تحقیق 'semantic web

Currently the focus of a W3C working group , the Semantic Web vision was conceived by Tim Berners-Lee, the inventor of the World Wide Web. در حال حاضر تمرکز گروه کاری W3C ، چشم انداز وب معنایی توسط تیم برنرز لی، مخترع شبکه جهانی وب، شکل گرفت. The World Wide Web changed the way we communicate, the way we do business, the way we seek information and entertainment – the very way most of us live our daily lives. شبکه جهانی وب را تغییر راه ارتباط برقرار می کنیم، روشی که ما انجام کسب و کار، راه ما به دنبال اطلاعات و سرگرمی - بسیار بیشتر از ما زندگی می کنند زندگی روزمره ما است. Calling it the next step in Web evolution, Berners-Lee defines the Semantic Web as “a web of data that can be processed directly and indirectly by machines.” نامیدن آن را هم گام بعدی در سیر تکاملی وب، برنرز لی تعریف وب معنایی به عنوان "یک وب سایت از داده ها است که می تواند به طور مستقیم و غیر مستقیم توسط ماشین آلات پردازش.

In the Semantic Web data itself becomes part of the Web and is able to be processed independently of application, platform, or domain. در وب معنایی داده ها خود را بخشی از وب سایت می شود و قادر به پردازش مستقل از نرم افزار، پلت فرم، و یا دامنه است. This is in contrast to the World Wide Web as we know it today, which contains virtually boundless information in the form of documents. این است که در مقایسه با شبکه جهانی وب را آنگونه که ما امروز می شناسیم، که حاوی اطلاعات تقریبا بی حد و حصر در قالب اسناد. We can use computers to search for these documents, but they still have to be read and interpreted by humans before any useful information can be extrapolated. ما می توانیم از کامپیوترها برای این اسناد را جستجو استفاده کنید، اما آنها هنوز به خواندن و تفسیر توسط انسان قبل از هر گونه اطلاعات مفید می تواند بیرون ریخته شود. Computers can present you with information but can't understand what the information is well enough to display the data that is most relevant in a given circumstance. رایانه ها می توانند شما را با اطلاعات وجود دارد اما نمی توانند درک کنند آنچه را که اطلاعات کافی برای نمایش داده ها است که در شرایط داده شده مناسب ترین است. The Semantic Web, on the other hand, is about having data as well as documents on the Web so that machines can process, transform, assemble, and even act on the data in useful ways. وب معنایی، در سوی دیگر، در مورد داشتن داده ها و همچنین به عنوان اسناد بر روی وب، به طوری که دستگاه می تواند پردازش، تبدیل، جمع آوری و حتی عمل بر روی داده ها در راه های مفید.

Imagine this scenario. تصور این سناریو است. You're a software consultant and have just received a new project. تو یک مشاور نرم افزار و فقط یک پروژه جدید. You're to create a series of SOAP-based Web services for one of your biggest clients. تو برای ایجاد یک مجموعه ای از خدمات وب مبتنی بر SOAP برای یکی از بزرگترین مشتریان خود را. First, you need to learn a bit about SOAP, so you search for the term using your favorite search engine. اول، شما نیاز به یادگیری یک کمی در مورد صابون، بنابراین شما برای مدت با استفاده از موتور جستجوی مورد علاقه خود را جستجو کنید. Unfortunately, the results you're presented with are hardly helpful. متاسفانه، نتایج شما را با ارائه به سختی مفید هستند. There are listings for dish detergents, facial soaps, and even soap operas mixed into the results. لیست ظرف مواد شوینده، صابون صورت، و حتی اپرا صابون مخلوط به نتایج وجود دارد. Only after sifting through multiple listings and reading through the linked pages are you able to find information about the W3C's SOAP specifications. فقط پس از الک را از طریق لیست های متعدد و خواندن از طریق صفحههای پیوند داده شده شما قادر به پیدا کردن اطلاعات در مورد مشخصات SOAP W3C.

