对RDF使用三重存储而不是Neo4j的优势在于，这正是它们 * 设计 * 的目的。Neo4j对于许多用例来说相当不错，但根据我的经验，它在加载和查询RDF方面的性能远远低于所有专用RDF数据库。
RDF数据库不能扩展或速度不快是一个谬论。当然，它们还没有达到关系数据库所具有的性能和扩展水平，但它们有50年的领先优势。许多三元存储可以扩展到数十亿个三元存储，提供“标准”企业特性，并为许多用例提供出色的性能。
如果您打算在项目中使用RDF，请使用三元组存储;它将为使用RDF构建应用程序提供最佳性能和一组特性/API。

RDF和SPARQL是标准，因此您可以选择多种实现，并且可以将数据从一个RDF存储迁移到另一个RDF存储。
此外，SPARQL查询语言的1.1版本非常复杂（比大多数SQL实现更具表达力），可以执行需要用Neo4J编写大量代码的所有类型的查询。

如果你要对三元组进行图挖掘（例如图遍历），neo4j是一个不错的选择。对于大的三元组，你可能需要使用它的batchInserter，这是相当快的。

所以我认为这都是关于你的使用案例。两种技术可以重叠，也确实重叠。
在我看来，这主要是关于用例的。你想要一个完整的知识图，包括语义网的所有生态系统吗？那么就去三重存储。如果你需要一个通用的图（例如，将大数据存储为图）使用属性图模型。我的推理是，这从数据的存储方式开始，这对您的使用场景有影响。
让我们在这里做一些突发的要点来比较。请对它持保留态度，因为这不是一份基准论文，只是一些基于经验的5分钟记录。
属性图形（neo4j）：

• 将节点/边视为文档
• 在链接列表、键值存储（深度搜索、大数据，例如通过gremlin）等基础上实现
• 支持OWL/RDF，但不是原生的（因为我在 meta层上看到它）
• 真的很棒，当谈到有数据在图中和做ML（它存储为链表，给你很好的矢量，这是很酷的ML开箱即用）
• 适用于大规模的大数据。
• 用例：（重点是数据实体，而不是它们的类）
• 社交图和其他需要深度遍历的场景
• 大型数据图，其中有大量文档需要以无模式图的方式进行搜索。
• 从点击数据等分析客户漏斗。您希望从关系模式中移出，因为实际上，您处于一个图形用例中...

三重存储（例如rdf 4j）

• 将最大范式中的数据视为三元组（完全没有冗余数据）
• 三元组存储在上下文三元组中。与索引一起工作很多。
• 广泛的搜索和具体的知识提取。深度搜索有时很麻烦。
• 规模是令人印象深刻的，可以扩展到数万亿节点与快速性能。但我不建议在图中存储大数据，如时间序列等。原因是如何使用索引的特殊方式，为了水平扩展，您可以考虑使用子图...
• 支持所有生态系统，如SPARQL、SHACL、SWIRL等。这是一个很大的优势，
• 使用案例：
• 它实际上是关于知识图的。你需要形状测试、规则评估、推理和推理吗？去吧，因为你必须把注意力集中在本体和类结构上！
• 此外，例如，您拥有物联网，并希望配置物流和智能工厂的关系，而遥测数据存储在其他地方，仅在图形中引用。

我听说要花一整天的时间才能把10M的三元组加载到Neo4j中（实际上它是最慢的一个，因为它主要不是为RDF构建的）。
Sesame和4Store是最快的，但Jena有强大的API。