JSON-LD 和知识图谱

JSON-LD 正式推荐标准2020年7月发布

2020年7月16日,W3C JSON-LD 工作组发布三份正式推荐标准(W3C Recommendation):

  • JSON-LD 1.1 语法(JSON-LD 1.1)定义了一种基于 JSON 的格式来序列化关联数据。该语法的目的是轻松地集成到已经使用 JSON 的部署系统中,并提供从 JSON 到 JSON-LD 的平滑升级路径。它主要支持在基于 Web 的编程环境中使用关联数据,创建可互操作的 Web 服务,并且能够在基于 JSON 的存储引擎中存储关联数据。

  • JSON-LD 1.1 处理算法和 API(JSON-LD 1.1 Processing Algorithms and API)定义了一组用于 JSON-LD 文档编程转换的算法。根据已定义的转换进行重组数据通常会极大地简化其使用。此外,该文档还为开发者提出了一个应用编程接口(API)。

  • JSON-LD 1.1 框架(JSON-LD 1.1 Framing)允许开发人员通过示例查询并强制将特定的树布局添加到 JSON-LD 文档中。

JSON是一种用于表示Web对象的简单语言。链接数据(Linked Data)是一种描述不同文档或网站上的内容的方法。Web资源是使用IRI描述的,通常是可取消引用的实体,可用于查找更多信息,从而创建“知识网络”。JSON-LD旨在成为一种简单的发布方法,不仅可以表达JSON中的链接数据,还可以向现有JSON添加语义。

已经有多种主流语言支持:

  • java
  • python
  • javascript
  • PHP等

JSON-LD表示和存储知识

JSON-LD开始是用于表示网页的内容和层次化的嵌套的结构,是一种资料模型。个人不准确的理解,之后这种能力被用来定义语义网络,逐渐延伸到知识图谱应用。

知识图谱的知识,通常有两类表示模型:

  1. <源实体-关系-目标实体> 模型
  2. <实体-属性-属性值> 模型

两种都可以表示为三元组,采用图结构存储:

  • 节点:储存“实体”,和“属性值”
  • 边 :储存“关系”,和“属性”

知识图谱的四种存储格式:

  1. N-Triples (.nt) :每行一个三元组,实体、关系都是最完整的格式
  2. Turtle (.ttl) :在开头先定义了前缀,三元组要短很多
  3. JSON-LD (.json) :即本次发布的标准,包含层次化的可嵌套结构
  4. RDF/XML (. RDF),或RDFa :全称(RDF attribute),设计提供了一套属性,可以用于在XML(及其方言,也包括HTML)中携带元数据。可以等价表示层次化的可嵌套结构。

可见,利用JSON-LD可以:

  • 存储和表示三元组形式的知识,以及多个三元组组成的知识
  • 输出为网页的元数据,优化SEO,百度、google都支持
  • 支持网页关系的深入搜索,以及基于搜索的推理

进一步,JSON-LD可以作为知识图谱的输入、输出形式,与图数据库一起作为知识计算的载体,承载知识计算。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480680.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

阿里P8架构师谈:分布式架构设计12精讲

分布式架构设计包含&#xff1a; 分布式缓存 分布式消息中间件 分库分表、读写分离 单点登录等 想成为阿里160万年薪的P8架构师&#xff1f;你必须掌握如下6大技能体系&#xff01; 阿里P8架构师谈&#xff1a;分布式架构系统拆分原则、需求、微服务拆分步骤 阿里P8架构师谈…

论文浅尝 | 弱监督关系抽取的深度残差学习方法

Citation: Pawar, S., Palshikar, G. K., & Bhattacharyya, P. (2017).Relation Extraction : A Survey, 1–51. Retrieved from http://arxiv.org/abs/1712.05191动机近年来基于深度学习方法的远程监督模型取得了不错的效果&#xff0c;但是现有研究大多使用较浅的 CNN 模…

