语义网

语义网是让网络数据具有可被机器处理的明确结构与关系的一组理念和技术。它以可识别的资源、可共享的词汇和标准化的数据表达为基础，旨在让数据能够跨应用连接、查询与复用；它并非让计算机像人一样理解自然语言。

通常所说的语义网（Semantic Web）是万维网中的一条技术路线与愿景：在传统网页之间可供人阅读的超链接之外，也让数据资源及其关系以机器可处理的形式发布和连接。W3C 对这一愿景的解释是“数据之网”：数据不必被锁在单个应用中，而可通过通用网络基础设施及共同框架，在不同应用、组织或社群之间被访问、共享和复用。这里的“语义”指数据模型中可由规范解释的标识、类别和关系，不是系统自动领会日常语言里所有含义。

网页上的链接主要指向页面或文件，链接文字通常由人推断其关系；语义数据则可以把关系本身作为带有名称的机器可读信息。例如，不只把一位作者和一部作品分别放在网页上，还可以用明确的关系表达“某人—创作—某作品”。不同系统能否正确交换信息，取决于它们是否能识别资源标识、理解关系词汇和遵守数据格式，而不仅是能否打开同一个网址。

语义网不是另一张与万维网平行的网络，也不是要求所有网页都转换成某一种格式的计划。W3C 技术生态包含可组合的标准和实践，应用可按需求选择所用层次。数据可以来自网页、数据库、表格或既有服务，发布方式也可以不同。把语义网看作一组支持互操作数据表达的方法，比把它理解成一个固定软件平台更准确。

互操作的第一步是让不同系统可以指向同一个资源。Web 标识符（在 RDF 中常用 IRI）允许人或系统在不同数据集中引用资源；资源名称只是标签，不一定是稳定身份。若两个来源都出现“水星”，仅靠相同字符串无法判断它们指的是行星、元素或其他对象；标识符和上下文关系能提供更明确的区分。标识符本身也不保证其指向的信息正确或仍然可用，仍需维护与治理。

W3C 的 RDF 1.1 将 RDF 图定义为三元组的集合。每个三元组由主语、谓语和宾语组成，用一个关系词把资源与另一资源或值联系起来。RDF 是数据模型，不等于单一文本语法：Turtle、RDF/XML、JSON-LD 等是不同的具体序列化方式。JSON-LD 以 JSON 为基础表达链接数据，可作为与既有 Web 程序和服务衔接的一种格式；RDFa 则可在 HTML 等内容中嵌入结构化数据。选用一种格式不等于完成数据互联，关键还在于所用标识和词汇能被其他系统复用。

词汇表和本体为数据描述提供术语约定。RDF Schema 可表达类别、属性及其层级；OWL 提供更丰富的形式化本体表达；SKOS 适用于共享和链接分类表、主题词表等知识组织体系。它们承担的功能不同，复杂度也不同，不是每个数据项目都需要完整 OWL 本体。一个社群也可以使用已有词汇，或为特定范围定义少量术语；但定义应有稳定标识、清楚文档和明确使用边界，否则相同词可能被不同系统解释成不同东西。

数据发布后，应用需要发现和使用它。SPARQL 1.1 是 W3C 针对 RDF 的查询与操作规范套件，其中查询语言支持按图模式匹配，能够返回变量绑定、布尔结果或构造出的新 RDF 图。对于分布在多个服务的数据，标准体系中还有联邦查询等机制。SPARQL 面向 RDF 图；如果底层是其他数据模型或服务，就需要相应的查询方式或映射层。

语义模型有时还能支持推导。若词汇表或本体声明了明确关系和规则，处理器可在特定语义条件下得到蕴含结论，或发现结构矛盾。此类推导依赖所用规则、数据范围和语义解释；“系统能推得结论”不表示结论一定是现实真相。推理可回答的问题也可能比人类问题窄得多。对需要审计的场景，数据来源、时间、许可、版本和推理依据应一并设计，否则下游用户难以判断某项声明的来历或时效。

语义网项目可以选择把数据直接存为 RDF，也可以从关系数据库、文档或 API 暴露 RDF 视图。W3C 的早期 FAQ 说明，数据并不必然要在物理层全部转换并永久存储为 RDF；也可以通过映射或处理流程按请求生成可交换表达。因此，建设重点应放在数据契约、映射准确度和访问方式上，而非盲目追求某一种存储格式。

