La Web Semántica , a veces conocida como Web 3.0 (no confundir con Web3 ), es una extensión de la World Wide Web a través de estándares [1] establecidos por el World Wide Web Consortium (W3C). El objetivo de la Web Semántica es hacer que los datos de Internet sean legibles por máquinas.
Para permitir la codificación de la semántica con los datos, se utilizan tecnologías como Resource Description Framework (RDF) [2] y Web Ontology Language (OWL) [3] . Estas tecnologías se utilizan para representar formalmente metadatos . Por ejemplo, la ontología puede describir conceptos , relaciones entre entidades y categorías de cosas. Esta semántica integrada ofrece ventajas significativas, como razonar sobre datos y operar con fuentes de datos heterogéneas. [4]
Estos estándares promueven formatos de datos y protocolos de intercambio comunes en la Web, fundamentalmente el RDF. Según el W3C, "La Web Semántica proporciona un marco común que permite compartir y reutilizar datos a través de los límites de las aplicaciones, empresas y comunidades". [5] Por lo tanto, la Web Semántica se considera un integrador de diferentes aplicaciones y sistemas de contenido e información.
El término fue acuñado por Tim Berners-Lee para una red de datos (o red de datos ) [6] que puede ser procesada por máquinas [7] , es decir, una en la que gran parte del significado es legible por máquina . Si bien sus críticos han cuestionado su viabilidad, los defensores argumentan que las aplicaciones en bibliotecas y ciencias de la información , la industria, la biología y la investigación en ciencias humanas ya han demostrado la validez del concepto original. [8]
Berners-Lee expresó originalmente su visión de la Web Semántica en 1999 de la siguiente manera:
Tengo un sueño para la Web [en la que las computadoras] sean capaces de analizar todos los datos en la Web: el contenido, los enlaces y las transacciones entre personas y computadoras. Aún no ha surgido una "Web Semántica" que haga esto posible, pero cuando lo haga, los mecanismos cotidianos del comercio, la burocracia y nuestra vida diaria serán manejados por máquinas que hablarán con máquinas. Los " agentes inteligentes " que la gente ha promocionado durante años finalmente se materializarán. [9]
El artículo de Scientific American de 2001 de Berners-Lee, Hendler y Lassila describió una evolución esperada de la Web existente hacia una Web Semántica. [10] En 2006, Berners-Lee y sus colegas declararon que: "Esta simple idea... sigue sin realizarse en gran medida". [11] En 2013, más de cuatro millones de dominios web (de aproximadamente 250 millones en total) contenían marcado de Web Semántica. [12]
En el siguiente ejemplo, se anotará el texto "Paul Schuster nació en Dresde" en un sitio web, conectando a una persona con su lugar de nacimiento. El siguiente fragmento HTML muestra cómo se describe un pequeño gráfico, en sintaxis RDFa utilizando un vocabulario de Schema.org y un ID de Wikidata :
< div vocab = "https://schema.org/" typeof = "Persona" > < span property = "name" > Paul Schuster </ span > nació en < span property = "birthPlace" typeof = "Place" href = "https://www.wikidata.org/entity/Q1731" > < span propiedad = "nombre" > Dresde </ span > . </span> </div>
El ejemplo define los siguientes cinco tripletes (que se muestran en la sintaxis de Turtle ). Cada tripleta representa una arista en el gráfico resultante: el primer elemento de la tripleta (el sujeto ) es el nombre del nodo donde comienza la arista, el segundo elemento (el predicado ) el tipo de arista, y el último y tercer elemento (el objeto ) ya sea el nombre del nodo donde termina el borde o un valor literal (por ejemplo, un texto, un número, etc.).
_ : un <https://www.w3.org/1999/02/22-rdf-syntax-ns#type> <https://schema.org/Person> . _ : un <https://schema.org/name> "Paul Schuster" . _ : a <https://schema.org/birthPlace> <https://www.wikidata.org/entity/Q1731> . <https://www.wikidata.org/entity/Q1731> <https://schema.org/itemtype> <https://schema.org/Place> . <https://www.wikidata.org/entity/Q1731> <https://schema.org/name> "Dresde" .Los triples dan como resultado el gráfico que se muestra en la figura dada.
