Las consultas semánticas permiten realizar consultas y análisis de naturaleza asociativa y contextual . Las consultas semánticas permiten recuperar información derivada tanto explícita como implícitamente a partir de información sintáctica , semántica y estructural contenida en los datos. Están diseñadas para ofrecer resultados precisos (posiblemente la selección distintiva de una única pieza de información) o para responder a preguntas más confusas y abiertas a través de la comparación de patrones y el razonamiento digital .
Las consultas semánticas funcionan en gráficos con nombre , datos vinculados o tripletas . Esto permite que la consulta procese las relaciones reales entre la información e infiera las respuestas a partir de la red de datos . Esto contrasta con la búsqueda semántica , que utiliza la semántica (el significado de las construcciones del lenguaje) en texto no estructurado para producir un mejor resultado de búsqueda. (Véase procesamiento del lenguaje natural ).
Desde un punto de vista técnico, las consultas semánticas son operaciones precisas de tipo relacional, muy similares a una consulta de base de datos . Funcionan con datos estructurados y, por lo tanto, tienen la posibilidad de utilizar funciones integrales como operadores (por ejemplo, >, < y =), espacios de nombres, coincidencia de patrones , subclasificación , relaciones transitivas , reglas semánticas y búsqueda de texto completo contextual . La pila de tecnología de web semántica del W3C ofrece SPARQL [1] [2] para formular consultas semánticas en una sintaxis similar a SQL . Las consultas semánticas se utilizan en almacenes de triples , bases de datos de grafos , wikis semánticos , lenguaje natural y sistemas de inteligencia artificial .
Las bases de datos relacionales representan todas las relaciones entre datos de manera implícita solamente. [3] [4] Por ejemplo, las relaciones entre clientes y productos (almacenadas en dos tablas de contenido y conectadas con una tabla de vínculo adicional) solo surgen en una declaración de consulta ( SQL en el caso de bases de datos relacionales) escrita por un desarrollador. Escribir la consulta exige un conocimiento exacto del esquema de la base de datos . [5] [6]
Los datos vinculados representan todas las relaciones entre los datos de una manera explícita . En el ejemplo anterior, no es necesario escribir ningún código de consulta. Se puede obtener automáticamente el producto correcto para cada cliente. Si bien este ejemplo simple es trivial, el verdadero poder de los datos vinculados entra en juego cuando se crea una red de información (clientes con su información geoespacial como ciudad, estado y país; productos con sus categorías dentro de subcategorías y supercategorías). Ahora el sistema puede responder automáticamente a consultas y análisis más complejos que buscan la conexión de una ubicación particular con una categoría de producto. Se omite el esfuerzo de desarrollo para esta consulta. La ejecución de una consulta semántica se lleva a cabo recorriendo la red de información y encontrando coincidencias (también llamado Travesía de grafos de datos ).
Otro aspecto importante de las consultas semánticas es que el tipo de relación puede utilizarse para incorporar inteligencia al sistema. La relación entre un cliente y un producto tiene una naturaleza fundamentalmente diferente a la relación entre un barrio y su ciudad. Esta última permite al motor de consultas semánticas inferir que un cliente que vive en Manhattan también vive en la ciudad de Nueva York, mientras que otras relaciones pueden tener patrones más complejos y "análisis contextuales". Este proceso se denomina inferencia o razonamiento y es la capacidad del software de derivar nueva información basándose en hechos determinados.