Because of the different semantic associations of the word “soap,” the results you receive are varied in relevance, and you still have to do a lot of work to find the information you're looking for. از آنجا که انجمن های معنایی متفاوت از واژه "صابون،" نتایج: از شما دریافت در ارتباط متفاوت، و شما هنوز هم به انجام کارهای زیادی برای پیدا کردن اطلاعاتی که شما دنبال آن هستید. However, in a Semantic Web-enabled environment, you could use a Semantic Web agent to search the Web for “SOAP” where SOAP is a type of technology specification used in Web services. با این حال، در محیط وب معنایی را فعال کنید، شما می تواند یک عامل وب معنایی در وب را به "SOAP" که SOAP یک نوع از خصوصیات فن آوری مورد استفاده در خدمات وب را جستجو استفاده کنید. This time, the results of your search will be relevant. در این زمان، نتایج جستجوی خود را در ارتباط خواهد داشت. Your Semantic Web agent can also search your corporate network for the SOAP specification and discover if your colleagues have completed similar projects or have posted SOAP-related research on the network. عامل وب معنایی شما همچنین می توانید شبکه شرکت خود را برای خصوصیات SOAP جستجو و کشف همکاران خود را به اتمام پروژه های مشابه و یا ارسال شده توسط SOAP مربوط به پژوهش در زمینه شبکه. Based on the semantic information available for SOAP, your agent also presents you with a list of related technologies. بر اساس اطلاعات در دسترس معنایی برای SOAP، عامل خود را نیز به شما ارائه با یک لیست از فن آوری های مربوط. Now you know that WSDL, XML, and URI are all technologies related to SOAP, and that you'll need to do some research on them, too, before beginning your project. حالا شما می دانید که WSDL، XML و URI تمام فن آوری های مربوط به SOAP، و شما نیاز به انجام برخی تحقیقات به آنها، بیش از حد، قبل از شروع پروژه شما. Armed with the information returned by your Semantic Web agent, you read the related technology specifications and send emails to the colleagues who have made SOAP-related materials available on the network to ask for their input before starting your new project. مسلح با استفاده از اطلاعات بازگردانده شده توسط عامل وب معنایی خود را، شما خواندن مشخصات فن آوری های مرتبط و ارسال ایمیل به همکاران که SOAP، مربوط به مواد موجود در شبکه برای ورودی خود را قبل از شروع پروژه جدید خود را بپرسید.

Now, fast forward a few years. در حال حاضر، سریع به جلو چند سال است. You're still happily employed as a software consultant, and today you're taking a working lunch with one of your biggest clients. شما هنوز هم خوش و خرم به عنوان مشاور نرم افزار به کار، و امروز شما یک ناهار کاری با یکی از بزرگترین مشتریان خود را. Her company has an emergency project at its San Francisco branch for which they need you to consult for two weeks, and she asks you to get to San Francisco as soon as possible to begin work. شرکت او یک پروژه اضطراری در سان فرانسیسکو شعبه خود را که آنها شما نیاز به مشاوره به مدت دو هفته، و او از شما می خواهد برای رسیدن به سان فرانسیسکو در اسرع وقت برای شروع کار است. You take out your hand held computer, activate its Semantic Web agent, and instruct it to book a non-stop flight to San Francisco that leaves before 10 AM the next day. شما را از دست برگزار کامپیوتر، فعال کردن عامل وب معنایی آن، و دستور آن یک پرواز بدون توقف به سان فرانسیسکو است که برگ های قبل از ساعت 10 صبح روز بعد به کتاب. You want an aisle seat if it's available. شما می خواهید یک صندلی کنار راهرو اگر آن را در دسترس است. Once your agent finds an acceptable flight with an available aisle seat, it books it using your American Express card and assigns the charges to your client's account in your accounting application. هنگامی که نماینده خود را می یابد پرواز قابل قبول با یک صندلی کنار راهرو در دسترس است، آن را با استفاده از کارت اکسپرس آمریکا خود را کتاب و اختصاص اتهامات را به حساب مشتری خود را در نرم افزار حسابداری خود را. It also warns you that you'll be missing a dentist appointment back home during your trip and adds a note to your calendar reminding you to reschedule. همچنین شما هشدار می دهد که شما توان از دست رفته در یک ملاقات دندانپزشک در طول سفر خود را به خانه و می افزاید: توجه داشته باشید به تقویم خود را به یاد تو به reschedule. Next, you specify that you want a car service to the client's site, so your agent scans the availability of limos with “very good” or higher service ratings and books an appointment to have you picked up 30 minutes after your flight lands. بعد، شما مشخص است که شما می خواهید یک سرویس ماشین به سایت مشتری، بنابراین عامل خود را اسکن در دسترس limos با رتبه "بسیار خوب" و یا بالاتر خدمات و کتاب های انتصاب به برداشت تا 30 دقیقه پس از زمین های پرواز شما. Your agent also books you at your favorite hotel in San Francisco, automatically securing the lowest rate using your rewards card number. عامل همچنین به شما در هتل مورد علاقه خود را در سان فرانسیسکو کتاب، به طور خودکار با استفاده از کمترین میزان پاداش شماره کارت خود را برای تامین امنیت. Finally, the agent updates your calendar and your manager's calendar with your trip information and prints out your confirmation documents back at your office. در نهایت، به روز رسانی عامل تقویم و تقویم مدیر شما با اطلاعات مربوط به سفر خود و چاپ اسناد تایید خود را در دفتر خود.