Una de las ventajas de utilizar identificadores uniformes de recursos (URI) es que se puede eliminar la referencia a ellos mediante el protocolo HTTP . Según los llamados principios de datos abiertos vinculados , un URI desreferenciado debería dar como resultado un documento que ofrezca más datos sobre el URI dado. En este ejemplo, se puede desreferenciar todos los URI, tanto para bordes como para nodos (p. ej http://schema.org/Person., http://schema.org/birthPlace, http://www.wikidata.org/entity/Q1731) y dará como resultado gráficos RDF adicionales, que describen el URI, por ejemplo, que Dresden es una ciudad en Alemania, o que una persona, en el sentido de ese URI, puede ser ficticio.
El segundo gráfico muestra el ejemplo anterior, pero ahora enriquecido con algunas de las tripletas de los documentos que resultan de la desreferenciación https://schema.org/Person(borde verde) y https://www.wikidata.org/entity/Q1731(bordes azules).
Además de los bordes indicados explícitamente en los documentos involucrados, los bordes se pueden inferir automáticamente: el triple
_ : un <https://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://schema.org/Person> .del fragmento RDFa original y el triple
<https://schema.org/Person> <http://www.w3.org/2002/07/owl#equivalentClass> <http://xmlns.com/foaf/0.1/Person> .del documento en https://schema.org/Person(borde verde en la figura) permite inferir el siguiente triple, dada la semántica de OWL (línea discontinua roja en la segunda figura):
_ : un <https://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://xmlns.com/foaf/0.1/Person> .El concepto de modelo de red semántica fue formado a principios de la década de 1960 por investigadores como el científico cognitivo Allan M. Collins , el lingüista M. Ross Quillian y la psicóloga Elizabeth F. Loftus como una forma de representar el conocimiento estructurado semánticamente. Cuando se aplica en el contexto de la Internet moderna, amplía la red de páginas web con hipervínculos legibles por humanos mediante la inserción de metadatos legibles por máquinas sobre las páginas y cómo se relacionan entre sí. Esto permite a los agentes automatizados acceder a la Web de forma más inteligente y realizar más tareas en nombre de los usuarios. El término "Web Semántica" fue acuñado por Tim Berners-Lee , [7] el inventor de la World Wide Web y director del Consorcio World Wide Web (" W3C "), que supervisa el desarrollo de los estándares propuestos para la Web Semántica. Define la Web Semántica como "una red de datos que pueden ser procesados directa e indirectamente por máquinas".
Muchas de las tecnologías propuestas por el W3C ya existían antes de que fueran incluidas bajo el paraguas del W3C. Estos se utilizan en diversos contextos, particularmente aquellos que tratan con información que abarca un dominio limitado y definido, y donde compartir datos es una necesidad común, como la investigación científica o el intercambio de datos entre empresas. Además, han surgido otras tecnologías con objetivos similares, como los microformatos .
Muchos archivos en una computadora típica también se pueden dividir en documentos legibles por humanos y datos legibles por máquinas. Los humanos leen documentos como mensajes de correo, informes y folletos. Los datos, como calendarios, libretas de direcciones, listas de reproducción y hojas de cálculo, se presentan mediante un programa de aplicación que permite verlos, buscarlos y combinarlos.
Actualmente, la World Wide Web se basa principalmente en documentos escritos en lenguaje de marcado de hipertexto (HTML), una convención de marcado que se utiliza para codificar un cuerpo de texto intercalado con objetos multimedia como imágenes y formularios interactivos. Las etiquetas de metadatos proporcionan un método mediante el cual las computadoras pueden categorizar el contenido de las páginas web. En los ejemplos siguientes, a los nombres de campo "palabras clave", "descripción" y "autor" se les asignan valores como "informática" y "widgets baratos a la venta" y "John Doe".
