结构，这些层次结构可通过不提供此功能的端点获得。基于要探索的数据和本体，Rhizomer将关于子类层次结构加上域和范围限制的所有推断材料化。然后在探索过程中使用物化的数据，例如，可以一起探索类的所有实例，即使该信息未在原始数据中显式捕获。所有这些功能的组合促进了交互式探索，有助于发现现有数据集的结构，例如重用它。此外，对于使用图形数据生成新数据集的用户，Rhizomer也是一个有价值的工具，可以检查数据结构是否满足预期，包括离群值，缺失值或项目之间的关系问题。下面的小节详细介绍了Rhizomer如何支持每个探索任务。概述通过概述，用户可以全面了解数据集。Rhizomer自动生成一个词云，以提供数据集中各种事物的概述，如图所示。1.一、这是默认的概述机制，因为它甚至适用于像DBpedia这样的非常大的数据集，其中包含超过1亿条语句，因为显示了300个最常见的类为了获得更详细的概述，其中还包括主要类之间的关系，还有网络表示的选项。在这种情况下，30个实例化最多的类被显示为节点，最频繁的属性将它们连接为标记的边。图2显示了网络概述的示例。清单1：SPARQL查询检索所有实例化类及其实例数。它排除了匿名类，即那些没有URI来标识它们的12345这两个概览特性都是完全数据驱动的，都是从使用SPARQL查询（如清单1所示）查询底层数据派生而来的，SPARQL是图数据库查询的标准[13]。这种方法有助于探索无模式数据，例如直接将现有数据转换为RDF生成的数据，或者验证所探索的数据是否符合预期的模式和本体。还可以配置伴随要探索的数据的模式和本体，如果它们可用。在这种情况下，Rhizomer将使用本体来检索类和属性的标签，因此可以基于标签而不是相应URI的片段来构建更用户友好的表示。未来的计划包括利用本体，当可用时，生成利用本体中类的分层组织的概述，如Treemaps [14]。缩放和过滤从概述中选择类后，Rhizomer生成一个多面视图。 它放大并允许根据其属性过滤所选类型的资源，如图所示。3.第三章。与前一步一样，该视图是自动生成的，由基础数据驱动，此功能还允许探索不完全符合现有·SELECT？class（COUNT（DISTINCT？是不是？n）的位置{？例如是吗？类FILTER（！isBlank（？clas））{\fn方正粗倩简体\fs12\b1\bord1\shad1\3cH2F2F2F}类·Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012354图二. 概述作为一个网络，在线互动版https://rhizomer.rhizomik.net/datasets/dbpedia-net/network。清单2：SPARQL查询检索Insect类的所有方面，这些方面对应于用于描述其实例的属性。结果包括有多少实例使用每个方面以及每个方面12345模式，并在探索过程中突出显示这些不一致之处，以帮助用户发现它们。例如，清单2显示了在DBpedia中检索Insect类的所有方面的SPARQL查询。也使用类似的查询以实现支持缩放和过滤任务的其他功能。更多详细信息可从RhizomerAPI GitHub存储库获得。与Overview的情况类似，Rhizomer支持缩放和过滤任务的特性使用数据所基于的本体（如果它们可用）。在本例中，它们目前仅用于检索属性、范围和值标签。详细信息点播在缩放和过滤之后，用户到达感兴趣的资源。所有的属性和价值观显示为每个选定的资源。用户还可以浏览直接链接或通过反向方面的资源，如图所示。 四、关于链接资源，还必须指出，链接数据浏览器[15]。这使得重用和集成现有数据变得容易。这方面的一个例子是在自定义的权力游戏数据集中重用DBpedia1例如，要捕获给定的性格出现。除了通过Rhizomer浏览所有数据集数据外，用户还可以单击这些书籍的URL，并且透明地，这些URL中的所有可用数据都将呈现给用户。就像在自定义数据集中捕获一样，但不需要数据集创建者复制或编写每本书的详细信息。关联数据的好处并不止于此，探索过程可以通过以下链接继续进行，例如，本书关于他们出生地的细节等等。2架构为了提供以前的功能，同时保持良好的用户体验，Rhizomer是基于客户端/服务器架构，如图所示。 五、被称为RhizomerEye的前端基于Angular框架，它在用户端提供了更高级别的交互性，因为它基于单页应用程序范式[16]。另一方面，后端RhizomerAPI基于Spring框架，并通过其SPARQL端点处理图形数据库它的API将前端与所需SPARQL查询的生成隔离开来，以便从底层图形数据中提取类或方面。这包括照顾某些图形存储的特殊性，在不同语言的标签可用时使用它们丰富查询，或者缓存Rhizomer超越了封闭数据集的探索。如果检索的图形数据使用外部URL，可以从中检索其他数据，Rhizomer的行为也被称为1 DBpedia是维基百科的关联数据版本，https://dbpedia.org。2 https://rhizomer.rhizomik.net/datasets/got/dbo:BookSELECT？ property（COUNT（？是不是？uses）（COUNT（DISTINCT？ 目标是什么？（values）位置{？这<是一个很好的例子。org/ontology/insect>;？财产？对象}集团通过 ？财产Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012355图三. 分面视图，在线互动版https://tinyurl.com/ycktrcka。产生关系数据库以加速未来的交互。Rhizomer API的文档可在线获取。3同样重要的是要注意，Rhizomer超越了对来自一个或多个SPARQL端点的数据集如果图形数据作为链接数据可用，也可以从Web获取图形数据。如前所述，这使得重用和集成现有数据变得容易。Rhizomer的另一个特点是，它的客户端/服务器架构促进了部署不依赖于特定的图形数据库，是一个多用户工具。每个用户都可以交互式地配置他们想要探索的数据集。这样，任何人都可以通过请求现有部署的用户帐户来尝试Rhizomer。为了使没有语义图技术经验的用户更容易，也可以通过Rhizomer Web用户界面交互式地创建图形并加载数据使用在 安 装 前 端 和 后 端 之 后 ， 或 者 如 果 使 用 现 有 部 署 （ 如rhizomer.rhizomik.net），使用Rhizomer的第一步是创建新数据集并配置首先，除了数据集名称之外，如果它可以公开探索或保持私密，用户应该在“Detailed”或“Optimized”探索之间进行选择。‘‘Detailed’’ is recommended because it takes into account differentfacet ranges and3 https://rhizomer-api.rhizomik.net/swagger-ui.html网络概览。然而，对于像DBpedia这样的大数据集或简化用户体验，使用“优化”探索可能会更好配置过程中的下一步是定义要探索的数据所在的SPARQL端点。类似于图6左侧所示的表单用于定义SPARQL服务器的类型、端点的URL以及它是否受密码保护或可写。在后一种情况下，写操作支持单独的端点地址或凭据。此外，还可以根据相应的本体对探索的数据进行推理，如之前在软件描述部分中对推理功能所配置过程的最后一步是从SPARQL端点中选择要探索的数据图。可以将许多图形组合在一起来探索所有图形。这对于保留数据出处或集成不同的数据源非常有用。用于管理数据集图形的表单显示在图6的右侧。如果SPARQL端点是可写的，它还允许在相应的端点中创建新的图，并将现有的RDF数据文件加载到其中。可以选择每个图形作为数据，如果本体论也要被探索，则作为本体论知识的来源或两者兼而有之。能够定义本体，这些本体应该被加载到相应的图中，从而实现多语言支持或推理等一旦配置完成，探索过程就开始生成相应的Overview。对于包含数千条语句的数据集，Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012356见图4。详情查看，在线互动版https://rhizomer.rhizomik.net/datasets/dbpedia/dbo:Person/resource? uri=http：%2F%2Fdbpedia.org%2Fresource%2FNikola_ Tesla。图五. Rhizomer（三倍）到几分钟的更大的数据集，数百万的三倍，特别是如果一个''详细''的探索是打算。这在很大程度上取决于数据集大小和SPARQL端点。在任何情况下，这都是在配置后第一次浏览数据集时完成的。构建概视图所需的数据结构缓存在RhizomerAPI中。同样的情况发生在类影响Rhizomer帮助研究人员发现他们可能有兴趣重用的现有图形数据集的结构，只要Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012357图六、 为数据集（左）配 置 SP A R Q L 端 点 ，并将端点的 图 作 为 数 据 或 本 体 进 行 探 索 。它们是可用的或被转换成RDF标准。此外，Rhizomer还帮助研究人员使用RDF生成建模为图的数据。在这种情况下，研究人员使用Rhizomer检查他们正在生成的数据，其形状，潜在的缺失值，现有的离群值等。如果没有Rhizomer，对发现RDF数据集结构感兴趣的用户必须依赖SPARQL [13]，这是图形数据库的标准查询语言。然而，这是一个麻烦的过程，它提供了一个碎片化的数据集概述，由用于检查数据集的每个查询的结果组成。例如，用于描述特定类的主类或属性的列表还有其他工具，如Rhizomer，也提供可视化界面来探索图形数据并隐藏SPARQL的特殊性。然而，他们的重点是帮助探索数据构建更容易，但不是琐碎的查询符号，包括图形符号，如RDFExplorer [17]，或通过面视图与所有可用类的列表相结合，如RDF Surveyor [18]。