With just a few clicks your Semantic Web agent found and booked your flight, hotel, and car service, then updated your accounting system and calendars automatically. تنها با چند کلیک وب سایت خود را عامل معنایی و رزرو پرواز، هتل و خدمات خودرو، پس از آن به روز رسانی سیستم حسابداری و تقویم به صورت خودکار. It even compared your itinerary to your calendar and detected the scheduling conflict with your dentist appointment. حتی برنامه سفر خود را نسبت به تقویم خود را شناسایی و درگیری برنامه ریزی با انتصاب دندانپزشک خود. To do all this, the agent had to find, interpret, combine, and act on information from multiple sources. برای انجام این همه، عامل به حال برای پیدا کردن، تفسیر، ترکیب، و عمل بر روی اطلاعات از منابع مختلف است. This example, of course, is a long-term vision for applying the Semantic Web. در این مثال، البته، یک چشم انداز بلند مدت برای استفاده از وب معنایی است. It's one that may or may not come to fruition, and only the future will tell. این که ممکن است یا ممکن است به ثمر، و تنها آینده بگوید. However, the vision itself is important for understanding the potential of Semantic Web technologies. با این حال، چشم انداز به خودی خود مهم است برای درک پتانسیل فن آوری های وب معنایی است.

Considering the two examples above, the list of scenarios that could potentially benefit from Semantic Web technologies as they continue to evolve is limited only by the imagination. با توجه به دو مثال فوق، لیستی از سناریویی است که به طور بالقوه می تواند از فن آوری های وب معنایی بهره مند شوند که آنها همچنان به تحول تنها با تصور محدود شده است. Think of the possibilities opened to everything from crime investigation, scientific research, and literary analysis – to shopping, finding long-lost friends, and vacation planning – when computers can find, present, and act on data in a meaningful way. خرید، پیدا کردن دوستان طولانی از دست داده، و تعطیلات برنامه ریزی - ها - از احتمالات فکر می کنم به همه چیز از تحقیقات جرم و جنایت، تحقیقات علمی، و تجزیه و تحلیل ادبی باز زمانی که رایانه می توانید پیدا کنید، حال، و عمل بر روی داده ها در راه معنی دار است.

The Semantic Web agent does not include artificial intelligence – rather, it relies on structured sets of information and inference rules that allow it to “understand” the relationship between different data resources. عامل وب معنایی هوش مصنوعی را شامل نمی شود - نه، آن را در مجموعه ساخت یافته از اطلاعات و قوانین استنباط است که اجازه می دهد آن را به "درک" رابطه بین منابع مختلف داده ها متکی است. The computer doesn't really understand information the way a human can, but it has enough information to make logical connections and decisions. کامپیوتر واقعا نمی دانند که اطلاعات یک انسان می تواند، اما اطلاعات کافی برای ایجاد ارتباط منطقی و تصمیم گیری.

Broadening Our Horizons را گسترش افق ما

The vision of the Semantic Web is a “web of data” that not only harnesses the seemingly endless amount of data on the World Wide Web, but also connects that information with data in relational databases and other non-interoperable information repositories, for example, EDI systems. چشم انداز از وب معنایی "وب سایت از داده ها" است که نه تنها مهار مقدار به ظاهر بی پایان از داده ها در شبکه جهانی وب، بلکه متصل است که اطلاعات با داده ها در پایگاه های داده رابطه ای و غیر سازگار مخازن اطلاعات، به عنوان مثال است، سیستم EDI. Considering that relational databases house the majority of enterprise data today, the ability of Semantic Web technologies to access and process it alongside other data from Web sites, other databases, XML documents, and other systems increases the amount of useful data available exponentially. نظر به این که پایگاه های داده رابطه ای خانه اکثریت از داده های سازمانی امروز، توانایی فن آوری وب معنایی به دسترسی و پردازش آن را در کنار سایر دادهها را از وب سایت ها، پایگاه داده های دیگر، اسناد XML، و سیستم های دیگر را افزایش می دهد مقدار اطلاعات مفید در دسترس نمایی. In addition, relational databases already include a great deal of semantic information. علاوه بر این، پایگاه داده های رابطه ای در حال حاضر شامل مقدار زیادی از اطلاعات معنایی است. Databases are organized in tables and columns based on the relationships between the data they house, and these relationships reveal the meaning (the semantics) of the data. پایگاه داده ها در جدول ها و ستون ها بر اساس روابط بین آنها خانه داده های سازمان یافته، و این روابط نشان معنای (معناشناسی) از داده ها است.

Data integration applications offer the potential for connecting disparate sources, but they require one-to-one mappings between elements in each different data repository. برنامه های کاربردی یکپارچه سازی داده ها، ارائه پتانسیل برای اتصال منابع نامتجانس، اما آنها نیاز به یک نگاشت بین عناصر در هر مخزن داده های مختلف است. The Semantic Web, however, allows a machine to connect to any other machine and exchange and process data efficiently based on built-in, universally available semantic information that describes each resource. وب معنایی، با این حال، اجازه می دهد تا یک ماشین برای اتصال به هر دستگاه دیگر است و تبادل و پردازش داده ها موثر ساخته شده در جهان در دسترس معنایی اطلاعات که توصیف هر یک از منابع است. In effect, the Semantic Web will allow us to access all the information listed above as one huge database. در واقع، وب معنایی به ما اجازه می دهد برای دسترسی به تمام اطلاعات ذکر شده در بالا به عنوان یک پایگاه داده عظیم است.

