
چکیده
مدل رابطهای کلاسیک، جهان دادهها را در قالب جدولهای تخت با ستونهای ثابت بازنمایی میکند. این بازنمایی اگرچه برای بسیاری از کاربردها کارآمد است، اما برای مدلسازی هویت — که ماهیتاً شبکهای، پویا و چندبُعدی است — ناکافی مینماید. این مقاله با بهرهگیری از مفاهیم شبکههای معنایی (Semantic Networks) در هوش مصنوعی و نظریه گراف، یک مدل گرافمحور برای بازنمایی هویت در پایگاههای داده ارائه میدهد. در این مدل، «کلید یکپارچگی» (Integrity Key - IK) بهمثابه گرههای گراف و روابط میان IKها بهمثابه یالهای جهتدار با بُعد زمانی عمل میکنند. این مدل که «گراف هویت زمانی» (Temporal Identity Graph) نامیده میشود، امکان پیمایش روایی (Narrative Traversal) را بهجای JOIN جبری فراهم میکند و به تحلیلگران داده اجازه میدهد تا بهجای «عکسهای فوری» از دادهها، «داستانهای پیوسته» موجودیتها را کاوش کنند. مقایسه تجربی کارایی پیمایش گراف در برابر JOIN سنتی روی ۱۰ میلیون رکورد نشان میدهد که مدل گرافمحور در کوئریهای تاریخی و جستجوهای چندمسیره تا ۶.۷ برابر سریعتر عمل میکند.
واژگان کلیدی: گراف هویت زمانی، شبکه معنایی، کلید یکپارچگی، پیمایش گراف، مدل رابطهای، کشف دانش.
۱. مقدمه
جهان واقعی یک گراف است. انسانها با یکدیگر ارتباط دارند (خانواده، دوستان، همکاران)، به مکانها تعلق دارند (خانه، محل کار)، اشیائی را مالک هستند (خودرو، کتاب)، و در رویدادهایی درگیر میشوند (تولد، ازدواج، استخدام). هر یک از این عناصر یک گره است و هر رابطه یک یال. با این حال، هنگامی که این جهان را در یک پایگاه داده ذخیره میکنیم، آن را به زور در قالب جدولهای تخت با ردیفها و ستونهای ثابت میفشاریم.
مدل رابطهای کلاسیک (Codd, 1970) اگرچه برای تراکنشهای ساده و گزارشهای از پیش تعریفشده کارآمد است، اما برای بازنمایی ماهیت شبکهای و پویای هویت با چالشهای اساسی روبروست. در این مدل، برای فهم اینکه «علی چه سفارشهایی داده و این سفارشها به کدام آدرسها ارسال شدهاند»، باید چندین JOIN میان جداول customers، orders، addresses، و shipments اجرا کرد. این JOINها نهتنها پرهزینه و کند هستند، بلکه «روایت» پنهان در دادهها — اینکه علی ابتدا در آدرس اول سکونت داشت، سپس نقل مکان کرد، و سفارشهایش متناسب با این تغییر آدرس توزیع شدند — را به یک عملیات جبری تقلیل میدهند.
این مقاله با بهرهگیری از مفاهیم شبکههای معنایی (Semantic Networks) در هوش مصنوعی — که نخست توسط Quillian (1968) معرفی و سپس توسط Sowa (1992) بسط داده شد — و ترکیب آن با مدل داده هویتمحور (ICDM)، یک مدل گرافمحور برای بازنمایی هویت ارائه میدهد. پرسشهای تحقیق عبارتند از:
· RQ1: چگونه میتوان جهان دادهها را بهجای جداول تخت، بهصورت یک گراف زمانی بازنمایی کرد؟
· RQ2: رابطه میان پیمایش گراف (Graph Traversal) و JOIN در مدل رابطهای از منظر کارایی و معناشناسی چیست؟
· RQ3: مدل گرافمحور چه امکانات جدیدی برای کشف دانش فراهم میکند که در مدل رابطهای سنتی ممکن نیست؟
۲. پیشینه تحقیق
۲.۱. شبکههای معنایی در هوش مصنوعی
شبکههای معنایی (Semantic Networks) یکی از قدیمیترین و ماندگارترین مفاهیم در بازنمایی دانش هستند. ایده اصلی — که نخست توسط Quillian (1968) در مدل «حافظه معنایی» صورتبندی شد — این است که معنای یک مفهوم در رابطه آن با مفاهیم دیگر نهفته است. برای مثال، معنای «سگ» در این نیست که چه صفاتی دارد، بلکه در این است که «سگ» نوعی «حیوان» است، «دُم» دارد، «پارس» میکند، و «دوست انسان» است. Sowa (1992) این مفهوم را به یک چهارچوب منطقی برای بازنمایی دانش تعمیم داد و نشان داد که گرافهای مفهومی (Conceptual Graphs) میتوانند بهعنوان یک زبان واسط میان زبان طبیعی و منطق صوری عمل کنند.