据我们所知，尽管它们提供了详细的或分面的视图，但没有一个将两者与数据集的可用概述（如单词云或网络图）结合起来如果没有它们，用户需要一些数据结构的先验知识如果入口点是一个搜索表单，允许在数据集中查找特定的实体类，例如昆虫，用户需要知道要键入什么，即使有自动完成的帮助。另一方面，呈现所有可用类的列表对于大多数用户来说可能是压倒性的，特别是对于大数据集，甚至对于专家来说。Rhizomer的另一个重要特点是它比大多数替代品更容易使用。通常，类似的工具被部署并绑定到特定的数据集。不允许终端用户配置其数据集。使用Rhizomer，他们甚至不需要部署。用户可以请求用户帐户并通过Web表单交互式地配置其数据集。对于更高级的用户，也可以部署Rhizomer的副本。前端和后端都有预构建的Docker镜像，可从Docker Hub公共注册表获得：RhizomerEye44 https://hub.docker.com/repository/docker/rhizomik/rhizomer-eyeRhizomerAPI5Rhizomer是多年研究和开发的结果，并在这条道路上取得了可喜的成果。2013年，Rhizomer赢得了语义数据智能探索（IESD）挑战赛。62015年，Rhizomer赢得了VIVO链接开放数据竞赛。7及其应用，以促进基于VIVO本体论的学术数据的探索，并可在线获得8除了这些奖项，我们还了解到以下过去使用Rhizomer的研究项目：MediaMixer 9的目标是促进媒体重用。Rhizomer提供了探索媒体分割和注释后生成的语义数据的方法。InVID10针对新闻行业，促进社交媒体用于新闻目的的验证和重用协商。重用条件使用语义技术建模，并通过Rhizomer提供给系统管理员。MediSys使用从领域专家获取的知识并使用语义技术表示来监测潜在植物健康威胁的媒体[19]。Rhizomer促进了与捕获的知识的相互作用，可以在网上找到。11糖尿病数据集是一个本体，它从现有的约70，000名糖尿病患者的开放数据集中建模糖尿病领域[20]。该数据集已发布，可以使用Rhizomer进行探索。12Wikidata Subsetting是一个项目，通过提供提取子集的机制来处理Wikidata数据集的庞大规模（约15亿个状态）[21]。Rhizomer是提出来探讨质量的子集，例如COVID 19相关数据。135 https://hub.docker.com/repository/docker/rhizomik/rhizomer-api6 http://imash.leeds.ac.uk/event/2013/challenge.html7 https://twitter.com/rogargon/status/6491627865100861448 https://rhizomer.rhizomik.net/datasets/linkedudl9 https://www.mediamixer.eu10 https://www.invid-project.eu11 https://rhizomer.rhizomik.net/datasets/PlantHealthThreats12 https://rhizomer.rhizomik.net/datasets/diabetes13 https://rhizomer.rhizomik.net/datasets/covid19·······Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012358此外，Rhizomer也用于教学，因为它使学生更容易探索和与他们生成的数据进行交互。例如，在Web of Data主题中，学生组基于语义数据开发他们的项目语义技术促进了不同数据源的集成，最终结果通过Rhizomer提供。关于商业项目，Rhizomer已与Amazon Web Services合作使用，以说明其图形数据库产品Neptune数据库的功能。AWS数据库博客邮报14在 此之 前 ， Rhizomer 与IT 服 务和 咨 询公 司GFT 合 作， 在CODE_n推广，15是一个全球性的跨面向数字先锋、初创企业和企业的行业创新平台。此外，它还与媒体服务公司NueMeta一起探索，以帮助向其客户传达为其生成的语义数据的价值[22]。正在进行的研究项目使用Rhizomer是：ANGLIRU （ Applying kNowledge Graphs to research datainterteroperability and ReUsability）旨在通过使用语义知识图技术使研究数据更容易被发现、访问、集成和重用。一旦转换成语义图形式，研究人员将使用Rhizomer来探索数据。UdL Experts是Lleida大学用于促进其研究人员专业知识的专家门户网站。在将遗留数据映射并集成到语义形式中之后，感兴趣的各方可以使用Rhizomer来搜索专家了解他们的研究课题和成果。16结论和今后的工作正如在影响部分中所详细介绍的，Rhizomer已被用于各种场景，从研究或商业项目到教学。它在探索可作为语义数据的知识图时显示出其有用性。用户可以获得数据集的整体结构和复杂性，即使他们没有关于手头数据集或底层语义技术的先验知识。