Defining Semantics and Relationships تعریف معناشناسی و رابطه

Implementing the Semantic Web requires adding semantic metadata, or data that describes data, to information resources. پیاده سازی وب معنایی نیاز به افزودن ابرداده معنایی، و یا داده ها را شرح داده، به منابع اطلاعاتی. This will allow machines to effectively process the data based on the semantic information that describes it. این اجازه خواهد داد که ماشین آلات به طور موثر پردازش داده ها بر اساس اطلاعات معنایی است که آن را توصیف است. When there is enough semantic information associated with data, computers can make inferences about the data, ie, understand what a data resource is and how it relates to other data. هنگامی که به اندازه کافی معنایی اطلاعات در ارتباط با داده ها وجود داشته باشد، کامپیوتر می تواند استنتاج در مورد داده ها، به عنوان مثال، درک آنچه یک منبع داده است و چگونه به اطلاعات دیگر مربوط است.

XML (eXtensible Markup Language) has paved the road by adding some metadata in the form of human-readable tags that describe data. XML (زبان نشانه گذاری توسعه پذیر) است آسفالت در جاده ها با اضافه کردن بعضی از ابردادهها را به صورت برچسب و قابل خوانده شدن توسط انسان است که توصیف داده ها. In addition, XML documents can include information about the author of a Web page, relevant keywords for search engine optimization, and the software tools used to create the XML file, for example. علاوه بر این، اسناد XML می تواند شامل اطلاعات مربوط به نویسنده صفحه وب، کلمات کلیدی مربوط به بهینه سازی موتورهای جستجو، و ابزار های نرم افزار مورد استفاده برای ایجاد فایل XML، به عنوان مثال.

Before XML, data was stored in flat file and database formats, where most data was proprietary to an application. قبل از XML، داده ها در فرمت های فایل های مسطح و پایگاه داده، که در آن اکثر داده اختصاصی به یک برنامه ذخیره شده بود. XML came along and made data interoperable within a single domain, ie, within the domain defined by a schema or a set of related schemas. XML آمد همراه شد و داده ها سازگار در درون یک دامنه، به عنوان مثال، در دامنه تعریف شده توسط یک فرانما یا مجموعه ای از طرحواره های مرتبط ساخته شده است. By itself, XML provides syntactic interoperability only when both parties know and understand the element names used. به خودی خود، XML فراهم می کند قابلیت همکاری نحوی تنها زمانی که هر دو طرف می دانیم و درک نام عنصر مورد استفاده است. If I label an element 12.00 and someone else labels it 12.00, there's no way for a machine to know that those are the same thing without the aid of a separate, highly customized application to map between the elements. اگر من یک عنصر برچسب 12.00 >قیمت و شخص دیگری برچسب آن 12.00 ، هیچ راهی برای یک دستگاه وجود دارد که کسانی هستند که همین بدون کمک جداگانه، نرم افزار بسیار سفارشی به نقشه بین عناصر است. Semantic Web technologies help address this problem by making tags understandable not just to humans – but to machines as well. فن آوری های وب معنایی رسیدگی به این مشکل را با ایجاد برچسب های قابل درک و نه فقط به انسان کمک کند - اما به ماشین به عنوان خوب.

The first step required for machines to understand data is to get that data into a uniform format, where, for instance, a field labeled “street” always has the same format and contains the same type of information, and so on. اولین گام برای ماشین آلات مورد نیاز برای درک اطلاعات است که داده ها را به فرمت یکسان، که در آن، به عنوان مثال، یک میدان دارای برچسب "خیابانی" همیشه همان فرمت و دارای همان نوع از اطلاعات است، و به همین ترتیب. This type of functionality can be found today on Web sites that use forms that allow users to enter information and run a query, such as airline Web sites that allow visitors to search for and book flights based on a variety of criteria. این نوع قابلیت می توان در وب سایت که با استفاده از فرم اجازه می دهد که کاربران را به ورود اطلاعات و اجرای یک پرس و جو، مانند وب سایت شرکت هواپیمایی است که اجازه می دهد بازدید کننده ای را برای جستجو و پرواز کتاب ها بر اساس انواع ضوابط یافت. However, considering the amount and variety of data available from different sources today, this method of data typing does not scale beyond very specific applications. با این حال، با توجه به مقدار و انواع در دسترس از داده ها از منابع مختلف، این روش از تایپ کردن داده های فراتر از کاربردهای بسیار خاص مقیاس نیست.

The next step towards the Semantic Web requires that data from multiple domains is classified based on its properties and its relationship with other data. گام بعدی به سوی وب معنایی نیاز است که داده ها از حوزه های مختلف بر اساس خواص آن و ارتباط آن با سایر داده های طبقه بندی شده است. This is where Semantic Web technologies such as RDF, RDFS, and OWL come in. این است که در آن فن آوری های وب معنایی مانند RDF، RDFS، و جغد می آیند شوید.

