語義網筆記（一） 初識語義網

目錄

• 系列目的
• • 語義網的動機
  • 語義網設計原則
  • 語義網的基礎技術
  • 語義網的網際網路體系結構
  • 語義網技術
  • • 顯式中繼資料
    • 本體
    • 邏輯
  • 語義網分層蛋糕

系列目的

本系列基于教材《語義網基礎教程》，将一些架構和自己的想法列出。

語義網的動機

語義網出現的目的可以概括為：使計算機更能解讀網際網路。

目前的網際網路的内容無非就是文字，圖檔，視訊，聲音等等，誠然這些媒體是很有用的，但是人們也就是借助搜尋引擎，索引關鍵詞，将資訊從伺服器傳輸到用戶端而已。機器并不能了解網站上的内容，也就不能智能地進行選擇，組合，聚集資訊。語義網的出現就是為了解決這種傻瓜式索引。

語義網設計原則

1. 使得結構化和半結構化的資料以标準化的格式在網際網路上可用
2. 不僅制造資料集，還建立網際網路上可解讀的個體資料元素及其關系
3. 使用形式化模型來描述這些資料的隐含語義，使得這些隐含語義能夠被機器處理

以上有一點需要說明，也就是目前網際網路的資料來源，也就是資料庫，他們實際上存在着大量結構化和半結構化的資料，隻不過轉為HTML語言的過程中都丢失了。

語義網的基礎技術

基于以上三個設計原則，有對應實作的技術

1.使用帶标簽的圖（labeled graph）作為對象及其關系的資料模型，圖中将對象作為節點，對象間的關系表示為邊。使用RDF（資源描述架構）的形式化模型表示。

2.使用網際網路辨別符（URI，統一資源辨別符）來辨別出現在資料集中的單個資料項以及它們之間的關系。這同樣反映在RDF的設計中。

3.使用本體（ontology）作為資料模型來形式化地表達資料地隐含語義。形式化模型有RDF schema（表達能力很弱）和OWL（網際網路本體語言）（表達能力強）。

語義網的網際網路體系結構

傳統網際網路是分布式的，“任何人可以說關于任何事的任何話”：任何人可以參考其他任何人的網頁，無需協商允許，或征求合适的位址或辨別符來使用。以下為一個場景：

A網站釋出了一個資料集

B網站獨立釋出了一個術語表

C網站決定用B網站釋出的術語來标注A網站的對象，而無需經過AB的允許。

實作上述體系結構需要三個步驟：

1. 使用标準的文法來辨別資料和中繼資料
2. 對中繼資料詞彙表取得足夠的共識，可以分享資料的隐含語義
3. 使用第一步的格式和第二步的詞彙表來釋出大量的資料

語義網技術

顯式中繼資料

中繼資料（metadata) —詞的含義是：關于資料的資料。中繼資料捕獲資料的含義（meaning) 部分， 也就是語義網中所說的語義（semantic) —詞。

本體

英文術語“ontology”一詞源于哲學領域，且一直以來存在着許多不同的用法。在計算機科學領域，其核心意思是指一種模型，用于描述由一套對象類型（概念或者說類）、屬性以及關系類型所構成的世界。盡管不同的本體對于這些構成成分的确切稱謂有所不同，但它們卻都是一部本體不可或缺的基本要素。一般來說，人們所普遍期望的一點就是，本體之中模型的那些特征應當非常類似于相應的現實世界。

針對我們的目标，我們将使用 T.R.Gruber 的定義，這個定義後來由 R.Studer 修訂：一個本體是一個概念體系的一種顯式的、 形式化的歸約（ An ontology is an explicit and formal specification of a conceptualization)

兩種本體語言

1. RDF 模式是一種詞彙表描述語言，用來描述 RDF 資源的屬性和類，以及這些屬性和類的泛化層次的語義。此外，屬性的定義域和值域也可以定義。
2. OWL 是一種描述屬性和類的更豐富的詞彙表描述語言，例如類之間的關系（比如不相交 )、基數（比如“恰好等于1”）、 相等、更加豐富的屬性類型定義、屬性的性質（比如對稱性 )，以及枚舉類等。