例如，设想某图书馆目录与研究机构库都描述作者和作品：前者使用“作者”，后者把相近角色称为“贡献者”。即使两套数据都使用 RDF，它们仍需明确词汇映射，并确认实体标识是否指向同一人物或作品，才能安全地做跨库查询；不同字段名字也可能记录的是不同关系。共享语法只是互操作前提之一，不自动统一概念。项目还应约定标识符由谁维护、词汇如何更新，以及结果展示需要保留什么来源信息。若用户通过自然语言询问“某作者参与过哪些作品”，某个搜索系统也可仅靠索引、词典或模型处理这个问题，而不对外发布 RDF 数据；反过来，语义网服务提供机器可处理的关系数据，也不保证能够直接理解任意自然语言问句。这个假设示例只说明技术边界，不描述真实项目。

互操作也有层次：可下载同一种序列化文件解决的是句法兼容；字段怎样组织涉及结构兼容；术语有统一定义、稳定标识和可追溯映射，才支撑更强的语义对齐。项目若只完成第一层，仍可能需要应用规则处理单位、时间、角色范围和空值解释的差异，不能把格式检查通过当作概念已一致。若一个数据源中的“日期”表示发布日期，另一个源中的同名字段表示创作日期，即使字段名称相同，合并后回答的问题也可能改变；标准不会替参与者裁定哪一种含义适用于某个查询。

知识图谱通常是以对象及其关系组织知识的一种表示或应用结果，可以使用 RDF 等语义网技术，也可使用其他图数据模型。语义网覆盖的是更广的数据标识、描述、连接、查询和语义互操作方向；知识图谱则聚焦具体知识集合如何被组织。一个知识图谱可以不对外发布，也不一定是“Web 的”数据；一个语义网应用也可能只提供词汇或数据接口，而不是完整知识图谱。可参见站内词条“知识图谱”。

本体工程关注如何分析领域概念、定义类别与关系、形成并维护可复用的形式模型，是语义网技术生态中的建模工作之一，不等同于语义网整体。语义搜索则描述按含义、实体或上下文改善检索的产品功能，可借助知识图谱、自然语言处理、机器学习或词汇索引实现；即使功能被称为“语义搜索”，也不意味着底层系统遵循 W3C 语义网数据标准。

“Web 3.0”在不同讨论中可能指不同网络构想。为避免歧义，本文不把它直接作为语义网的同义词；讨论技术时应尽量写明所指的具体标准、数据模型或产品。语义网也不是区块链或生成式人工智能的别称，尽管这些技术可以在某些应用中与结构化数据技术组合。

当数据分散在多个系统、同一个概念有多种表达、应用需要跨来源链接资源，或希望机器依据明示关系和约定执行查询时，语义网相关技术值得评估。图书馆目录、科研成果、地理资源或组织数据都可以通过共享标识和词汇获得更一致的跨源描述。W3C 标准让参与者可以采用共同数据模型与交换方式，但标准只解决表达和互操作的一部分问题，不会自动清洗源数据、协调机构分歧或更新失效记录。

难点常在数据建模与治理：旧系统的字段含义可能不一致，实体标识可能重复或缺失，词汇映射可能有损，来源数据可能不完整。多个组织即便采用 RDF，也可能使用不同术语、推理规则或时间约定。对外开放数据时，发布者还须核查数据许可和隐私；将原本分散的记录连接起来可能提高可识别性，不能因格式开放而忽略访问控制。

语义网适合用来解决清晰定义的数据互操作问题，不宜被承诺为“让机器理解一切”的方案。若任务只是提供网页导航、全文搜索、内部报表或少量固定数据库关联，普通超链接、搜索索引或关系型数据模型可能更简单。项目是否受益应由目标查询、跨源一致性、更新成本、数据质量和安全要求决定，而不是由是否使用了某个标准名称决定。

• W3C：Semantic Web Frequently Asked Questions
• W3C：Semantic Web Standards
• W3C：RDF 1.1 Concepts and Abstract Syntax
• W3C：JSON-LD 1.1
• W3C：RDFa Core 1.1
• W3C：OWL 2 Web Ontology Language Document Overview
• W3C：SKOS Simple Knowledge Organization System Reference
• W3C：SPARQL 1.1 Overview