Resource Description Framework (RDF) چارچوب توصیف منبع (RDF)

An official W3C recommendation, RDF is an XML-based standard for describing resources that exist on the Web, intranets, and extranets. توصیه W3C رسمی، RDF یک استاندارد مبتنی بر XML برای توصیف منابع موجود بر روی وب سایت، اینترانت و اکسترانت است. RDF builds on existing XML and URI (Uniform Resource Identifier) technologies, using a URI to identify every resource, and using URIs to make statements about resources. RDF ایجاد شده موجود XML و URI (شناسه یکنواخت منابع) فن آوری، با استفاده از URI برای شناسایی هر منبع، و با استفاده از URI ها را به اظهارات در مورد منابع. RDF statements describe a resource (identified by a URI), the resource's properties, and the values of those properties. اظهارات RDF توصیف یک منبع (URI)، خواص از منابع، و ارزش های آن خواص است. RDF statements are often referred to as “triples” that consist of a subject, predicate, and object, which correspond to a resource (subject) a property (predicate), and a property value (object). اظهارات RDF اغلب به عنوان «سه گانه» است که شامل موضوع، محمول، و جسم، که مربوط به یک منبع (موضوع) یک خاصیت (گزاره)، و ارزش ملک (شی) نامیده می شود. Below is an example of an RDF statement in plain English: در زیر نمونه ای از بیانیه RDF در دشت انگلیسی:

[resource] [منبع]	[property] [اموال]	[value] [ارزش]
The secret agent عامل مخفی	is است	Niki Devgood نیکی Devgood
[subject] [موضوع]	[predicate] [گزاره]	[object] [جسم]

RDF triples can be written with XML tags, and they are often conceptualized graphically as shown below: سه RDF می تواند با تگ های XML نوشته شده است، و آنها اغلب به مفهوم گرافیکی زیر نشان داده شده:

After creating this triple, we can go on to create other triples to associate the agent with an email address, image, etc. پس از ایجاد این سه گانه، ما می توانیم به ایجاد سه عامل مرتبط با یک آدرس ایمیل، عکس، و غیره.

Once triples are defined graphically, they can be coded in either RDF/XML or n-Triples formats to be accessed programmatically. هنگامی که سه تعریف گرافیکی، می توان آنها را در هر دو RDF / XML یا N-سه فرمت را به برنامه ریزی دیده می شود، کدگذاری میشود.

By creating triples with subjects, predicates, and objects, RDF allows machines to make logical assertions based on the associations between subjects and objects. با ایجاد سه با افراد، منتجات و اشیاء، RDF اجازه می دهد تا ماشین را به اثبات منطقی بر اساس ارتباط بین افراد و اشیاء است. And since RDF uses URIs to identify resources, each resource is tied to a unique definition available on the Web. و از آنجایی که RDF با استفاده از URI ها برای شناسایی منابع، هر یک از منابع وابسته به یک تعریف منحصر به فرد موجود در وب است. However, while RDF provides a model and syntax (the rules that specify the elements of a sentence) for describing resources, it does not specify the semantics (the meaning) of the resources. با این حال، در حالی که RDF یک مدل و نحو (قوانین که مشخص کردن عناصر از جمله) برای توصیف منابع فراهم می کند، آن را نشانی از معانی (معنا) از منابع مشخص نیست. To truly define semantics, we need RDFS and OWL. واقعا تعریف معناشناسی، ما باید RDFS و جغد.

RDF Schema (RDFS) RDF طرحواره (RDFS)

RDFS is used to create vocabularies that describe groups of related RDF resources and the relationships between those resources. RDFS برای ایجاد واژگان که توصیف گروه مربوط به منابع RDF و روابط بین این منابع استفاده می شود. An RDFS vocabulary defines the allowable properties that can be assigned to RDF resources within a given domain. فرهنگ لغت RDFS تعریف خواص مجاز است که می تواند در یک دامنه با توجه به منابع RDF اختصاص داده است. RDFS also allows you to create classes of resources that share common properties. RDFS همچنین اجازه می دهد تا به شما برای ایجاد کلاس از منابع که خواص مشترک را به اشتراک بگذارید.

Using the same triples paradigm defined by RDF, RDFS triples consist of classes, class properties, and values that define the classes and relationships between the resources within a particular domain. با استفاده از همان الگوی سه تعریف شده توسط RDF، RDFS سه کلاس، کلاس خواص و ارزش است که تعریف کلاس ها و روابط بین منابع در یک دامنه خاص تشکیل شده است.

In an RDFS vocabulary, resources are defined as instances of classes. در فرهنگ لغت RDFS، منابع به عنوان نمونه هایی از کلاس تعریف شده است. A class is a resource too, and any class can be a subclass of another. کلاس منابع بیش از حد است، و هر کلاس می تواند یک زیر کلاس از دیگری. This hierarchical semantic information is what allows machines to determine the meanings of resources based on their properties and classes. این اطلاعات سلسله مراتبی معنایی آن چیزی است که به ماشین اجازه می دهد تا برای تعیین معانی از منابع بر اساس خواص آنها و کلاس است.

