寻找用于异构（多节点类型（多模式）、多边缘类型（多关系）和多描述性特征（多特征））网络的网络分析基础设施，我注意到有两个标准堆栈图数据库世界：
一方面，我们有ThinkPop/Blueprint 属性图模型。Neo4j、OrientDB GraphDB、Dex、Titan、InfiniteGraph等都支持它。
Tinkerpop 堆栈包括Blueprint属性图模型接口、Gremlin图遍历语言和Furnace图算法包。
另一方面，我们有W3C 的 Linked Data 技术栈，得到AllegroGraph、4store、Oracle Database Semantic Technologies、OWLIM、SYSTap BigData等的支持。
语义数据使用RDF / RDFS / OWL表示，并且可以使用SPARQL进行查询。此外，它还提供规则和推理能力。
现在，假设我想在图形数据库中表示异构数据，并分析这些数据（统计、关系发现、结构、演化等）（我知道这些术语很宽泛） -每个的相对优势是什么各种类型的网络分析任务的模型？这两种模式是否相互补充？
结合一些事情，您的链接数据堆栈示例都是三重存储。您将通过首先设置三重存储来开始构建链接数据应用程序，但是调用数据库链接数据堆栈是不正确的 imo。这也是三重商店的不完整列表，还有Sesame、Jena、Mulgara和Stardog. Sesame 和 Jena 有点双重职责，它们是语义 Web 的两个事实上的标准 Java API，但都提供与 API 捆绑在一起的三重存储。我也知道 Cray 和 IBM 都在开发三重商店，但目前我对任何一家都不太了解。我确实知道 Stardog 与 TinkerPop 堆栈配合得很好，而且它基本上是一个插入并开始针对 RDF 编写 Gremlin 查询。
我认为 RDF/OWL 的优势在于您 1) 获得真正的查询语言 2) 它们是 w3c标准3) 如果三重存储支持它，您可以免费（或多或少 - 您仍然拥有写一个本体）。
使用 RDF/OWL/SPARQL 作为标准，如果您需要，可以很容易地选择并迁移到具有不同功能集的新三元存储，您的数据已经采用每个人都可以理解的通用格式，并且任何应用程序逻辑都已编码因为查询是完全可移植的。在大多数情况下，您将针对 Sesame 或 Jena API 编写代码，或者使用 SPARQL 协议，因此您可能只需要更改 config/init。我认为这是早期原型设计阶段的一大胜利。
我还认为，RDF/OWL 特别结合了推理和您可以使用新的 SPARQL 1.1 创建的各种复杂 SPARQL 查询，非常适合构建复杂的分析应用程序。此外，我认为大多数人认为 RDF 三重商店无法扩展的印象不再正确。在这一点上，大多数三合一商店很容易扩展到数十亿三合一，并且具有非常有竞争力的吞吐量数字。
因此，根据我认为您可能正在做的事情，我认为 semweb 对您来说可能是一个更好的选择。几年前我做了一个类似的项目，使用 RDF 和 RDFS 作为后端，前端是一个简单的基于 Pylons 的 web 应用程序，并且对结果非常满意。