Consulta semántica - Semantic query

Las consultas semánticas permiten realizar consultas y análisis de naturaleza asociativa y contextual . Las consultas semánticas permiten la recuperación de información derivada tanto explícita como implícitamente basada en información sintáctica , semántica y estructural contenida en los datos. Están diseñados para ofrecer resultados precisos (posiblemente la selección distintiva de una sola pieza de información) o para responder preguntas más difusas y abiertas a través de la coincidencia de patrones y el razonamiento digital .

Las consultas semánticas funcionan en gráficos con nombre , datos vinculados o triples . Esto permite que la consulta procese las relaciones reales entre la información e infiera las respuestas de la red de datos . Esto contrasta con la búsqueda semántica , que utiliza la semántica (la ciencia del significado) en texto no estructurado para producir un mejor resultado de búsqueda. (Ver procesamiento del lenguaje natural ).

Desde un punto de vista técnico, las consultas semánticas son operaciones precisas de tipo relacional muy parecidas a una consulta de base de datos . Trabajan 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 , subclases , relaciones transitivas , reglas semánticas y búsqueda contextual de texto completo . La pila de tecnología web semántica del W3C ofrece SPARQL para formular consultas semánticas en una sintaxis similar a SQL . Las consultas semánticas se utilizan en tiendas triples , bases de datos gráficas , wikis semánticos , lenguaje natural y sistemas de inteligencia artificial .

Fondo

Las bases de datos relacionales representan todas las relaciones entre datos solo de manera implícita . Por ejemplo, las relaciones entre clientes y productos (almacenadas en dos tablas de contenido y conectadas con una tabla de enlaces adicional) solo se establecen 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 .

Los datos vinculados representan todas las relaciones entre los datos de manera explícita . En el ejemplo anterior, no es necesario escribir ningún código de consulta. El producto correcto para cada cliente se puede buscar automáticamente. Si bien este simple ejemplo es trivial, el poder real 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 consultas y análisis más complejos que buscan la conexión de una ubicación en particular con una categoría de producto. Se omite el esfuerzo de desarrollo de esta consulta. La ejecución de una consulta semántica se realiza recorriendo la red de información y encontrando coincidencias (también llamado Data Graph Traversal ).

Otro aspecto importante de las consultas semánticas es que el tipo de relación se puede utilizar 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. Esto último permite al motor de consulta semántica inferir que un cliente que vive en Manhattan también vive en la ciudad de Nueva York, mientras que otras relaciones pueden tener patrones más complicados y "análisis contextuales". Este proceso se llama inferencia o razonamiento y es la capacidad del software para derivar nueva información basada en hechos dados.

Artículos

  • Vélez, Golda (2008). "La semántica ayuda a Wall Street a hacer frente a la sobrecarga de datos" . wallstreetandtech.com.
  • Zhifeng, Xiao (2009). "Consulta semántica de información espacial basada en SPARQL". En Liu, Yaolin; Tang, Xinming (eds.). Simposio internacional sobre análisis espacial, modelado de datos espacio-temporales y minería de datos . 7492 . SPIE. págs. 74921P. Código Bibliográfico : 2009SPIE.7492E..60X . doi : 10.1117 / 12.838556 . S2CID   62191842 .
  • Aquin, Mathieu (2010). "Watson, más que un motor de búsqueda de Web Semántica" (PDF) . Revista de Web Semántica.
  • Dworetzky, Tom (2011). "Cómo funciona Siri: 'cerebro' del iPhone proviene del procesamiento del lenguaje natural" . Tiempos de negocios internacionales.
  • Horwitt, Elisabeth (2011). "La Web semántica se pone manos a la obra" . computerworld.com.
  • Rodríguez, Marko (2011). "Patrón de gráfico a juego con Gremlin" . markorodriguez.com en Computación Gráfica.
  • Sequeda, Juan (2011). "Tuercas y tornillos SPARQL" . Semántica de Cambridge.
  • Freitas, Andre (2012). "Consulta de conjuntos de datos heterogéneos en la Web de datos enlazados" (PDF) . Computación por Internet IEEE.
  • Kauppinen, Tomi (2012). "Uso del paquete SPARQL en R para manejar datos vinculados espaciales" . linkedscience.org.
  • Lorentz, Alissa (2013). "Con Big Data, el contexto es un gran problema" . Cableado.

Ver también

Referencias

enlaces externos