[[379872]]

【引子】 “海內(nèi)存知己，天涯若比鄰”， 這是石頭兄弟推薦給我的一篇關于語義網(wǎng)的綜述性文章，刊載于《美國計算機學會通訊》第64卷第2期——“A Review of the Semantic Web Field”(https://cacm.acm.org/magazines/2021/2/250085-a-review-of-the-semantic-web-field/fulltext)，作者是Pascal Hitzler。老碼農(nóng)認真研讀，頗有收獲，編譯成文。

“語義網(wǎng)”(Semantic Web)和“人工智能”一樣，都指的是一個研究領域，而不是一個具體的產(chǎn)品。語義網(wǎng)是一個豐富的研究和應用領域，借鑒了計算機科學內(nèi)部或鄰近的許多學科。有時候，人們使用“語義網(wǎng)技術”這個術語被用來描述這一領域中出現(xiàn)的一系列方法和工具，以避免術語上的混淆。語義網(wǎng)領域不僅在研究和應用的方法和目標方面非常不同，而且有許多不同但又相互關聯(lián)的次級社區(qū)，每個社區(qū)都可能對該領域的歷史和當前狀況作出相當不同的敘述。

那么，語義網(wǎng)是一個關于什么的研究領域呢?答案可能是主觀的，因為在這個領域里沒有明確的共識。

一種觀點認為，該領域的長期目標是創(chuàng)建語義網(wǎng)產(chǎn)品 ，以及創(chuàng)建、維護和應用所需的所有必要工具和方法。相對于目前大多數(shù)主要面向人類消費的網(wǎng)絡，這里的語義網(wǎng)通常被設想為機器可理解的信息以及利用這些信息的服務(智能代理)來增強當前的互聯(lián)網(wǎng)。這種觀點可以追溯到2001年《科學美國人》的一篇文章，可以說標志著這個領域的誕生。在這種情況下，提供機器可理解的信息是通過為數(shù)據(jù)賦予元數(shù)據(jù)來完成的。在語義網(wǎng)中，這些元數(shù)據(jù)通常采用本體論的形式，或者至少是一種具有基于邏輯語義的形式語言，允許對數(shù)據(jù)的意義進行推理。如果再加上智能代理將利用這些信息的理解，會發(fā)現(xiàn)語義網(wǎng)領域與人工智能領域有著顯著的重疊。事實上，在過去大多數(shù)主要的人工智能會議上，都有明確的“語義網(wǎng)”的印記。

另一種更近期的觀點是，語義網(wǎng)領域的開發(fā)方法及工具與互聯(lián)網(wǎng)無關的應用，即使不使用機器可理解的數(shù)據(jù)建立智能代理，這些應用也能提供附加值。事實上，早期業(yè)界對這個領域的興趣，旨在將語義網(wǎng)技術應用于信息集成和管理。從這個角度來看，可以說這個領域是關于建立高效的(即低成本的)數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用的方法和工具，而互聯(lián)網(wǎng)在這方面可能只是數(shù)據(jù)傳輸?shù)墓ぞ摺＿@種理解使它更接近數(shù)據(jù)庫，或者數(shù)據(jù)科學的數(shù)據(jù)管理部分。

通過將語義網(wǎng)描述為以 W3C 標準 RDF、 OWL 和 SPARQL 為核心來研究本體論、關聯(lián)數(shù)據(jù)和知識圖譜的基礎和應用，可以對該領域進行限制，但實際上可能是相對精確的描述。

或許，這幾個視角都有各自的優(yōu)點，語義網(wǎng)的研究領域存在于它們的融合之中，本體論、關聯(lián)數(shù)據(jù)、知識圖譜是這個領域的關鍵概念，圍繞 RDF、 OWL 和 SPARQL 的 W3C 標準構成了技術交流方式，它們在語法(在某種程度上是語義)層面上達成了統(tǒng)一; 語義網(wǎng)領域應用的目的是建立有效的數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用的方法(無論是否針對 Web) ; 作為驅動力的長期愿景是在的某個時刻，將語義網(wǎng)建立為一個完整的基于智能代理的應用環(huán)境。