۲.۲. پایگاههای داده گراف
پایگاههای داده گراف مانند Neo4j (Robinson, Webber, & Eifrem, 2015) و Amazon Neptune مدل دادهای را ارائه میدهند که در آن دادهها بهصورت گرهها و یالها ذخیره میشوند. این پایگاهها برای پیمایشهای عمیق در روابط (مانند «دوستان دوستان دوستان علی») بسیار کارآمدتر از مدل رابطهای هستند. با این حال، پایگاههای داده گراف موجود عمدتاً فاقد یک مفهوم منسجم از «هویت» مستقل از گره هستند — گره در این پایگاهها با شناسه داخلی خود تعریف میشود و تاریخچه تغییرات آن (اینکه این گره در طول زمان چه تغییراتی کرده) معمولاً از طریق راهحلهای جانبی مدیریت میشود.
۲.۳. گرافهای زمانی
گرافهای زمانی (Temporal Graphs) یک حوزه پژوهشی فعال در علوم کامپیوتر هستند (Holme & Saramäki, 2012). در یک گراف زمانی، یالها دارای بُعد زمان هستند — یک رابطه در یک بازه زمانی خاص معتبر است. برای مثال، رابطه «سکونت» میان علی و آدرس اول از تاریخ ۲۰۲۰ تا ۲۰۲۳ معتبر است، و رابطه با آدرس دوم از ۲۰۲۳ به بعد. این مفهوم با اصل «تغییرناپذیری مسیر» در ICDM همخوانی کامل دارد.
۲.۴. JOIN در برابر Graph Traversal
از منظر مهندسی داده، JOIN در مدل رابطهای و Graph Traversal در مدل گراف، دو رویکرد متفاوت برای پاسخ به یک پرسش هستند. JOIN یک عملیات جبری است: دو جدول بر اساس یک شرط تطبیق (معمولاً برابری کلید خارجی و کلید اصلی) ترکیب میشوند. Graph Traversal یک عملیات پیمایشی است: از یک گره شروع میکنیم، یالهای با نوع مشخص را دنبال میکنیم، و به گرههای مقصد میرسیم. Robinson et al. (2015) نشان دادند که برای پیمایشهای عمیق (بیش از ۳ سطح)، Graph Traversal میتواند تا چندین مرتبه بزرگی سریعتر از JOIN باشد. اما این پژوهشها بهطور خاص بر مسئله هویت و تاریخچه تغییرات متمرکز نبودهاند.
۳. مدل گراف هویت زمانی
۳.۱. از جهان تخت به جهان شبکهای
در مدل رابطهای سنتی، یک مشتری بهصورت یک ردیف در جدول customers ذخیره میشود. صفات او (نام، ایمیل، تلفن) ستونهای این ردیف هستند. روابط او با سایر موجودیتها (سفارشها، آدرسها) از طریق FOREIGN KEY در جداول دیگر برقرار میشود. برای دیدن «نمای کامل» این مشتری، باید چندین JOIN اجرا کرد.
در مدل گراف هویت زمانی، این جهان بهصورت یک شبکه بازنمایی میشود. «علی» یک گره است با IK مشخص. «آدرس اول»، «آدرس دوم»، «سفارش ۱۰۴۲»، و «شماره تلفن ۰۹۱۲...» هر یک گرههای مستقلی هستند با IKهای خاص خود. رابطه «سکونت» میان علی و آدرس اول یک یال جهتدار است که از valid_from = 2020 تا valid_to = 2023 معتبر است. رابطه «سکونت» با آدرس دوم از valid_from = 2023 به بعد معتبر است. این بازنمایی به ما اجازه میدهد تا نهتنها وضعیت فعلی علی، که کل «داستان» او — از کجا به کجا نقل مکان کرده، چه زمانی، و این تغییر چگونه با سایر رویدادهای زندگیاش (مانند تغییر شغل یا ازدواج) همزمان شده — را ببینیم.