Below is a graphical example of an RDFS that shows a resource and its associated properties, values, and classes. در زیر یک مثال گرافیکی RDFS است که نشان می دهد منابع و خواص مربوط به آن، ارزش ها، و کلاس است.

Overall, RDFS is a simple vocabulary language for expressing the relationships between resources. به طور کلی، RDFS زبان لغات ساده برای بیان روابط بین منابع است. Building upon RFDS is OWL, which is a much richer, more expressive vocabulary for defining Semantic Web ontologies. ساختمان بر RFDS جغد است که بسیار غنی، واژگان بیانی برای تعریف آنتولوژی وب معنایی است.

Web Ontology Language (OWL) زبان هستیشناسی وب (OWL)

OWL is a third W3C specification for creating Semantic Web applications. جغد مشخصات W3C سوم برای ایجاد برنامه های وب معنایی است. Building upon RDF and RDFS, OWL defines the types of relationships that can be expressed in RDF using an XML vocabulary to indicate the hierarchies and relationships between different resources. بر RDFS و RDF، OWL تعریف نوع از روابط است که می تواند در RDF بیان با استفاده از لغات XML به منظور نشان دادن سلسله مراتب و روابط بین منابع مختلف است. In fact, this is the very definition of “ontology” in the context of the Semantic Web: a schema that formally defines the hierarchies and relationships between different resources. شمای که به طور رسمی تعریف سلسله مراتب و روابط بین منابع مختلف است: در واقع، این تعریف از "هستی شناسی" در زمینه وب معنایی است. Semantic Web ontologies consist of a taxonomy and a set of inference rules from which machines can make logical conclusions. هستی شناسی وب معنایی را از طبقه بندی و مجموعه ای از قواعد استنتاج که از آن ماشین می تواند نتیجه گیری های منطقی تشکیل شده است.

A taxonomy in this context is system of classification, such as the scientific kingdom/phylum/class/order/etc. طبقه بندی در این زمینه، سیستم طبقه بندی، به عنوان پادشاهی علمی / شاخه / کلاس / نظم / و غیره است. system for classifying plants and animals that groups resources into classes and sub-classes based on their relationships and shared properties. سیستم طبقه بندی گیاهان و جانوران که گروه منابع به طبقات و خرده طبقات بر اساس روابط آنها و خواص مشترک.

Since taxonomies (systems of classification) express the hierarchical relationships that exist between resources, we can use OWL to assign properties to classes of resources and allow their subclasses to inherit the same properties. از آنجا که طبقه بندی (سیستم های طبقه بندی) بیان روابط سلسله مراتبی که بین منابع وجود داشته باشد، ما می توانیم OWL را به او واگذار خواص به کلاس از منابع و اجازه می دهد مشتق شده خود را به ارث می برند، خواص مشابه استفاده کنید. OWL also utilizes the XML Schema datatypes and supports class axioms such as subClassOf, disjointWith, etc., and class descriptions such as unionOf, intersectionOf, etc. Many other advanced concepts are included in OWL, making it the richest standard ontology description language available today. در OWL همچنین با بهره گیری از انواع داده شمای XML و از بدیهیات کلاس مانند subClassOf، disjointWith، و غیره، و شرح کلاس از قبیل unionOf، intersectionOf پشتیبانی، و غیره بسیاری از دیگر مفاهیم پیشرفته در OWL شامل، ساخت آن را ثروتمندترین هستی شناسی استاندارد زبان توصیف در دسترس است است.

A graphical example of an OWL ontology is below. یک مثال تصویری از هستی شناسی OWL زیر کلیک کنید.

All the detailed relationship information defined in an OWL ontology allows applications to make logical deductions. ارتباط با اطلاعات دقیق تعریف شده در هستی شناسی OWL اجازه می دهد تا برنامه های کاربردی را به کسر منطقی است. For instance, given the ontology above, a Semantic Web agent could infer that since "Goose" is a type of "DarkMeatFowl," and "DarkMeatFowl" is a subset of the class "Fowl," which is a subset of the class "EdibleThing," then "Goose" is an "EdibleThing." به عنوان مثال، با توجه به هستی شناسی فوق، یک عامل وب معنایی می تواند استنباط کرد که از "غاز" یک نوع "DarkMeatFowl" و "DarkMeatFowl" است که زیر مجموعه ای از کلاس "مرغ" است که زیر مجموعه ای از طبقه "EdibleThing "و سپس" غاز EdibleThing "است."

It's important to note that OWL has three sub languages, each with increasing complexity: OWL Lite, OWL DL, and OWL Full. این مهم است که توجه داشته باشید که جغد است به سه زبان زیر، هر یک با افزایش پیچیدگی: OWL مطلب، OWL DL و OWL کامل. OWL DL includes OWL Lite, and OWL Full includes OWL DL and OWL Lite. OWL DL مطلب، شامل جغد و جغد کامل شامل OWL DL و OWL به مطلب. Developers choose which OWL dialect to use based on the level of complexity and level of detail required by their semantic model. توسعه دهندگان را انتخاب کنید که گویش جغد بر اساس سطح پیچیدگی و سطح جزئیات مورد نیاز با استفاده از مدل معنایی خود استفاده کنید.