【干货】推荐系统中的机器学习算法与评估实战

【导读】推荐系统是机器学习技术在企业中最成功和最广泛的应用之一。本文作者结合MLMU演讲【1】的Slides&#xff0c;对推荐系统的算法、评估和冷启动解决方案做了详细的介绍。 作者 | Pavel Kordk 编译 | 专知 翻译 | XiaowenMachine Learning for Recommender systems — P…

Google | 突破瓶颈,打造更强大的Transformer

一只小狐狸带你解锁炼丹术&NLP秘籍作者&#xff1a;苏剑林 (来自追一科技&#xff0c;人称“苏神”)前言《Attention is All You Need》一文发布后&#xff0c;基于Multi-Head Attention的Transformer模型开始流行起来&#xff0c;而去年发布的BERT模型更是将Transformer模…

新媒体中的MCN机构是什么意思

主要转自知乎&#xff1a;https://www.zhihu.com/question/318661288 有删改。 什么是MCN&#xff1f;MCN&#xff08;Multi-Channel Network&#xff09;是舶来品&#xff0c;是一种多频道网络的产品形态&#xff0c;将PGC内容联合起来&#xff0c;在资本的有力支持下&#x…

论文浅尝 | 用增强学习进行推理:问答与知识库完善(KBC)

本文转载自公众号&#xff1a;程序媛的日常。利用知识库、知识图谱来完善问答系统&#xff0c;有非常广阔的实际应用场景。当用户提出一个问题时&#xff0c;有时候仅用知识库中的某一个三元组事实&#xff08;fact triple&#xff09;即可回答。但当问题比较复杂时&#xff0c…

阿里P8架构师谈:高并发网站的监控系统选型、比较、核心监控指标

在高并发分布式环境下&#xff0c;对于访问量大的业务、接口等&#xff0c;需要及时的监控网站的健康程度&#xff0c;防止网站出现访问缓慢&#xff0c;甚至在特殊情况出现应用服务器雪崩等场景&#xff0c;在高并发场景下网站无法正常访问的情况&#xff0c;这些就会涉及到分…

斯坦福CS224n追剧计划【大结局】:NLP和深度学习的未来

一只小狐狸带你解锁炼丹术&NLP秘籍简介Stanford CS224n追剧计划是由夕小瑶的卖萌屋发起的开源开放NLP入门项目&#xff0c;借助github和微信群为大家提供同期小伙伴打卡讨论、内容沉淀、作业笔记和FAQ共享、连线斯坦福等服务。关于该计划的详请见这里 。1. Github项目地址h…

KubeVela 高可扩展的云原生应用平台与核心引擎

https://www.oschina.net/news/121015/kubevela-open-source 目录什么是 KubeVela &#xff1f;KubeVela 解决了什么问题&#xff1f;1. 应用开发者眼中的 KubeVela一个 Appfile 示例2. 平台工程师眼中的 KubeVela3. KubeVela vs 经典 PaaS快速入门安装KubeVela1. 安装Kubernet…

打造工业级推荐系统(三):推荐系统的工程实现与架构优化

打造工业级推荐系统&#xff08;三&#xff09;&#xff1a;推荐系统的工程实现与架构优化 gongyouliu 阅读数&#xff1a;4148 2019 年 4 月 26 日导读&#xff1a;个性化推荐系统&#xff0c;简单来说就是根据每个人的偏好推荐他喜欢的物品。互联网发展到现在&#xff0c;推荐…

2020年跨行业跨领域工业互联网平台

2020年跨行业跨领域工业互联网平台 来源&#xff1a;工信部 2020年12月&#xff0c;工信部信发司公示“2020年跨行业跨领域工业互联网平台”。公示的双跨平台共15家&#xff0c;比2019年十大双跨平台增长50%。新增的平台为&#xff1a;腾讯WeMake工业互联网平台&#xff0c;忽…

阿里P8架构师谈:什么是缓存雪崩?服务器雪崩的场景与解决方案

什么是应用服务雪崩 雪崩问题 分布式系统都存在这样一个问题&#xff0c;由于网络的不稳定性&#xff0c;决定了任何一个服务的可用性都不是 100% 的。当网络不稳定的时候&#xff0c;作为服务的提供者&#xff0c;自身可能会被拖死&#xff0c;导致服务调用者阻塞&#xff0c…

2018 年,NLP 研究与应用进展到什么水平了?