< meta name = "palabras clave" content = "computación, estudios de informática, informática" /> < meta name = "description" content = "Widgets baratos a la venta" /> < meta name = "author" content = "John Doe" / >Debido a este etiquetado y categorización de metadatos, otros sistemas informáticos que quieran acceder y compartir estos datos pueden identificar fácilmente los valores relevantes.
Con HTML y una herramienta para representarlo (quizás un software de navegador web , quizás otro agente de usuario ), se puede crear y presentar una página que enumere los artículos a la venta. El HTML de esta página de catálogo puede hacer afirmaciones simples a nivel de documento, como "el título de este documento es 'Widget Superstore ' ", pero no hay capacidad dentro del propio HTML para afirmar sin ambigüedades que, por ejemplo, el número de artículo X586172 es un Acme. Gizmo con un precio de venta al público de 199 €, o que se trata de un producto de consumo. Más bien, HTML sólo puede decir que el espacio de texto "X586172" es algo que debe colocarse cerca de "Acme Gizmo" y "€199", etc. No hay manera de decir "esto es un catálogo" o incluso de establecer que "Acme Gizmo" es una especie de título o ese "199€" es un precio. Tampoco hay forma de expresar que estas piezas de información están unidas para describir un elemento discreto, distinto de otros elementos que quizás aparezcan en la página.
HTML semántico se refiere a la práctica tradicional de HTML de marcar siguiendo la intención, en lugar de especificar los detalles del diseño directamente. Por ejemplo, el uso de <em>denotar "énfasis" en lugar de <i>, que especifica cursiva . Los detalles del diseño se dejan en manos del navegador, en combinación con las hojas de estilo en cascada . Pero esta práctica no llega a especificar la semántica de objetos como artículos en venta o precios.
Los microformatos amplían la sintaxis HTML para crear marcas semánticas legibles por máquinas sobre objetos, incluidas personas, organizaciones, eventos y productos. [13] Iniciativas similares incluyen RDFa , Microdata y Schema.org .
La Web Semántica lleva la solución más allá. Implica publicar en lenguajes diseñados específicamente para datos: marco de descripción de recursos (RDF), lenguaje de ontología web (OWL) y lenguaje de marcado extensible ( XML ). HTML describe documentos y los enlaces entre ellos. RDF, OWL y XML, por el contrario, pueden describir cosas arbitrarias como personas, reuniones o partes de un avión.
Estas tecnologías se combinan para proporcionar descripciones que complementen o reemplacen el contenido de los documentos web. Por lo tanto, el contenido puede manifestarse como datos descriptivos almacenados en bases de datos accesibles en la Web , [14] o como marcas dentro de documentos (particularmente, en HTML extensible ( XHTML ) intercalado con XML o, más a menudo, puramente en XML, con diseño o representación. señales almacenadas por separado). Las descripciones legibles por máquina permiten a los administradores de contenido agregar significado al contenido, es decir, describir la estructura del conocimiento que tenemos sobre ese contenido. De esta manera, una máquina puede procesar el conocimiento por sí misma, en lugar de texto, utilizando procesos similares al razonamiento deductivo y la inferencia humanos , obteniendo así resultados más significativos y ayudando a las computadoras a realizar investigaciones y recopilación de información automatizadas.
Un ejemplo de etiqueta que se usaría en una página web no semántica:
<elemento> blog </elemento>Codificar información similar en una página web semántica podría verse así:
<item rdf:about= "https://example.org/semantic-web/" > Web Semántica </item> Tim Berners-Lee llama a la red resultante de Linked Data el Gráfico Global Gigante , en contraste con la World Wide Web basada en HTML. Berners-Lee plantea que si el pasado era compartir documentos, el futuro es compartir datos . Su respuesta a la pregunta de "cómo" proporciona tres puntos de instrucción. Primero, una URL debe apuntar a los datos. Segundo, cualquiera que acceda a la URL debería recuperar los datos. Tres, las relaciones en los datos deben apuntar a URL adicionales con datos.