When RDF resource descriptions are associated with an ontology defined somewhere on the Web, intranet, or extranet, it's possible for machines to retrieve the semantic information associated with each resource. هنگامی که شرح منابع RDF با هستی شناسی در جایی بر روی وب سایت، اینترانت، اکسترانت تعریف شده همراه است، این امکان وجود دارد برای ماشین آلات برای بازیابی اطلاعات معنایی در ارتباط با هر یک از منابع است. It's in this way that URIs, XML, RDF, RDFS, and OWL combine to make the Semantic Web a reality, making scenarios such as the software consultant's SOAP research and business trip planning described earlier feasible. در این راه است که URI ها، XML، RDF، RDFS، و جغد ترکیب را به وب معنایی یک واقعیت، ایجاد سناریوهای مانند تحقیقات SOAP مشاور و کسب و کار نرم افزار برنامه ریزی سفر قبلا شرح داده شده امکان پذیر است.

Other Semantic Web Technologies دیگر فن آوری های وب معنایی

In addition to the technologies mentioned here, provisions are also in place for Semantic Agent “proofs,” which allow humans to retrace the steps a Semantic Web agent took to arrive at a particular conclusion, as well as for security and trust mechanisms provided through digital signatures. به علاوه به فن آوری های ذکر شده در اینجا، مقررات نیز در جایی برای معنایی عامل "اثبات"، که به انسان اجازه می دهد به عقب گام های عامل وب معنایی انجام گرفت، به یک نتیجه خاص می رسند، و همچنین مکانیسم های امنیتی و اعتماد از طریق دیجیتال امضا.

Also, as mentioned earlier, Semantic Web agents, which are computer programs capable of interpreting RDF and OWL semantic information, are also required for harnessing the power of the Semantic Web. همچنین همانطور که پیشتر گفته شد، ماموران وب معنایی، که برنامه های کامپیوتری قادر به تفسیر RDF و OWL معنایی، برای مهار قدرت وب معنایی نیز مورد نیاز است.

For more information about the Semantic Web and its associated technologies, visit the links at the end of this page. برای کسب اطلاعات بیشتر در مورد وب معنایی و فن آوری های مرتبط با آن، از لینک در پایان این صفحه.

Semantic Web Present and Future در حال حاضر و آینده وب معنایی

It's important to note that implementation of RDF, OWL, and the Semantic Web as a whole will be a gradual process. این مهم است که توجه داشته باشید که اجرای RDF، OWL، و وب معنایی به عنوان یک کل، یک فرایند تدریجی خواهد بود. Questions about what the Semantic Web is and how it can benefit businesses and individuals are similar to initial confusion about why we needed HTTP and the Web before “WWW” was a staple of our daily vocabulary. سوال در مورد وب معنایی است و چگونه می توان آن را به نفع کسب و کارها و افراد شبیه به سردرگمی اولیه در مورد چرا ما نیاز به HTTP و وب سایت قبل از "WWW" به یک جزء اصلی از واژگان روزمره ما بود. But considering how those technologies have proliferated, it's likely that the Semantic Web vision is one that will be realized, even if it's on a small scale initially. اما با در نظر گرفتن این فن آوری های گسترش اند، این احتمال وجود دارد که چشم انداز وب معنایی است که تحقق خواهد یافت، حتی اگر آن را در مقیاس کوچک است در ابتدا.

It's also important to note that, similar to current Web services implementations, the Semantic Web may initially be restricted to intranet and extranet applications until questions about information security can be sufficiently addressed. همچنین بسیار مهم است به یاد داشته باشید که مشابه فعلی خدمات وب پیاده سازی، وب معنایی در ابتدا ممکن است محدود به برنامه های کاربردی اینترانت و اکسترانت تا سوال در مورد امنیت اطلاعات می تواند به اندازه کافی.

The true impact of the Semantic Web will not be known for quite some time, but its potential is staggering. تاثیر واقعی از وب معنایی را برای مدتی نمی شود شناخته می شود، اما پتانسیل آن متناوب است. Some Semantic Web proponents have asserted that it will lead to the evolution of human knowledge itself by allowing people - for the first time - to quickly filter and synergize the massive amounts of data that exist in the world in a relevant, productive way. برخی از طرفداران وب معنایی تأکید کرد که آن را به تکامل دانش بشری خود را توسط افراد اجازه می دهد، منجر شود - برای اولین بار - به سرعت، فیلتر و synergize حجم انبوهی از داده هایی را که در جهان در راه تولیدی مربوطه، وجود دارد.