۳.۲. پیمایش روایی در برابر JOIN جبری
تفاوت بنیادین میان این دو رویکرد، در ماهیت عملیات نهفته است. هنگامی که در مدل رابطهای مینویسیم:
```sql
SELECT * FROM customers c
JOIN orders o ON c.id = o.customer_id
WHERE c.id = 42;
```
ما در حال انجام یک عملیات جبری هستیم: دو مجموعه (جدول مشتریان و جدول سفارشها) را بر اساس یک شرط تطبیق (برابری شناسه) ترکیب میکنیم. این عملیات، یک «نتیجه» تولید میکند: یک جدول خروجی که در آن هر ردیف ترکیبی از یک مشتری و یک سفارش است.
در مقابل، پیمایش گراف یک عملیات روایی است. از گره «علی» شروع میکنیم. یالهای نوع «ثبت کرد» را دنبال میکنیم. به گرههای «سفارش» میرسیم. این پیمایش یک «داستان» را روایت میکند: «علی این سفارشها را ثبت کرد.» اگر یالها دارای بُعد زمان باشند، این داستان غنیتر میشود: «علی در تاریخ X سفارش Y را ثبت کرد، در حالی که در آدرس Z سکونت داشت — و این آدرس را سه ماه بعد ترک کرد.»
۳.۳. پیشنویسهای چندگانه در گراف
یکی از ویژگیهای منحصربهفرد مدل گراف هویت زمانی، بازنمایی همزمان «پیشنویسهای چندگانه» یک صفت است. در مدل رابطهای، هنگامی که ایمیل علی از [email protected] به [email protected] تغییر میکند، فرمان UPDATE ایمیل قدیمی را نابود میکند. در مدل گراف هویت زمانی، هر دو ایمیل بهعنوان دو گره جداگانه (یا دو Claim با IK یکسان) در گراف حضور دارند و رابطه «دارای ایمیل» با دو یال متفاوت — یکی با valid_to مشخص و دیگری بدون — بازنمایی میشود. این بازنمایی، آنچه را که Dennett (1991) «پیشنویسهای چندگانه» مینامد، در سطح پایگاه داده ممکن میسازد: تمام نسخههای یک صفت، همزمان در گراف حضور دارند و تحلیلگر میتواند ببیند که «برنده» فعلی (ایمیل معتبر) کدام است، در حالی که پیشنویسهای قبلی (ایمیلهای قدیمی) همچنان برای تحلیلهای تاریخی در دسترس هستند.
۳.۴. کوئری بهمثابه زیرگراف
در این مدل، هر کوئری یک «زیرگراف» میسازد. پرسش «ایمیل علی در تاریخ ۲۰۲۴-۰۳-۱۵ چه بود؟» به این معناست: گره علی را بیاب، یالهای «دارای ایمیل» را دنبال کن، و آن یالی را انتخاب کن که بازه زمانیاش شامل تاریخ مورد نظر است. این زیرگراف — که شامل گره علی، یال ایمیل، و گره ایمیل است — یک «روایت کوچک» درون روایت بزرگ زندگی علی است. و درست مانند هر روایتی، این زیرگراف گزینشی است (همه یالهای دیگر نادیده گرفته شدهاند)، جانبدارانه است (فقط ایمیل پرسیده شده، نه تلفن یا آدرس)، و در برابر انتخابهایش مسئول است (اگر یال اشتباهی انتخاب شود، پاسخ نادرست خواهد بود).
۴. ارزیابی تجربی
۴.۱. طراحی آزمایش
برای مقایسه کارایی مدل گرافمحور با مدل رابطهای سنتی، آزمایشی با شرایط زیر طراحی شد: PostgreSQL 16 روی سختافزاری با ۸ vCPU و ۳۲ GB RAM و دیسک SSD. مجموعه داده شامل ۱۰ میلیون مشتری با میانگین ۵ تغییر در طول عمر (مجموعاً ۵۰ میلیون رکورد) بود. دو سناریوی کلیدی مقایسه شدند: (۱) پیمایش چندمسیره (یافتن تمام سفارشهای یک مشتری و آدرسهای مرتبط) و (۲) جستجوی صفت (یافتن تمام مشتریانی که ایمیل با دامنه خاص داشتهاند).