“治學先治史”，讓我們看看過去這些年語義網(wǎng)領域出現(xiàn)的關鍵概念、標準和突出成果。

語義網(wǎng)的發(fā)展階段

當一個研究領域誕生時，確定任何特定的時間點當然是有爭議的。然而，2001年 Berners-Lee 等人在《科學美國人》上發(fā)表的一篇文章是一個早期的里程碑，為這一新興領域提供了重要的線索。而且，那是在世紀之初，當時語義網(wǎng)領域在社區(qū)規(guī)模、學術生產(chǎn)力和最初的產(chǎn)業(yè)興趣等方面處于非常重要的上升初期。

但是，已經(jīng)有人在早期做出了努力。從2000年運行到2006年的DAML項目，目標是開發(fā)一種語義 Web 語言和相應的工具。由歐盟資助的 On-To-Knowledge 項目，運行于2000-2002年，產(chǎn)生了 OIL 語言，后來與 DAML 合并，最終產(chǎn)生了網(wǎng)絡本體語言的W3C標準。為網(wǎng)絡數(shù)據(jù)賦予機器可讀或“可理解”的元數(shù)據(jù)，這一更為普遍的想法可以追溯到互聯(lián)網(wǎng)本身的起源。例如，早在1997年就發(fā)表了資源描述框架(RDF)的初稿。

從21世紀初開始，可以分為三個相互重疊的階段，每個階段都由一個關鍵概念驅動，也就是說，語義網(wǎng)領域的主要焦點至少轉移了兩次。第一階段是由本體論驅動的，它跨越了21世紀初到21世紀中期; 第二階段是由關聯(lián)數(shù)據(jù)驅動的，一直延伸到21世紀10年代初。第三階段到現(xiàn)在都是由知識圖譜驅動的。

本體論

在21世紀的大部分時間里，這個領域的工作都以本體論為中心，當然，這個概念有著更為古老的淵源。本體是共享概念化的一個正式的、明確的規(guī)范ーー盡管有人可能認為這個定義仍然需要解釋，但還是相當通用的。在一個更精確的意義上 ，本體論實際上是一個概念(即，類型或類別，如“哺乳動物”和“胎生動物”)及其關系(如“哺乳動物產(chǎn)下胎生動物”)的知識庫，在一個基于形式邏輯的本體語言中指定。在語義網(wǎng)上下文中，本體是數(shù)據(jù)集成、共享和發(fā)現(xiàn)的主要工具，一個重要的思想是本體本身應該可以被其他人重用。

2004年，網(wǎng)絡本體語言的OWL成為了W3C 標準，為該領域提供了進一步的燃料。OWL的核心是基于描述邏輯，也就是說，基于一階謂詞邏輯的子語言，只使用一元謂詞和二元謂詞，限制使用量詞，設計的方式使得語言上的邏輯演繹推理是可判定的。

同樣在2004年，資源描述框架(RDF)也成為了W3C標準。本質上，RDF是一種用于表達標記化并類型化的有向圖的語法，它使用OWL指定類型及其關系的本體，然后在RDF圖中使用這些類型，并將這些關系作為邊。從這個角度來看，OWL本體可以作為RDF圖的模式(或類型邏輯)。

一個用于RDF查詢語言的 W3C 標準，稱為 SPARQL，在2008年發(fā)布，在2013年進行了更新，3與 OWL 更加兼容。在RDF、 OWL和SPARQL周邊的其他標準已經(jīng)或正在開發(fā)，其中一些已經(jīng)獲得了重大的進展，例如，語義傳感器網(wǎng)絡本體論或起源本體論，以及SKOS 簡單知識組織系統(tǒng)。

通過在W3C的所有這些關鍵標準，與其他關鍵 W3C 標準之間的基本兼容性得到了維護。例如，XML 作為RDF和OWL的語法序列化和交換格式。所有 W3C 語義 Web 標準還使用 IRI 作為 RDF圖中的標識符，并使用了OWL類名和數(shù)據(jù)類型標識符等。