Las etiquetas , incluidas las categorías jerárquicas y las etiquetas que se añaden y mantienen de forma colaborativa (por ejemplo, con folksonomías ), pueden considerarse parte de la visión de la Web semántica, de uso potencial o un paso hacia ella. [15] [16] [17]
Se pueden utilizar identificadores únicos , incluidas categorías jerárquicas y agregadas de forma colaborativa, herramientas de análisis (por ejemplo, algoritmos scite.ai) [18] y metadatos , incluidas etiquetas, para crear formas de webs semánticas (webs que son hasta cierto punto semánticas). En particular, se ha utilizado para estructurar la investigación científica, entre otros, por temas de investigación y campos científicos, mediante los proyectos OpenAlex , [19] [20] [21] Wikidata y Scholia , que están en desarrollo y proporcionan API , páginas web, feeds y gráficos. para diversas consultas semánticas .
Tim Berners-Lee ha descrito la Web Semántica como un componente de la Web 3.0. [22]
La gente sigue preguntando qué es la Web 3.0. Creo que tal vez cuando tengas una superposición de gráficos vectoriales escalables (todo ondulándose, plegándose y pareciendo borroso) en la Web 2.0 y acceso a una Web semántica integrada en un enorme espacio de datos, tendrás acceso a un recurso de datos increíble. …
— Tim Berners-Lee, 2006
"Web Semántica" se utiliza a veces como sinónimo de "Web 3.0", [23] aunque la definición de cada término varía.
Algunos de los desafíos para la Web Semántica incluyen inmensidad, vaguedad, incertidumbre, inconsistencia y engaño. Los sistemas de razonamiento automatizados tendrán que abordar todas estas cuestiones para poder cumplir la promesa de la Web Semántica.
Esta lista de desafíos es ilustrativa más que exhaustiva y se centra en los desafíos a las capas de "lógica unificadora" y "prueba" de la Web Semántica. El informe final del Grupo Incubadora de Razonamiento de Incertidumbre para la World Wide Web [24] (URW3-XG) del World Wide Web Consortium (W3C) agrupa estos problemas bajo el único título de "incertidumbre". [25] Muchas de las técnicas mencionadas aquí requerirán extensiones del lenguaje de ontología web (OWL), por ejemplo, para anotar probabilidades condicionales. Esta es un área de investigación activa. [26]
La estandarización de la Web Semántica en el contexto de la Web 3.0 está bajo el cuidado del W3C. [27]
El término "Web Semántica" suele utilizarse de forma más específica para referirse a los formatos y tecnologías que la permiten. [5] La recopilación, estructuración y recuperación de datos vinculados son posibles gracias a tecnologías que proporcionan una descripción formal de conceptos, términos y relaciones dentro de un dominio de conocimiento determinado . Estas tecnologías se especifican como estándares W3C e incluyen:
La Web Semántica Stack ilustra la arquitectura de la Web Semántica. Las funciones y relaciones de los componentes se pueden resumir de la siguiente manera: [28]
Estándares bien establecidos:
Aún no realizado del todo:
La intención es mejorar la usabilidad y utilidad de la Web y sus recursos interconectados mediante la creación de servicios web semánticos , tales como:
<meta> etiquetas HTML utilizadas en las páginas web actuales para proporcionar información a los motores de búsqueda web que utilizan rastreadores web ). Esto podría ser información comprensible para máquinas sobre el contenido del documento comprensible para humanos (como el creador, título, descripción, etc.) o podrían ser puramente metadatos que representen un conjunto de hechos (como recursos y servicios en otras partes del sitio). ). Tenga en cuenta que cualquier cosa que pueda identificarse con un Identificador uniforme de recursos (URI) se puede describir, por lo que la web semántica puede razonar sobre animales, personas, lugares, ideas, etc. Hay cuatro formatos de anotación semántica que se pueden usar en documentos HTML; Microformato, RDFa, Microdatos y JSON-LD . [32] El marcado semántico a menudo se genera automáticamente, en lugar de manualmente..png/1280px-Revision_histories_of_argumentative_claims_from_the_online_debate_platform_Kialo_(collaborative_refinement_for_optimal_arguments).png)
Estos servicios podrían resultar útiles para los motores de búsqueda públicos o podrían utilizarse para la gestión del conocimiento dentro de una organización. Las aplicaciones comerciales incluyen:
En una corporación, hay un grupo cerrado de usuarios y la dirección puede hacer cumplir las directrices de la empresa, como la adopción de ontologías específicas y el uso de anotaciones semánticas . En comparación con la Web Semántica pública, existen menores requisitos de escalabilidad y, en general, la información que circula dentro de una empresa puede ser más confiable; la privacidad es un problema menor fuera del manejo de los datos del cliente.
