semantic 瘦語義網的幾點想法

2013-01-31 增補：整理了乙個《lean semantic web講義提綱》，提綱全文在github上。

這一年多來在工業界的實踐，我總結經驗和教訓為「瘦語義網」(lean semantic web)。

顧名思義，這個說法是從「lean startup」（精益創業）引申出來的，或者說是lean startup在semantic web上的應用。所以lean semantic web最合適的翻譯還是「精益語義網」。不過「瘦」聽起來簡單點，就先這麼叫吧。

leansemanticweb.com是今後系統總結這個概念的地方。現在還沒有什麼內容，等以後自由時間多了再去填坑吧。

這裡只能簡單的總結幾點原則問題。

瘦的意思並不只是更簡單、簡化現有的語義網技術。它的核心思想是****** things people want，也就是為人民服務。（參前文《語義網是給人用的》2011-12-20）

人民不僅包括使用者，也包括為使用者服務的工程師們。語義技術不是萬靈藥，不是人工智慧的什麼突破，也不是從天上掉下來的。好的市場和技術都是演化出來的，很少是突然的革命。如何讓開發和使用這個技術最符合工程師和使用者的需要，如何從現實基礎演化，是語義網的最關鍵問題。

由此引申一些想法。

首先是使用者和市場的一些想法

a. 目前結構化資料，特別是高質量圖結構的資料已經成為提公升使用者體驗的核心問題

c. 在語義網上實現突破的必然是小公司（the next big thing）。現有的大公司很難服務好早期核心使用者。

d. 語義技術的突破點看似不會在繼續深化社交網路(social network)這種關係上，雖然這個還很熱。資訊網路(information network)是個高質量資料更豐富的世界。

e. 語義資料到目前為止還都是小資料。市場潛力最大的是小而高質量資料的集合。不要迷失在大資料的各種buzz和hype裡。

其次是技術上的一些想法

1. 語義就是關係，知識是用來發現新關係的資料。語義資料的核心問題是資料質量。知識是資料中質量較高的部分。

2. 實踐中的語義網是nonrdf: not-only rdf。不要拘泥於rdf這種交換格式和它的種種變化(如rdfa, microformat)

3. 目前階段最有工程基礎的語義資料交換格式是json。資料交換格式和資料儲存格式可以分離。

4. uri做資源定址方式是昂貴和不符合使用者需要的。字串在大多數情況滿足大多數使用者的需要。

5. 凡是不能做到（使用者感知到的）常數時間響應的系統都是胡扯

6. 語義網技術並不是單一的資料交換格式和查詢。完整的應用系統，幾乎都要包括自然語言處理，資訊檢索，結構化資料儲存，結構化資料查詢，資料質量的提公升，隱含關係的發現（機器學習或推理），探索或啟發式使用者介面等模組的整合。

7. 現階段能規模化的語義關係很淺，只有同義關係、分類樹關係、傳遞關係(transitive property)，至多加上路徑查詢(path query)。這是資料庫和資訊檢索的基礎設施決定的。先規模化這些關係，循序漸進才能處理更多的關係

8. 弱耦合的系統構架。盡可能重用現有成熟技術。盡可能利用好雲計算基礎設施

9. 懶(lazy)系統. just-in-time knowledge, just-in-time computation, pay-as-you-go benefit，減少初始投資要求

10. 工具系統建設是瓶頸。成熟好用的nonrdf語義網工具生態系統可能還需要5-10年的建設時間。

先就拋磚引玉胡說這幾句，求教於方家。