在語義網(wǎng)上下文中，本體是數(shù)據(jù)集成、共享和發(fā)現(xiàn)的主要工具，一個重要的思想是本體本身應該可以被其他人重用。

DARPA的 DAML 項目在2006年結束，隨后在基礎語義網(wǎng)研究方面幾乎沒有大規(guī)模的資助項目。因此，大部分相應的研究要么轉移到應用領域，比如醫(yī)療保健或國防領域的數(shù)據(jù)管理，要么轉移到相鄰的領域。相比之下，歐盟的框架方案，特別是 FP6(2002-2006)和 FP7(2007-2013) ，為基礎和面向應用的語義網(wǎng)研究提供了大量資金。在語義網(wǎng)研究社區(qū)的組成中，可以看到這個社區(qū)主要是歐洲人。社區(qū)的規(guī)模難以評估，但自2000年代中期以來，該領域的主要會議——“國際語義網(wǎng)會議”平均每年吸引了600多名參與者。

工業(yè)界的興趣從一開始就很大，但幾乎不可能描述關于工業(yè)活動相關水平的可靠數(shù)據(jù)。主要和較小的公司已經(jīng)參與了大規(guī)模的基礎或應用研究項目，特別是根據(jù)歐盟 FP 6和7。工業(yè)界的興趣已經(jīng)改變了研究團體的焦點。

一些大規(guī)模的本體論(通常早于語義 Web 社區(qū))在這個時期成熟了。例如，于1998年開始的基因本體論，現(xiàn)在已經(jīng)是一個非常突出的資源。另一個例子是 SNOMED CT，它可以追溯到1960年，但現(xiàn)在已經(jīng)在OWL中完全正式化，并廣泛用于電子健康記錄。

正如計算機科學研究中經(jīng)常出現(xiàn)的情況一樣，在2005年前后，人們最初對短期取得突破性結果的期望開始降低，開始更為冷靜看待這一問題。大多數(shù)本體論是在這一時期開發(fā)的，其形式通常是基于臨時建模的意義，作為開發(fā)本體論的方法，但尚未產(chǎn)生具體的結果，結果是難以維護和重用。這一點，再加上當時開發(fā)良好的本體論所需的大量前期成本，為研究團體轉移注意力鋪平了道路，這也許可以被理解為與21世紀初強烈的基于本體論的方法相對立。

關聯(lián)數(shù)據(jù)

2006年見證了“關聯(lián)數(shù)據(jù)”的誕生，如果重點是在免費許可下的開放、公開和可用性，則稱為“關聯(lián)開放數(shù)據(jù)”。關聯(lián)數(shù)據(jù)很快成為語義網(wǎng)研究和應用程序的主要驅動力，并一直持續(xù)到2010年左右。

關聯(lián)數(shù)據(jù)由一組RDF圖組成，這些RDF圖是關聯(lián)的，因為圖中的許多IRI標識符也出現(xiàn)在其他的圖中，可以是多個圖中。從某種意義上說，所有這些關聯(lián)的RDF圖集合可以理解為一個非常大的 RDF 圖。

如下圖所示，公開可用的關聯(lián)RDF圖的數(shù)量在第一個十年中在顯著增長; 數(shù)據(jù)來自關聯(lián)開放數(shù)據(jù)云網(wǎng)站，該網(wǎng)站并不包含所有RDF數(shù)據(jù)集。2015年的一篇論文報道了“來自超過65萬個數(shù)據(jù)文檔的超過370億個三元組”，這也只是所有可以在互聯(lián)網(wǎng)上自由訪問的 RDF三元組的集合。例如，大型數(shù)據(jù)提供者通常只提供基于SPARQL的查詢接口，或者使用RDF進行內(nèi)部數(shù)據(jù)組織，但只通過Web 頁面向外部提供服務。關聯(lián)開放數(shù)據(jù)云中的數(shù)據(jù)集覆蓋了各種各樣的主題，包括地理、政府、生命科學、語言學、媒體、科學出版物和社交網(wǎng)絡。

隨著時間的推移，關聯(lián)數(shù)據(jù)開放云中 RDF 圖的數(shù)量

其中最著名和最常用的關聯(lián)數(shù)據(jù)集是 DBpedia，這是從 Wikipedia (以及最近的 Wikidata)中提取的關聯(lián)數(shù)據(jù)集。2016年4月發(fā)布的數(shù)據(jù)集包括了約600萬個實體和約95億個RDF三元組。由于其廣泛的主題覆蓋(基本上是維基百科中的所有內(nèi)容) ，而且它是最早提供的鏈接數(shù)據(jù)集之一，DBpedia 在關聯(lián)數(shù)據(jù)開放云中發(fā)揮著核心作用: 許多其他數(shù)據(jù)集都會鏈接到它，因此它已成為關聯(lián)數(shù)據(jù)的樞紐。