Los críticos cuestionan la viabilidad básica de una realización total o incluso parcial de la Web Semántica, señalando tanto las dificultades para su creación como una falta de utilidad para fines generales que impide invertir el esfuerzo necesario. En un artículo de 2003, Marshall y Shipman señalan la sobrecarga cognitiva inherente a la formalización del conocimiento, en comparación con la creación de hipertexto web tradicional : [43]
Si bien aprender los conceptos básicos de HTML es relativamente sencillo, aprender un lenguaje o herramienta de representación del conocimiento requiere que el autor aprenda sobre los métodos de abstracción de la representación y su efecto en el razonamiento. Por ejemplo, comprender la relación clase-instancia, o la relación superclase-subclase, es más que comprender que un concepto es un "tipo de" otro concepto. [...] Estas abstracciones se enseñan a los científicos informáticos en general y a los ingenieros del conocimiento específicamente, pero no coinciden con el significado similar en lenguaje natural de ser un "tipo de" algo. El uso eficaz de dicha representación formal requiere que el autor se convierta en un ingeniero del conocimiento cualificado, además de cualquier otra habilidad requerida por el dominio. [...] Una vez que uno ha aprendido un lenguaje de representación formal, a menudo sigue siendo mucho más difícil expresar ideas en esa representación que en una representación menos formal [...]. De hecho, esta es una forma de programación basada en la declaración de datos semánticos y requiere una comprensión de cómo los algoritmos de razonamiento interpretarán las estructuras creadas.
Según Marshall y Shipman, la naturaleza tácita y cambiante de gran parte del conocimiento agrava el problema de la ingeniería del conocimiento y limita la aplicabilidad de la Web Semántica a dominios específicos. Otra cuestión que señalan son las formas específicas de dominio u organización de expresar el conocimiento, que deben resolverse mediante acuerdos comunitarios y no sólo por medios técnicos. [43] Resulta que las comunidades y organizaciones especializadas para proyectos dentro de la empresa han tendido a adoptar tecnologías de web semántica en mayor medida que las comunidades periféricas y menos especializadas. [44] Las limitaciones prácticas para la adopción han parecido menos desafiantes cuando el dominio y el alcance son más limitados que los del público en general y la World-Wide Web. [44]
Finalmente, Marshall y Shipman ven problemas pragmáticos en la idea de agentes inteligentes ( estilo Knowledge Navigator ) que trabajan en la Web Semántica, en gran medida curada manualmente: [43]
En situaciones en las que se conocen las necesidades de los usuarios y los recursos de información distribuidos están bien descritos, este enfoque puede resultar muy eficaz; En situaciones que no están previstas y que reúnen una variedad imprevista de recursos de información, el enfoque de Google es más sólido. Además, la Web Semántica se basa en cadenas de inferencia que son más frágiles; un elemento faltante de la cadena resulta en la imposibilidad de realizar la acción deseada, mientras que el ser humano puede proporcionar las piezas faltantes en un enfoque más parecido al de Google. [...] favorecer los metadatos de la Web Semántica especialmente creados y dirigidos a entrelazar recursos de información sensatos, bien estructurados y específicos de un dominio; Una atención especial a las necesidades de los usuarios/clientes impulsará a estas federaciones para que tengan éxito.
