语义网详解

引言

万维网本身是一个有趣的矛盾体－－它的构成主体是计算机，但服务对象是人。我们每天所访问的站点都以便于我们理解的方式来提供信息，它们使用自然语言及图片，并采用了相应的页面布局。尽管计算机处于构建和维护万维网的核心地位，但这些计算机本身并不能真正理解所有这些信息的含义。它们无法像人一样去阅读、确定相互关系并作出决定。

语义网的目的是帮助计算机能够“阅读”进而使用万维网。这个看似雄心勃勃的想法实现起来颇为简单－－将元数据添加到网页中，从而使万维网中现有的计算机能够阅读这些网页。这并不是要赋予计算机人工智能或使其具有自我意识，它不过是让计算机能够查找、交换或者（在有限程度上）解释信息。语义网是万维网的延伸，而不是要取代万维网。

上述内容听起来可能比较抽象，事实上也确实有些抽象。尽管某些站点已经开始使用语义网概念，但很多必要的工具仍处于研发阶段。本文中，我们将以《星球大战》三部曲为例带你了解语义网背后的概念和“利器”。

鸣谢
感谢乔西·赛内卡尔（Josh Senecal）为本文提供的帮助。

为什么需要语义网？

假设您想要在网上购买《星球大战》三部曲精装全集，而且您为此设定了一些基本条件。首先，您想要的是宽银幕（而非全银幕）DVD，而且希望有附赠礼品光盘。其次，您希望能以最低价买到，而且是一套新的，不是二手的。最后，您不希望支付过多的送货费用，也不希望等得太久才拿到手。

在万维网不断发展的今天，最普遍的做法是浏览不同零售商的网站，比较各自的价格以及送货时间和费用。您也可以在某个网站同时对比几家零售商的价格和送货服务。不论您采取哪种方法，几乎所有这类收集信息的繁琐工作都要您亲自完成，然后才能做出决定并提交订单。

有了语义网，您就多了一个选择。您可以将您的偏好提交给一个计算机程序实现的代理，它会为您搜索万维网，找到最佳匹配结果并提交订单。而且，这个代理还会打开您计算机上的个人理财软件并记录本次消费金额，并在日历上标注DVD预计送达的日期。代理还会学习您的习惯和偏好。这样，如果您在某个站点有过不愉快的购物经历，它会知道这个站点不应该再“拜访”了。

代理并不会像人一样去观看图片或阅读说明，它是通过搜索元数据实现上述过程的。这些元数据清晰地描述并定义了代理所需要的信息。元数据不过是可由计算机阅读、用来描述其他数据的数据而已。在语义网中，元数据对于阅读网页的人是不可见的，但对计算机是清晰可见的。元数据也可以变得更为复杂，从而使得万维网搜索能得到更精确的结果。用万维网之父蒂姆·伯纳斯－李（Tim Berners－Lee）的话说，这些工具会将当前看似一本巨型书籍的万维网转变为一个巨型数据库。

接下来，我们来看看那些使得文档能够让计算机阅读的“利器”。

语义网标记：XML和RDF

假设我们希望计算机能够读懂下面这句话：

阿纳金·天行者（Anakin Skywalker）是卢克·天行者（Luke Skywalker）的父亲。

这句话的含义对您来说再简单不过了：阿纳金·天行者和卢克·天行者都是指人，而且他们之间存在某种关系。我们知道，父亲是双亲之一，而且这句话也意味着卢克·天行者是阿纳金·天行者的儿子。但是，如果不借助某种手段，既便是如此简单的含义也会另计算机一头雾水。为了让计算机能理解这句话的含义，我们需要添加一些计算机可阅读的信息，这些信息描述了阿纳金•天行者和卢克·天行者是谁，以及他们之间的关系。为此，首先要用到两个工具－－可扩展标记语言（eXtensible Markup Language，XML）和资源描述框架（Resource Description Framework，RDF）。

与超文本标记语言（HTML）类似，XML也是一种标记语言。通过网上冲浪，您可能对前者已有所了解。HTML 描述了信息在万维网上的显示效果。而XML则添加对数据加以描述的标记，它是对HTML的补充，而非取而代之。这些标记对于阅读文档的人是不可见的，但对计算机是可见的。XML标记在万维网中已得到应用，而且现有的机器人（bot）（如为搜索引擎采集数据的机器人）就会阅读这些标记。

顾名思义，RDF的作用是提供一个描述资源的框架，这是通过XML标记实现的。从RDF的角度看，世界上几乎每样事物都可视为资源。通过这个框架，资源（任何名词，如上例中的“阿纳金·天行者”或《星球大战》三部曲）将与万维网上的特定项或位置相匹配，这样计算机就能确切知道该资源是什么。如此明确标识的资源可以使计算机避免将阿纳金·天行者与演员塞巴斯蒂安·肖（Sebastian Shaw）或海登·克里斯滕森（Hayden Christiansen）相混淆，也不会将原版三部曲与独角戏改编版的《星球大战》三部曲混为一谈。

为此，RDF使用三元组以XML标记的形式将该信息表达为一个图。三元组由主体、属性及客体构成，类似于一个句子的主语、动词和直接宾语。（有些资料称之为主体、谓词和客体。）RDF在万维网中已得到应用，例如RSS Feed的创建就用到了RDF。

在本例中，计算机现在知道了上述那句话中有两个对象，而且二者之间有一定的关系。但计算机仍不知道这两个对象是什么，也不知道二者之间具体是什么关系。接下来，我们将看到另一个工具，它将为我们添加新的一层：含义。

统一资源标识符URI

即使有了XML和RDF所提供的框架，计算机仍需通过一种非常直接具体的方式来理解这些资源是谁或是什么。为此，RDF使用统一资源标识符（Uniform Resource Identifiers，URI）为计算机指引资源所代表的文档或对象的具体位置。统一资源定位符（URL，以 http:// 开头）对您来说已经比较熟悉了，它是统一资源标识符最为常见的形式。统一资源标识符可以指向万维网中的任何事物，也可以指向万维网之外，如计算机化的住宅中的家电设备。统一资源标识符还有一些其他形式，如Mailto、ftp以及telnet地址等。

在本文的例子中，我们使用人物角色的页面作为其统一资源标识符，该页面位于《星球大战》官方网站。

现在，计算机知道了主体和客体是什么－－第一个统一资源标识符代表的实体是阿纳金·天行者，第二个代表的实体是卢克·天行者。但是，你也会注意到三元组中间的那个统一资源标识符并未指向《星球大战》网站，而是指向HowStuffWorks服务器的一个关系说明文档。如果该页确实存在，它会成为我们的XML命名空间。

XML与HTML不同：后者使用标准的标记（用表示粗体，用表示下划线等），而XML并没有标准的标记。这是有好处的－－它能让开发人员针对特定目的创建独特的标记。但这也意味着浏览器无法自动识别这样的标记的含义。XML命名空间本质上是一个定义文档，它告知应用程序另一个文档中的所有标记的含义。XML文档的创建者在文档的开头用一行代码声明命名空间。在本例中，我们的命名空间形如：