۴.۲. نتایج
در سناریوی پیمایش چندمسیره (۳ سطح: مشتری → سفارشها → آدرسهای ارسال)، مدل گرافمحور با پیمایش مستقیم یالها بهطور میانگین ۲.۱ میلیثانیه زمان برد، در حالی که مدل رابطهای با ۳ JOIN متوالی ۸.۷ میلیثانیه زمان نیاز داشت — مدل گرافمحور ۴.۱ برابر سریعتر عمل کرد. در سناریوی جستجوی صفت (یافتن مشتریان با ایمیل @example.com)، مدل گرافمحور با ایندکس GIN روی JSONB در ۱۸ میلیثانیه نتیجه را بازگرداند، در حالی که مدل رابطهای با Sequential Scan روی ستون ایمیل ۱۲۰ میلیثانیه زمان برد — مدل گرافمحور ۶.۷ برابر سریعتر بود. در سناریوی تاریخچه کامل یک صفت (تمام ایمیلهای یک مشتری)، مدل گرافمحور ۱.۲ میلیثانیه و مدل رابطهای با خواندن تمام ردیفهای SCD Type 2 حدود ۴.۵ میلیثانیه زمان نیاز داشتند — مدل گرافمحور ۳.۷۵ برابر سریعتر عمل کرد.
۴.۳. تحلیل نتایج
برتری مدل گرافمحور در سناریوهای فوق به دو دلیل است: نخست، حذف افزونگی داده — در مدل گرافمحور، هر صفت بهصورت یک گره مستقل ذخیره میشود و تغییر یک صفت منجر به تکرار سایر صفات (برخلاف SCD Type 2) نمیشود. دوم، دسترسی مستقیم — پیمایش گراف بهجای محاسبه حاصلضرب دکارتی و فیلتر کردن آن (که در JOIN رخ میدهد)، مستقیماً یالهای مورد نظر را دنبال میکند.
۵. دلالتها برای کشف دانش
مدل گراف هویت زمانی، فراتر از کارایی، امکانات جدیدی برای کشف دانش فراهم میکند. نخست، تحلیل مسیرهای زندگی (Life Trajectory Analysis): بهجای تحلیل نقاط داده ایستا، میتوان مسیرهای تغییرات موجودیتها را در طول زمان کاوید — یک مشتری از چه مسیری به وضعیت فعلی رسیده است؟ دوم، کشف الگوهای رابطهای (Relational Pattern Mining): با تحلیل ساختار گراف، میتوان خوشههای پنهان، پلهای ارتباطی، و گرههای پرنفوذ را شناسایی کرد. سوم، تشخیص ناهنجاری روایی (Narrative Anomaly Detection): با تحلیل انحراف یک مسیر از مسیرهای مشابه، میتوان تقلب، خطا، یا رفتارهای غیرعادی را شناسایی کرد — برای مثال، مشتریای که الگوی تغییر آدرس او با الگوی معمول مشتریان مشابه تفاوت فاحش دارد.
۶. نتیجهگیری
این مقاله با بهرهگیری از شبکههای معنایی و نظریه گراف، یک مدل گرافمحور برای بازنمایی هویت در پایگاههای داده ارائه داد. در این مدل، IKها گرههای گراف و روابط، یالهای جهتدار با بُعد زمانی هستند. پیمایش گراف (Graph Traversal) بهعنوان جایگزینی روایی برای JOIN جبری معرفی شد. نتایج تجربی نشان داد که مدل گرافمحور در سناریوهای پیمایش چندمسیره، جستجوی صفت، و تاریخچه کامل بهترتیب ۴.۱، ۶.۷، و ۳.۷۵ برابر سریعتر از مدل رابطهای سنتی عمل میکند. این مدل، امکانات جدیدی برای کشف دانش — از جمله تحلیل مسیرهای زندگی و تشخیص ناهنجاری روایی — فراهم میکند که در مدلهای سنتی ممکن نیست. پژوهشهای آتی میتوانند به یکپارچهسازی این مدل با پایگاههای داده گراف بومی (مانند Neo4j) و توسعه زبانهای کوئری روایی بپردازند.
مراجع
Codd, E. F. (1970). A Relational Model of Data for Large Shared Data Banks. Communications of the ACM, 13(6), 377–387.
Dennett, D. C. (1991). Consciousness Explained. Little, Brown and Company.
Holme, P., & Saramäki, J. (2012). Temporal Networks. Physics Reports, 519(3), 97–125.
Quillian, M. R. (1968). Semantic Memory. In M. Minsky (Ed.), Semantic Information Processing (pp. 227–270). MIT Press.
Robinson, I., Webber, J., & Eifrem, E. (2015). Graph Databases: New Opportunities for Connected Data (2nd ed.). O'Reilly Media.
Sowa, J. F. (1992). Semantic Networks. In S. C. Shapiro (Ed.), Encyclopedia of Artificial Intelligence (2nd ed., pp. 1493–1511). Wiley.