Visual Semantic Web Development ویژوال توسعه وب معنایی

Given that RDF, RDFS, and OWL Semantic Web documents are often represented graphically, it makes sense to develop the corresponding RDF/XML or n-Triples code in a highly-visual manner. با توجه به RDF، RDFS، و جغد اسناد وب معنایی هستند که اغلب به صورت گرافیکی نمایش داده شده، آن را حس می کند به منظور توسعه کد مربوط به RDF / XML یا N-سه در شیوه ای بسیار بصری. Following in its tradition of supplying developers with easy-to-use, visual development tools, Altova created SemanticWorks™ 2006 to help our customers learn and work with these new Semantic Web technologies in an intuitive way. در سنت خود را تامین توسعه دهندگان با استفاده آسان برای، ابزارهای توسعه بصری، Altova SemanticWorks ™ 2006 برای کمک به مشتریان خود یاد می گیرند و کار کردن با این فن آوری های جدید وب معنایی در راه بصری.

A visual RDF and OWL editor, SemanticWorks includes the following powerful functionality: RDF و OWL ویرایشگر بصری، SemanticWorks شامل قابلیت های قدرتمند زیر

Support for visual creation and editing of RDF, RDF Schema (RDFS), OWL Lite, OWL DL, and OWL Full documents پشتیبانی از ایجاد تصویری و ویرایش RDF، RDF طرحواره (RDFS)، OWL به مطلب، OWL DL، و اسناد کامل OWL
Intelligent entry helpers that offer context-sensitive editing choices یاران ورود هوشمند است که ارائه گزینه های ویرایش حساس به متن
Syntax checking for RDF, RDFS, and OWL documents نحو برای چک کردن RDF، RDFS، و جغد اسناد
Semantics checking for OWL Lite and OWL DL ontologies چک کردن معانی برای OWL Lite و جغد هستی شناسی DL
Auto-generation and editing of RDF/XML or N-triples formats based on visual RDF/OWL design خودکار تولید و ویرایش RDF / XML و یا فرمت های N-سه بر اساس RDF تصویری / OWL طراحی

Altova SemanticWorks® 2012 allows you to graphically create and edit RDF instance documents, RDFS vocabularies, and OWL ontologies with full syntax checking and ontology semantics checking. Altova SemanticWorks ® 2012 اجازه می دهد تا شما را به صورت گرافیکی ایجاد و ویرایش اسناد RDF به عنوان مثال، واژگان RDFS، و هستی شناسی OWL با چک کردن کامل نحو و معانی هستی شناسی بررسی است. Context-sensitive entry helpers present you with a list of permitted choices based on the RDF or OWL dialect you're using, so you can create valid documents quickly and easily. حساس به زمینه یاران ورود شما در حال حاضر با یک لیست از گزینه های مجاز بر اساس RDF یا OWL لهجه شما با استفاده از، بنابراین شما می توانید اسناد و مدارک معتبر به سرعت و به آسانی ایجاد کنید.

You can switch from the graphical RDF/OWL view to the text view to see how your document is being built in RDF/XML or N-triples format, and you can export your file from RDF/XML to N-triples or vice versa at any time. شما می توانید از نظر گرافیکی RDF / OWL به نظر متن تبدیل به سند خود را در RDF / XML و یا فرمت های N-سه ساخته شده است، و شما می توانید فایل خود را از RDF / XML N-سه و یا بالعکس در صادرات هر زمان. And, because the RDF/XML or N-triples code is auto-generated based on your design, you can learn and experiment with the concepts of the Semantic Web without having to write complicated code. و به دلیل کد یا N-سه RDF / XML است تولید خودکار بر اساس طراحی خود را، شما می توانند یاد بگیرند و تجربه با مفاهیم وب معنایی بدون نیاز به نوشتن کد های پیچیده.

Learn more about working with the Semantic Web using Altova SemanticWorks® 2012 here . اطلاعات بیشتر در مورد کار با وب معنایی با استفاده از Altova SemanticWorks ® 2012 اینجا . Or, get started right away – download a free, 30-day trial of SemanticWorks now. یا، برای شروع در حق دور - دانلود رایگان، 30 روز محاکمه SemanticWorks در حال حاضر است.

تحقیق 'semantic web

مطالب مشابه :

ورود به سیستم دانشگاه آزاد اسلامی-واحد رامهرمز

دانشگاه آزاد اسلامی رامهرمز - کارشناسی ارشد

تحقیق 'semantic web

لینک ورودی سایت دانشگاه آزاد رامهرمز

وب معنایی چیست؟

چک لیست رشته کاردانی مدیریت دولتی

مدیریت محترم دانشگاه آزاد واحد رامهرمز .. حرف تعدادی از دانشجویان رشته کامپیوتر که واسم میل کردن

قابل توجه دانشجويان دانشگاه آزاد اسلامي واحد رامهرمز

نمرات درس شبيه سازي کامپيوتري دانشگاه آزاد اسلامي واحد رامهرمز

سایت جدید دانشگاه آزاد اسلامی واحد خرمشهر