Rhizomer这些功能对于数据重用者和语义知识图创建者都很有用，前者希望了解给定数据集的重用机会，后者可以检查生成的数据集是否符合他们的预期。未来的工作重点是包括额外的数据探索机制，这些机制利用底层本体，如Treemaps [14]，或针对特定类型的数据量身定制，如数字数据的图表，时间顺序信息的时间线或地理定位资源的地图。在探索大数据集时，计划进行额外的努力来提高Rhizomer的性能，特别是涉及文本搜索的功能。为此，Rhizomer正在根据不同SPARQL引擎提供的关于文本索引的机制进行定制。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作14 AWSBlogDatabaseRhizomer15 https://vimeo.com/6063539016 https://experts.udl.cat数据可用性所有数据和代码都可以通过GitHub提供的链接获得。确认这项工作得到了项目“ANGRU：将知识图应用于研究数据可重用性”的部分支持此外，我们还要感谢所有参与Rhizomer及其当前或以前版本开发的人，即：Oriol Aguilar，Gil Grau，JuanManuel Gimeno，David Castellà，Josep Maria Brunetti和JoanManel Giménez。说明性实例可以从http p s：/ / w w w获得演示Rhizomer如何用于解释不同语 义 知 识 图 的 演 示 视 频 。 你 是 我 的 。 什 么 时 候 ？list=PLJ0YJaEOtqlkgZv7OgI_okBttWqTflGDC.引用[1]Berners-Lee T，Hendler J. Publishing on the Semantic Web. Nature2001;410（6832）：1023-4.[2]Angrosh M，Cranefield S，Stanger N.研究文章中的上下文信息检索：研究社区的语义出版工具。Semantic Web2014;5（4）：261-93.[3]Kirchberg M，Leonardi E，Tan YS，Link S，Ko RKL，Lee BS.语义网数据中形式概念发现。 In：Domenach F，Ignatov DI，Poel-mans J，editors.形式概念分析。Berlin，Heidelberg：Springer BerlinHeidelberg; 2012，p. 164比79[4]潘达特A，古普塔N，Bhise M.负载平衡语义感知分布式RDF图。第25届国际数据库工程应用研讨会。New York，NY，USA：Association for ComputingMachinery; 2021，p. 127-33. http://dx.doi.org/10.1145/3472163.3472167网站。[5]Padiya T，Bhise M，Vasani S，Pandey M.行和列存储上RDF数据的查询执行。In：Natarajan R，Barua G，Patra MR，editors.分布式计算和互联网技术。Cham：Springer InternationalPublishing; 2015，p. 403-8[6]Kirrane S，Sabou M，Fernández JD，Osborne F，Robin C，Buitelaar P，etal. Adecade of Semantic Web research through the lenses of a mixedmethodsapproach. Semantic Web2020;11（6）：979-1005.[7]Charalampouth CC，Keramopoulos EA.语义网用户界面-一个模型和一个评论。DataKnowlEng2018;115：214-27.http://dx.doi.org/10.1016/j.datak.2018.04.003.[8]Pesquita C ， Ivanova V ， Lohmann S ， Lambrix P. A framework toconductand report on empirical user studies in Semantic web context. In：Faron Zucker C，Ghidini C，Napoli A，Toussaint Y，editors.知识工程与知识管理。Cham：Springer InternationalPublishing; 2018，p. 567-83[9] NečaskM，Stenchlák Štápán.基于可共享和可重用可视化配置的知识图交互 式 和 迭 代 式 可 视 化 探 索 J Web Semant 2022;73 ： 100713.http://dx.doi.org/10.1016/j.websem.2022的网站。100713[10]放大图片作者：J. Mímir：一个开源的语义搜索框架，用于交互式信息搜索和发 现 。 