從一開始，業(yè)界就對關聯(lián)數(shù)據(jù)產(chǎn)生了濃厚的興趣。例如，BBC是第一個重要的行業(yè)貢獻者，紐約時報公司和Facebook是早期采用者。然而，業(yè)界的興趣似乎主要在于利用關聯(lián)數(shù)據(jù)技術進行數(shù)據(jù)集成和管理，而這些數(shù)據(jù)往往不會在開放的互聯(lián)網(wǎng)上顯示出來。

在關聯(lián)數(shù)據(jù)的時代，本體論扮演了一個不那么重要的角色。它們通常被用作模式，可以告知RDF 數(shù)據(jù)集的內(nèi)部結構，然而，相對于本體論時代的過度承諾和深度研究，關聯(lián)數(shù)據(jù)云中的RDF圖中的信息是膚淺和相對簡單的。在這段時間里，人們有時會說本體論不能被重用，而且一種更簡單的方法，主要基于利用 RDF 和數(shù)據(jù)集之間的鏈接，對于數(shù)據(jù)集成、管理和線上線下的應用程序有著更現(xiàn)實的作用。也正是在這個時期，基于RDF的數(shù)據(jù)組織詞匯表與本體的關系并不大。

也正是在這段時間(2011年)里，schema.org 登場了。最初由Bing、 Google 和雅虎推動，后來yandex也加入進來，公開了一個相對簡單的本體論體系，并建議網(wǎng)站提供商使用schema.org的詞匯表在各自的網(wǎng)站上注釋(即鏈接)實體。作為回報，schema.org背后的 Web 搜索引擎提供商承諾通過利用注釋作為元數(shù)據(jù)來改善搜索結果。在2015年，大約有超過30% 的頁面使用了schema.org的注釋。

2012年發(fā)起的另一個重要項目是Wikidata，該項目最初是德國wikimedia協(xié)會的一個項目，由谷歌、 Yandex 和Allen人工智能研究所等機構資助。Wikidata 基于與維基百科類似的想法，即眾包信息。然而，維基百科提供了百科全書式的文本(以人類讀者為主要消費者) ，Wikidata 則是關于創(chuàng)建可用于程序或其他項目的結構化數(shù)據(jù)。例如，許多其他wikimedia包括維基百科，使用Wikidata提供一些信息，然后呈現(xiàn)給人類讀者。Wikidata已經(jīng)擁有了超過6600萬個的數(shù)據(jù)項，自項目啟動以來已經(jīng)進行了超過10億次的編輯，并且有超過20000個活躍用戶。

在21世紀10年代早期，關聯(lián)數(shù)據(jù)的最初炒作開始讓位于一種更為冷靜的觀點。雖然關聯(lián)數(shù)據(jù)確實有一些突出的用途和應用，但結果表明，集成和利用關聯(lián)數(shù)據(jù)需要比最初的預期付出更多的努力。可以說，用于關聯(lián)數(shù)據(jù)的淺顯的非表達性模式似乎是可重用性的一個主要障礙，最初期望數(shù)據(jù)集之間的相互聯(lián)系會以某種方式解釋這一弱點，但似乎并沒有實現(xiàn)。這不應被理解為貶低了鏈接數(shù)據(jù)給該領域及其應用帶來的重大進展: 僅僅以某種結構化的格式提供數(shù)據(jù)，遵循一個突出的標準，就意味著可以使用現(xiàn)有工具訪問、集成和管理數(shù)據(jù)，然后進行利用。這比以語法和概念上更加異構的形式提供數(shù)據(jù)要容易得多。但是，尋求更有效的數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用的方法當然和以往一樣重要，而且正在開始。

知識圖譜

2012年，當谷歌推出它的知識圖譜時，一個新的術語出現(xiàn)了。例如，可以通過在 google 網(wǎng)站上搜索知名實體來查看 Google知識圖譜的部分內(nèi)容: 在鏈接到網(wǎng)頁的搜索結果旁邊顯示一個所謂的信息框，顯示來自Google知識圖譜的信息。下圖給出了這種信息框的一個例子，搜索 Kofi Annan 就可以找到這個例子。人們可以通過跟隨一個超鏈接從這個節(jié)點導航到圖譜中的其他節(jié)點，例如，到 Nane Maria Annan，她與 Kofi Annan 節(jié)點有配偶關系。在這個鏈接之后，Nane Maria Annan 的一個新的信息框被顯示在同一個詞的搜索結果旁邊。

