Семантический запрос
Семантические запросы позволяют выполнять запросы и аналитику ассоциативного и контекстного характера. Семантические запросы позволяют извлекать как явно, так и неявно полученную информацию на основе синтаксической , семантической и структурной информации, содержащейся в данных. Они предназначены для получения точных результатов (возможно, четкого выбора одного фрагмента информации) или для ответа на более нечеткие и широко открытые вопросы посредством сопоставления шаблонов и цифровых рассуждений .
Семантические запросы работают с именованными графами , связанными данными или тройками . Это позволяет запросу обрабатывать фактические связи между информацией и получать ответы из сети данных . В этом отличие от семантического поиска , который использует семантику (значение языковых конструкций) в неструктурированном тексте для получения лучших результатов поиска. (См. «Обработка естественного языка» .)
С технической точки зрения семантические запросы представляют собой точные операции реляционного типа, очень похожие на запросы к базе данных . Они работают со структурированными данными и поэтому имеют возможность использовать комплексные функции, такие как операторы (например, >, < и =), пространства имен, сопоставление с образцом , создание подклассов , транзитивные отношения , семантические правила и контекстный полнотекстовый поиск . Стек семантических веб- технологий W3C предлагает SPARQL [1] [2] формулировать семантические запросы в синтаксисе, аналогичном SQL . Семантические запросы используются в триплетах , графовых базах данных , семантических вики естественного языка и искусственного интеллекта , системах .
Предыстория [ править ]
Реляционные базы данных представляют все связи между данными только неявным образом. [3] [4] Например, отношения между клиентами и продуктами (хранящиеся в двух таблицах контента и связанные с дополнительной таблицей ссылок) возникают только в операторе запроса ( SQL в случае реляционных баз данных), написанном разработчиком. Написание запроса требует точного знания схемы базы данных . [5] [6]
Связанные данные представляют все связи между данными в явном виде. В приведенном выше примере код запроса писать не нужно. Правильный продукт для каждого клиента может быть выбран автоматически. Хотя этот простой пример тривиален, реальная сила связанных данных проявляется, когда создается информационная сеть (клиенты с их геопространственной информацией, такой как город, штат и страна; продукты с их категориями в под- и суперкатегориях). ). Теперь система может автоматически отвечать на более сложные запросы и проводить аналитику, которая ищет связь конкретной локации с категорией товара. Разработка этого запроса опущена. Выполнение семантического запроса осуществляется путем обхода сети информации и поиска совпадений (также называемого обходом графа данных ).
Другим важным аспектом семантических запросов является то, что тип связи может использоваться для включения интеллекта в систему. Отношения между покупателем и продуктом имеют принципиально иную природу, чем отношения между районом и его городом. Последнее позволяет механизму семантических запросов сделать вывод , что клиент, проживающий на Манхэттене, также проживает в Нью-Йорке , тогда как другие отношения могут иметь более сложные шаблоны и «контекстную аналитику». Этот процесс называется умозаключением или рассуждением и представляет собой способность программного обеспечения получать новую информацию на основе заданных фактов.
Статьи [ править ]
- Велес, Голда (2008). «Семантика помогает Уолл-стрит справиться с перегрузкой данных» . wallstreetandtech.com.
- Чжифэн, Сяо (2009). «Семантический запрос пространственной информации на основе SPARQL». Ин Лю, Яолинь; Тан, Синьмин (ред.). Международный симпозиум по пространственному анализу, пространственно-временному моделированию данных и интеллектуальному анализу данных . Том. 7492. ШПИОН. стр. 74921П. Бибкод : 2009SPIE.7492E..60X . дои : 10.1117/12.838556 . S2CID 62191842 .
- Акэн, Матье (2010). «Watson, больше, чем поисковая система в семантической сети» (PDF) . Семантический веб-журнал.
- Дворецкий, Том (2011). «Как работает Siri: «мозг» iPhone состоит из обработки естественного языка» . Интернэшнл Бизнес Таймс .
- Хорвитт, Элизабет (2011). «Семантическая сеть приступает к делу» . компьютерный мир.com.
- Родригес, Марко (2011). «Сопоставление графических шаблонов с помощью Gremlin» . markorodriguez.com о графовых вычислениях.
- Секеда, Хуан (2011). «Гайки и болты SPARQL» . Кембриджская семантика.
- Фрейтас, Андре (2012). «Запрос к гетерогенным наборам данных в сети связанных данных» (PDF) . IEEE Интернет-вычисления.
- Кауппинен, Томи (2012). «Использование пакета SPARQL в R для обработки пространственных связанных данных» . linkedscience.org.
- Лоренц, Алисса (2013). «При использовании больших данных контекст является большой проблемой» . Проводной.
См. также [ править ]
- Внимание
- Пространства данных
- Представление знаний
- Связанные данные
- Выравнивание онтологии
- Философия
- Семантическая интеграция
- Семантическая публикация
- Семантика деловой лексики и бизнес-правил
- СПАРКЛ
Ссылки [ править ]
- ^ «Знакомство со SPARQL: запросы к семантической сети» . XML.com. 2005.
- ^ «Язык запросов SPARQL для RDF» . W3C. 2008.
- ^ Семантические запросы в базах данных: проблемы и задачи . Цифровая библиотека ACM. 2009. стр. 1505–1508. дои : 10.1145/1645953.1646157 . ISBN 9781605585123 . S2CID 1578867 .
- ^ «Карма: система отображения структурированных источников в семантической сети» (PDF) . eswc-conferences.org. 2012.
- ^ «Масштабируемый подход к изучению семантических моделей структурированных источников» (PDF) . 8-я Международная конференция IEEE по семантическим вычислениям. 2014.
- ^ «Семантика для интеграции и анализа больших данных» (PDF) . Осенний симпозиум AAAI по семантике больших данных. 2013.