J Web Semant 2015;30 ： 52-68. http://dx.doi.org/10.1016/j 的 网 站 。websem.2014.10.002，Semantic Search.[11]Hitzler P.语义网领域的回顾。Commun ACM2021;64（2）：76-83.[12]施奈德曼湾The eyes have it：A task by data type taxonomy for informationvisualizations. IEEE Symposium on Visual Languages （ 英 语 ： IEEESymposium on Visual Languages ） Boulder， CO， USA ：IEEE; 1996 ， p.336-43. http://dx.doi的网站。org/10.1109/VL.1996.545307。[13]杜查姆湾学习SPARQL：使用SPARQL 1.1查询和更新。第2版Sebastopol，CA：[14] 施奈德 曼湾用树图 进行树的 可视化： 2-D空间填 充方法。 ACM TransGraph 1992;11（1）：92-9. http://dx.doi.org/10.1145/102377.115768.[15]Heath T，Bizer C.链接数据：将网络演变为全球数据空间。第1版MorganClaypool Publishers; 2011.··Roberto García、Juan-Miguel López-Gil和Rosa Gil软件X 20（2022）1012359[16]Jadhav MA，Sawant BR，Deshmukh A.使用AngularJS的单页应用程序。IntJ Comput Sci Inf Technol 2015;6（3）：2876[17]Vargas H，Buil-Aranda C，Hogan A，López C.RDF explorer：一个可视化的SPARQL查询构建器。In：Ghidini C，Hartig O，Maleshkova M，SvátekV，Cruz I，Hogan A，et al.，编辑器。语义网。计算机科学讲义，Cham：Springer International Publishing; 2019，p.647-63 网址：//dx.doi.org/10.1007/978-3-030-30793-6_37网站。[18]维加-戈尔戈霍L、冯策尔尼绍BM，NikolovN、罗-男人D。使用RDF Surveyor 进 行 关 联 数 据 探 索 。 IEEE Access 2019;7 ： 172199-213.http://dx.doi.org/10.1109/ACCESS.2019.2956345网站。[19] Alomar O ， Batlle A ， Brunetti J ， García R ， Gil R ， Granollers A ，Jiménez S，et al.媒体监测工具MedISys的开发和测试及早识别和报告现有 和 新 出 现 的 植 物 健 康 威 胁 。 EPPO Bull 2015;45 （ 2 ） ： 288-93 。http://dx.doi.org/10.1111/epp.12209.[20]Subirats L，Gil R，Garcia R.本体可视化的个性化：糖尿病的用例。In：Alor-Hernández G，Sánchez-Cervantes JL，Rodríguez- González A，Valencia-García R ， editors. 语 义 网 技 术 的 当 前 趋 势 ： 理 论 与 实 践 。 Studies inComputational Intelligence ， Cham ， Switzerland ： Springer InternationalPublishing; 2019，p.3-24 网址：//dx.doi.org/10.1007/978-3-030-06149-4_1网站。[21]Labra-Gayo JE ， Hevia AG， Álvarez DF ， Ammar A， Brickley D ， GrayAJG ， et al. Knowledge graphs and Wikidata subsetting.Tech. 代 表 ，BioHackrXiv; 2021，http://dx.doi.org/10.37044/osf.io/wu9et。[22]García R，Sincaglia N.用于用户生成内容和数字分发版权管理的语义网技术。In：Polleres A，Garcia A，Benjamins R，editors. 2014年国际语义网会议行业 跟 踪 会 议 录 ， 第 1383 卷 。 Riva del Garda ， Italy ： CEUR WorkshopProceedings; 2014，p. 2，URLhttp://ceur-ws.org/Vol-1383/paper14.pdf.