在 google 上搜索“ Kofi Annan”后的 Google知識圖譜節(jié)點

雖然 Google 沒有提供可下載的知識圖譜，但它提供了內(nèi)容訪問的API，這個API 使用標準的schema.org類型，并且滿足JSON-LD格式，這實際上是W3C RDF 標準化的另一種語法。

然而，考慮到語義網(wǎng)技術的歷史，特別是之前討論過的關聯(lián)數(shù)據(jù)和本體論，知識圖譜仿佛是一種直接來自語義網(wǎng)領域的新構想，關注的重點發(fā)生了顯著轉變。

其中一個不同之處在于開放性: 正如關聯(lián)開放數(shù)據(jù)這個術語從一開始就暗示的那樣，語義網(wǎng)社區(qū)的關聯(lián)數(shù)據(jù)工作大多以開放共享數(shù)據(jù)為其目標之一，這意味著關聯(lián)數(shù)據(jù)大多可以免費下載，或者由支持SPARQL的服務提供，并且重要的是在社區(qū)中使用非限制性許可。wikidata作為一個知識圖譜也是開放共享的。相比之下，圍繞知識圖譜的活動往往是由行業(yè)主導的，而主要的應用并不是真正開放的。

另一個區(qū)別是集中控制與自下而上的社區(qū)貢獻: 在某種意義上，關聯(lián)數(shù)據(jù)云是目前已知最大的現(xiàn)有知識圖譜，但它不是一個簡潔的實體。相反，它由松散且相互關聯(lián)的單個子圖組成，每個子圖都由它自己的結構、表示模式等控制。相比之下，知識圖譜通常被理解為更具內(nèi)部一致性和更嚴格控制的組件服務。因此，對于沒有嚴格質量控制的外部圖表的價值受到質疑，而內(nèi)容和/或基礎模式的質量受到更多關注。

最大的區(qū)別可能是從學術研究到工業(yè)應用的轉變。因此，圍繞知識圖譜的活動是由強大的工業(yè)用例及可感知的附加價值推動的，沒有公開的正式評估。

語義網(wǎng)與其他領域和學科的關系

與機器學習那樣的其他領域不同，語義網(wǎng)領域主要不是由該領域固有的某些方法驅動的。相反，它是由一個共同的愿景驅動的，因此，它根據(jù)需要借鑒了其他學科。

例如，語義網(wǎng)領域作為人工智能的一個子學科，與知識的表示有著密切的關系，因為知識圖譜和本體論來表示語言可以被理解，而且與知識表示的語言密切相關，描述邏輯作為支撐網(wǎng)絡本體語言 OWL的邏輯學，發(fā)揮著核心作用。語義網(wǎng)的應用需求也推動或啟發(fā)了描述邏輯的研究，以及對不同知識表示方法(如規(guī)則和描述邏輯)之間橋接的研究。

數(shù)據(jù)庫領域顯然是密切相關的，如(元)數(shù)據(jù)管理和圖的結構化數(shù)據(jù)有一個自然的家園，也是重要的語義網(wǎng)領域。然而，語義網(wǎng)研究的重點主要集中在異構數(shù)據(jù)源的概念集成上;，例如，如何克服不同的數(shù)據(jù)組織方式; 在大數(shù)據(jù)術語中，語義網(wǎng)的重點主要是數(shù)據(jù)的多樣性。

自然語言處理作為一種應用工具，在知識圖譜和本體集成、自然語言查詢應答、文本知識圖譜或本體構造等方面發(fā)揮著重要作用。

機器學習，特別是深度學習，正在改進語義網(wǎng)上下文中困難任務的處理能力，例如知識圖譜補全，數(shù)據(jù)清洗等等。與此同時，語義網(wǎng)技術正在研究提高人工智能的可解釋性。

在網(wǎng)絡物理系統(tǒng)和物聯(lián)網(wǎng)的某些方面也正在研究使用語義網(wǎng)技術，例如，在智能制造(工業(yè)4.0)、智能能源網(wǎng)和智能建筑等等。

