[论文解读] semantify.it, a Platform for Creation, Publication and Distribution of Semantic Annotations

Elias Kärle, Umutcan Şimşek+1 more|arXiv (Cornell University)|Jun 30, 2017

Semantic Web and Ontologies参考文献 14被引用 13

一句话总结

semantify.it 是一个免费的基于网络的平台，通过直观的表单和 JSON-LD 生成，简化了使用 schema.org 创建、验证和发布语义注释的过程。它使非技术用户无需编写代码即可生成结构化数据，通过扩展框架支持动态数据集成，并通过验证和分析提升数据质量——已在奥地利、德国和瑞士的旅游领域实际应用中得到验证。

ABSTRACT

The application of semantic technologies to content on the web is, in many regards, important and urgent. Search engines, chatbots, intelligent personal assistants and other technologies increasingly rely on content published as semantic structured data. Yet, the process of creating this kind of data is still complicated and widely unknown. The semantify.it platform implements an approach to solve three of the most challenging question regarding the publication of structured semantic data, namely: a) what vocabulary to use, b) how to create annotation files and c) how to publish or integrate annotations within a website without programming. This paper presents the idea and the development of the semantify.it platform. It demonstrates that the creation process of semantically annotated data does not have to be hard, shows use cases and pilot users of the created software and presents where the development of this platform or alike projects lead to in the future.

研究动机与目标

• 解决使非技术网络内容创作者能够轻松创建语义注释的挑战。
• 解决语义发布中的三个核心问题：词汇选择、无需编码的 JSON-LD 文件创建以及网站集成。
• 提供一个集中化、用户友好的平台，用于创建、验证、存储和分发高质量的语义注释。
• 通过灵活的扩展框架，支持从数据库和 API 动态摄入数据。
• 通过高级验证、分析以及对 evolving schema.org 版本的未来支持，提升数据质量和可用性。

提出的方法

• 以 schema.org 作为语义注释的主要词汇，使用 JSON-LD 将其嵌入网页。
• 提供由专家创建的预构建、特定领域的表单，指导非技术用户生成正确的注释。
• 将生成的 JSON-LD 文件安全地存储在服务器上，并通过唯一 URL 供检索，便于集成到网站中。
• 引入插件系统和 REST API，支持与内容管理系统及外部数据源的集成。
• 采用扩展框架，支持集成 RML 处理器，将来自数据库或 API 的结构化数据映射到 schema.org。
• 计划通过直接从 schema.org GitHub 仓库拉取更新，实现对 schema.org 版本的实时适应。

实验结果

研究问题

• RQ1 如何使语义注释的创建过程对非技术用户更加直观和易于使用？
• RQ2 哪些技术和设计模式能够实现无需自定义编码的语义注释与现有网站的无缝集成？
• RQ3 如何通过自动化验证和基于规则的检查来提升语义注释的数据质量？
• RQ4 集中化平台在实现大规模、可重用且可分析的网络结构化数据方面能发挥什么作用？
• RQ5 语义注释平台如何应对 schema.org 等核心词汇库的快速、迭代式更新？

主要发现

• semantify.it 平台成功使非技术用户能够通过直观的表单输入方式，创建并发布符合 schema.org 规范的 JSON-LD 注释。
• 该平台已在奥地利、德国和瑞士的旅游领域实际应用中通过试点验证，证明其在真实流量下的可靠性。
• 扩展框架的集成使得能够通过 RML 将外部数据源（如数据库、API）动态映射到 schema.org，显著提升了数据摄入的可扩展性。
• 平台通过基于规则的机制实现高级验证，提升了注释的语义质量并减少了错误。
• 系统支持对注释使用情况的分析，包括获取频率和用户统计数据，为数据消费模式提供洞察。
• 平台设计为可通过直接从官方 GitHub 仓库拉取更新，实现对新 schema.org 版本的实时适应，确保长期可维护性。