La crítica de Cory Doctorow (" metacrap ") [45] es desde la perspectiva del comportamiento humano y las preferencias personales. Por ejemplo, las personas pueden incluir metadatos falsos en páginas web en un intento de engañar a los motores de la Web Semántica que ingenuamente asumen la veracidad de los metadatos. Este fenómeno era bien conocido con las metaetiquetas que engañaban al algoritmo de clasificación de Altavista para elevar la clasificación de determinadas páginas web: el motor de indexación de Google busca específicamente este tipo de intentos de manipulación. Peter Gärdenfors y Timo Honkela señalan que las tecnologías de la web semántica basadas en la lógica cubren sólo una fracción de los fenómenos relevantes relacionados con la semántica. [46] [47]
El entusiasmo por la web semántica podría verse atenuado por preocupaciones relativas a la censura y la privacidad . Por ejemplo, las técnicas de análisis de texto ahora se pueden eludir fácilmente utilizando otras palabras, por ejemplo metáforas, o utilizando imágenes en lugar de palabras. Una implementación avanzada de la web semántica haría mucho más fácil para los gobiernos controlar la visualización y creación de información en línea, ya que esta información sería mucho más fácil de entender para una máquina automatizada de bloqueo de contenido. Además, también se ha planteado la cuestión de que, con el uso de archivos FOAF y metadatos de geolocalización , habría muy poco anonimato asociado con la autoría de artículos sobre cosas como un blog personal. Algunas de estas preocupaciones se abordaron en el proyecto "Policy Aware Web" [48] y es un tema activo de investigación y desarrollo.
Otra crítica a la web semántica es que llevaría mucho más tiempo crear y publicar contenido porque necesitaría haber dos formatos para un dato: uno para visualización humana y otro para máquinas. Sin embargo, muchas aplicaciones web en desarrollo están abordando este problema creando un formato legible por máquina tras la publicación de datos o la solicitud de dichos datos por parte de una máquina. El desarrollo de los microformatos ha sido una reacción a este tipo de críticas. Otro argumento en defensa de la viabilidad de la web semántica es la probable caída del precio de las tareas de inteligencia humana en los mercados laborales digitales, como Mechanical Turk de Amazon . [ cita necesaria ]
Especificaciones como eRDF y RDFa permiten incrustar datos RDF arbitrarios en páginas HTML. El mecanismo GRDDL (Obtención de descripciones de recursos a partir de dialectos del lenguaje) permite que el material existente (incluidos los microformatos) se interprete automáticamente como RDF, por lo que los editores solo necesitan utilizar un único formato, como HTML.
El primer grupo de investigación que se centró explícitamente en la Web Semántica Corporativa fue el equipo ACACIA en INRIA-Sophia-Antipolis , fundado en 2002. Los resultados de su trabajo incluyen el motor de búsqueda Corese [49] basado en RDF(S) y la aplicación de la web semántica. tecnología en el ámbito de la inteligencia artificial distribuida para la gestión del conocimiento (por ejemplo, ontologías y sistemas multiagente para la Web semántica corporativa) [50] y el aprendizaje electrónico . [51]
Desde 2008, el grupo de investigación de Web Semántica Corporativa, ubicado en la Universidad Libre de Berlín , se centra en los componentes básicos: Búsqueda Semántica Corporativa, Colaboración Semántica Corporativa e Ingeniería de Ontología Corporativa. [52]
La investigación en ingeniería de ontologías incluye la cuestión de cómo involucrar a usuarios no expertos en la creación de ontologías y contenido anotado semánticamente [53] y en la extracción de conocimiento explícito de la interacción de los usuarios dentro de las empresas.
Tim O'Reilly , quien acuñó el término Web 2.0, propuso una visión a largo plazo de la Web Semántica como una red de datos, donde aplicaciones sofisticadas los navegan y manipulan. [54] La red de datos transforma la World Wide Web de un sistema de archivos distribuido a una base de datos distribuida . [55]
{{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite book}}: |work=ignorado ( ayuda )
Medios de los comunes
Libros de texto de Wikilibros
Datos de Wikidata