邏輯

邏輯是推理的前提和依據，一般給出簡單的規則“如果前提，那麼結論”，簡單推理比如A推出B，B推出C，則A能推出C。

語義網分層蛋糕

1998年，Tim在“Semantic Web Road map”中系統闡述了他對語義網的構想。其核心思想是通過為網頁添加機器可讀的中繼資料，讓智能機器能了解網頁上的内容，進而實作自動化資訊處理。這些中繼資料可以為人工智能提供不可或缺的資料和知識。在該文中，他提出分層實作的技術棧：(1)基礎的資料描述層，以資源描述架構(RDF)為語言；(2)模式(schema)層，允許對資料屬性進行描述，如“父類子類關系是可傳遞的”；(3)轉化語言，可以在多個資料源之間做互相翻譯和映射；(4)邏輯層，表達資料之間更複雜的關系，例如“父親是有孩子的男性”，也包括查詢語言，提供一個類似SQL的語言，把整個Web變成一個分布式的資料庫；(5)數字簽名，提供信任和驗證。這個路線圖後來演化為著名的“語義網層次蛋糕”

以下截取百度百科的一些分層說明

Berners-Lee于2000年提出了語義網的體系結構，并對此做了簡單的介紹。該體系結構共有七層，自下而上其各層功能逐漸增強。

第一層：“字元集”層。

Unicode和URI。Unicode是一個字元集，這個字元集中所有字元都用兩個位元組表示，可以表示65536個字元，基本上包括了世界上所有語言的字元。資料格式采用Unicode的好處就是它支援世界上所有主要語言的混合，并且可以同時進行檢索。URI(Uniform Resource Identifier），即統一資源定位符，用于唯一辨別網絡上的一個概念或資源。在語義網體系結構中，該層是整個語義網的基礎，其中Unicode負責處理資源的編碼，URI負責資源的辨別。

第二層：根标記語言層。

XML+NS+xmlschema。XML是一個精簡的标準通用标記語言，它綜合了标準通用标記語言的豐富功能與HTML的易用性，它允許使用者在文檔中加入任意的結構，而無需說明這些結構的含意。NS(Name Space）即命名空間，由URI索引确定，目的是為了避免不同的應用使用同樣的字元描述不同的事物。XML Schema是文檔類型定義（DTD）的替代品，它本身采用XML文法，但比DTD更加靈活，提供更多的資料類型，能更好地為有效的XML文檔服務并提供資料校驗機制。正是由于XML靈活的結構性、由URI索引的NS而帶來的資料可确定性以及XML Schema所提供的多種資料類型及檢驗機制，使其成為語義網體系結構的重要組成部分。該層負責從文法上表示資料的内容和結構，通過使用标準的語言将網絡資訊的表現形式、資料結構和内容分離。

第三層：“資源描述架構”層。

RDF+rdfschema。RDF是一種描述WWW上的資訊資源的一種語言，其目标是建立一種供多種中繼資料标準共存的架構。該架構能充分利用各種中繼資料的優勢，進行基于Web 的資料交換和再利用。RDF解決的是如何采用XML标準文法無二義性地描述資源對象的問題，使得所描述的資源的中繼資料資訊成為機器可了解的資訊。如果把XML看作為一種标準化的中繼資料文法規範的話，那麼RDF就可以看作為一種标準化的中繼資料語義描述規範。Rdfschema使用一種機器可以了解的體系來定義描述資源的詞彙，其目的是提供詞彙嵌入的機制或架構，在該架構下多種詞彙可以內建在一起實作對Web資源的描述。

第四層：“本體詞彙”層。

“本體詞彙”，（外語：Ontology vocabulary）。該層是在RDF(S）基礎上定義的概念及其關系的抽象描述，用于描述應用領域的知識，描述各類資源及資源之間的關系，實作對詞彙表的擴充。在這一層，使用者不僅可以定義概念而且可以定義概念之間豐富的關系。

第五至七層：Logic、Proof、Trust。Logic負責提供公理和推理規則，而Logic一旦建立，便可以通過邏輯推理對資源、資源之間的關系以及推理結果進行驗證，證明其有效性。通過Proof交換以及數字簽名，建立一定的信任關系，進而證明語義網輸出的可靠性以及其是否符合使用者的要求。