生命科學的一些領域受益于語義網(wǎng)技術已經(jīng)有相當長的歷史了，例如，前面提到的 SNOMED-CT 和基因本體論。一般來說，生物醫(yī)學領域是語義網(wǎng)概念的早期采用者。另一個突出的例子是由語義網(wǎng)技術驅動的ICD開發(fā)。

語義網(wǎng)技術其他潛在的應用領域可以是任何需要數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用的場景，例如在地球科學或數(shù)字人文學科。

語義網(wǎng)的未來

毫無疑問，語義網(wǎng)領域的宏偉目標尚未實現(xiàn)，無論是將語義網(wǎng)作為一個產(chǎn)品來創(chuàng)建，還是為數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用提供解決方案，使其變得完全容易和輕松。正如關于知識圖譜、schema.org和生命科學本體論的討論所證明的那樣，這并不意味著中間結果沒有實際用途。

然而，為了向更大的目標前進，幾乎每一個子領域的語義網(wǎng)都需要進一步的發(fā)展。例如，工業(yè)知識圖譜，本體匹配，信息抽取等等。與其重復些清單，不如讓把重點放在當前的短期主要障礙的挑戰(zhàn)上。

在語義網(wǎng)社區(qū)及其應用社區(qū)中，關于如何有效的處理數(shù)據(jù)管理問題有著豐富的軟硬知識。然而，剛剛采用語義網(wǎng)技術的人們經(jīng)常發(fā)現(xiàn)自己面臨著一種不和諧的聲音，面對不同方法的推銷，但幾乎沒有關于這些不同方法的利弊介紹。還有那些工具包，從不適合實踐的粗糙原型到針對特定子問題而精心設計的軟件，但同樣沒有什么指導，到底哪種工具，哪種方法，將最有助于用戶實現(xiàn)自己的特定目標。

因此，在這個階段，語義網(wǎng)領域最需要的可能是整合。作為一個固有的應用驅動領域，這種合并會在其各個子領域進行，從而形成面向應用的流程，這些流程的目標和優(yōu)缺點都有詳細的文檔記錄，同時還有易于使用和支持整個流程的集成工具。一些著名的流行軟件，如OWL API，Wikidata的底層引擎Wikibase，或者ELK推理機，都是強大且非常有幫助的，但是在某些情況下，盡管它們都使用了 RDF 和 OWL 進行序列化，仍然不能輕松地相互協(xié)作。

誰可能是這種整合的驅動力呢?

對于學術界而言，開發(fā)并維護穩(wěn)定易用軟件的動機往往有限，因為學術成績(主要以出版物和獲得的外部資金總額衡量)往往與這些活動不相符。編寫高質量的入門教科書是非常耗時且回報很少的學術成績。然而，通過開發(fā)各種范式之間的橋梁解決方案，以及通過與應用領域合作開發(fā)和實現(xiàn)用例，學術界確實為整合提供了一個基礎。

在工業(yè)界，各種各樣的整合已經(jīng)發(fā)生，初創(chuàng)企業(yè)和跨國公司采用語義網(wǎng)技術就是明證。但是，不論是技術細節(jié)還是其內(nèi)部采用的軟件，通常是不共享的，大概都是為了保護自己的競爭優(yōu)勢。如果確實如此，那么相應的軟件解決方案變得普及將只是時間的問題。

小結

在語義網(wǎng)存在的第一個近20年里，語義網(wǎng)領域已經(jīng)產(chǎn)生了豐富的關于數(shù)據(jù)共享、發(fā)現(xiàn)、集成和重用的高效數(shù)據(jù)管理的知識。通過語義網(wǎng)的應用，可以很好的理解這個領域的主要貢獻，包括 Schema.org，工業(yè)知識圖譜，Wikidata，本體建模應用等。這些應用背后的關鍵科學發(fā)現(xiàn)是什么呢?然而，這個問題更難回答。語義網(wǎng)的進步需要許多計算機科學子領域的貢獻，而其中一個關鍵任務就是如何將這些貢獻整合起來，以便提供適用的解決方案。從這個意義上說，這些應用展示了整個領域的主要進展。

主流工業(yè)界正在采用語義網(wǎng)技術，然而，尋求更有效的數(shù)據(jù)管理解決方案遠遠沒有結束，仍然是該領域的驅動力。