AI 前线导读&#xff1a; 随着人工智能的再次兴起&#xff0c;尤其是深度学习的成功应用&#xff0c;自然语言处理&#xff08;NLP&#xff09;也逐渐受到了科研研所、高校以及相关企业的关注&#xff0c;也成为了人工智能重点研究的课题之一。NLP 的主要目标是解决人机对话中的…

论文浅尝 | 基于RNN与相似矩阵CNN的知识库问答

链接:https://arxiv.org/pdf/1804.03317.pdf概述当前大部分的 kbqa 方法为将 kb facts 与 question 映射到同一个向量空间上,然后计算相似性. 但是这样的做法会忽视掉两者间原本存在的单词级别的联系与交互. 所以本文提出一种网络结构 ARSMCNN,既利用到语义的信息, 又利用到单词…

斯坦福大学最甜网剧:知识图谱CS520面向大众开放啦!

一只小狐狸带你解锁炼丹术&NLP秘籍受本次疫情的影响&#xff0c;斯坦福大学的2020春季知识图谱课程——CS520面向公众线上开放啦&#xff01;连课名都是爱你的形状&#xff01;简单翻译一下重点&#xff1a;今年的CS520面向公众开放&#xff0c;大家可以通过远程视频软件Zo…

一篇文章详解大数据技术和应用场景

“ 本文作者 陈睿 &#xff0c;优知学院创始人 新技术、新趋势往往趋之若鹜却又很难说的透彻&#xff0c;希望这篇文章能让大家完整的理解什么是大数据:该篇包含&#xff1a;大数据、技术、场景应用以及大数据的岗位。 什么是大数据 说起大数据&#xff0c;估计大家都觉得只…

推荐标星 100 K 的 GitHub 开源项目

推荐标星 100 K 的 GitHub 开源项目 原文见&#xff1a;推荐 10 个标星 100 K 的 GitHub 开源项目 以下摘录部分&#xff1a; Build Your Own X (GitHub Star&#xff1a;102,000)&#xff1a;汇集了诸多优质资源教你构建属于自己的东西&#xff0c;主要分为增强现实、区块链…

对话周明:回望过去,展望未来,NLP有哪些发展趋势?

HomeBlog 对话周明&#xff1a;回望过去&#xff0c;展望未来&#xff0c;NLP有哪些发展趋势&#xff1f; 2019年2月15日 by 打不死的小强 AI 新闻 0 comments 周明博士是微软亚洲研究院副院长、国际计算语言学协会&#xff08;ACL&#xff09;主席、中国计算机学会理事、中…

阿里P8架构师谈:MongoDB、Hbase、Redis等NoSQL优劣势、应用场景

NoSQL的四大种类 NoSQL数据库在整个数据库领域的江湖地位已经不言而喻。在大数据时代&#xff0c;虽然RDBMS很优秀&#xff0c;但是面对快速增长的数据规模和日渐复杂的数据模型&#xff0c;RDBMS渐渐力不从心&#xff0c;无法应对很多数据库处理任务&#xff0c;这时NoSQL凭借…

研讨会 | 知识图谱助力图书馆知识管理与智慧服务研讨会

知识图谱是大数据时代重要的知识表示方式之一&#xff0c;也是人工智能技术的重要支撑&#xff0c;在智能检索、数据分析、自动问答、知识推荐、知识管理等领域有着广泛的应用前景&#xff0c;为知识创新管理带来了新机遇。由于知识图谱实现了对象识别、文本理解、关系推理、机…