什么是语义学及其重要性

这篇白皮书将深入解释什么是语义，并探讨采用语义方法对组织的数据在搜索、易用性和标准化方面带来的好处。Baklib 作为一家知识和信息管理咨询公司，与客户密切合作，帮助他们重组和转换其组织的知识结构和文化。

我们在与客户合作的过程中注意到一个普遍的现象：客户不愿深入探索其数据的含义和语义，这个问题可以归结为“为什么语义？”这一问题。以下是从几个方面解释这种现象：

• 对这个概念不熟悉；
• 对于语义过于复杂，认为这对于数据成熟度较低的组织来说是难以逾越的鸿沟；或者
• 一种错误的看法，即通过正确的代码库可以消除语义问题。

这些都是我们看到的语义犹豫不决的原因。公正地说，在语义层面（如 语义层）、语义网）、语义搜索 等等应用中，要理清语义的真正含义和带来的好处并不容易。

什么是语义？

术语 语义 最初源自哲学领域，指的是我们通过概念和语言建立并传递意义的过程。虽然这个概念听起来令人望而生畏，但在分析数据时，我们使用的语义通常局限于一个相对狭窄的应用范围。

数据语义关注的是数据所代表的意义以及数据中所包含的信息——包括我们将数据编码和解释的能力。它涵盖了数据产生的背景、数据所指代的对象，以及理解并利用这些数据所需的额外信息。

为了更好地理解这一点，请让我们考虑以下图像：

以下是 veterinary 诊所跟踪访问的表格示例：

我的神奇兽医诊所

上面是我们的想象兽医诊所的表格样本数据。在这个表中，我们可以根据行和列的位置来判断某个数据代表什么。查看第一列第二行的数据，“Katara”指的是一个名字，因为它位于“Name”（名称）这一列下。接着看右边的单元格，我们发现“Katara”确实是一个猫的名字。继续向右移动，可以看到她的品种、访问日期以及她主人今天带她来的理由。

我在第一稿时看着作者打这篇白皮书的真正的 Katara

虽然我们表格中的语义似乎比更复杂的应用程序和数据格式要基本得多，但它对于理解并利用数据是非常重要的。这引出了我的第一个论点：

您已经在使用语义

无论您是否有正式的语义程序，您的组织已经在与数据的语义进行日常活动。因为语义常常被提及为高级数据应用和解决方案的一个组成部分，所以人们有时错误地认为提高和改善数据的语义只能是高成熟度的活动。一位低成熟度

组织直接提到了这个问题，说：“语义就是房屋的阳台。我现在真正需要的是地基。”他们缺少的东西，以及我们通过与这家客户合作展示给他们的内容是，理解并提高数据的语义是一个基础性的活动。从表格的布局、到命名规范，再到单元格中出现的术语列表和下拉菜单，语义都与我们如何使用和理解数据密不可分。

五星级语义数据实现

为了避免误解，我们需要提高我们数据的语义表达能力。让我们再看看兽医院的数据样本。之前，我们假设“Name”指的是输入动物的名字，但如果我们给不熟悉表格设置的人提供这些数据，他们是否能够正确使用呢？如果兽医院需要打电话，他们会意识到“Katara”指的是猫的名字而不是猫主人吗？在评估数据语义时，我喜欢引用帕诺斯·亚历山大opoulos的书籍《语义建模》。在此书中，帕诺斯将语义数据建模定义为创建表示数据的机制，使得“明确、准确且被人类和计算机系统共同理解”。这三个方面都是确保我们数据的语义能够支持使用、随着时间增长以及分析的基础。

明确性

数据包含意义。通常，数据的意义是通过参与数据生成和数据集创建的人群来隐含地理解的。由于他们已经知道数据的内容，他们可能不需要明确地描述数据是什么，如何构建数据，不同术语的定义是什么。遗憾的是，这可能导致

[注：原文在此处被截断了，完整版将包含后续内容]

• 对数据可用来做什么的理解出现偏差
• 对数据描述的内容理解错误
• 对数据元素含义的误解

当我们查看最初的表格示例时，我们都知道Katara是一只猫，这是因为表格的结构告诉了我们这一点。但如果我们将“Katara”这个概念从表格中提取出来，虽然我们依然知道它指的是某物，但这个信息就会丢失——“Katara”只是一个字符串，没有说明这个字符串是否指代真实的 Katara（如《星战》中的虚构角色），或者其他可能存在的Kataras。

为了处理理解数据可用来做什么的问题，我们需要明确记录数据是如何产生的，以及它被设计用来做什么。这种信息应该以明确的方式传递给消费者，而不是让读者通过假设来推断。

要了解数据描述的内容，我们可以构建一个概念模型（Conceptual Model），将最重要的实体（或 实体）及其属性提取出来，并描绘出它们之间的关系。例如，在我们兽医诊所的数据中：

兽医诊所信息的一个概念模型示例，包含了一些额外的信息，如电话号码和地址

现在我们已经有了一个初步的概念模型。这个模型通过识别数据背后所指代的具体实体（即所谓的“事物”），帮助人们更好地理解数据的内在结构。这种模型使得人们能够更容易地将新数据集与已建模的数据集连接或映射起来。

最后，为了全面描述数据的内容，我们需要构建一个概念模型，并将其扩展为一个完整的知识图谱（Knowledge Graph）。

在数据元素中，我们能够利用 数据字典（Data Dictionary）。数据字典包含关于数据元素的额外元数据，例如它们的定义、标准化名称以及属性。通过使用数据字典，我们可以查看“动物”字段的允许值范围，或者了解“预约”与“检查”之间的定义差异。

准确

数据应该能够证明其自身的准确性以促进信任和使用。此外，这些准确性检查也应是人-readable且可以被机器理解和运用。起初看起来似乎很显然，我们希望数据是准确的。不太明显的是，我们应该如何实现准确性。为了确保我们的数据是准确的，我们应该定义适用于我们数据的准确性是什么。这可能包括格式信息：例如，日期应该以遵循ISO 8601标准的YYYY-MM-DD格式编码，而不是以Month/Day/Year的形式。它也可以是确保电话号码为10位且有有效北美区号的正则表达式。将准确性信息作为数据语义的一部分既确保了数据源的正确性，也防止了低质量、不准确的数据混入到数据集中。正如俗语所说，“输入垃圾，输出垃圾。”

机器可读

回到我们之前的概念图中，它有一个明显的局限性。人类用户可以使用模型来理解数据中的实体如何相互关联，但目前没有机器可读性。有了明确的机器可读模型，程序将知道访问次数总是与一个动物相关联，并且动物必须有一到多个所有者。这些知识可以用程序实现来验证数据何时准确或不准确。这是机器语义的益处，我们希望在我们的d

为了展示语义数据的强大之处，让我们把我们的数据放到一个简单的语义知识图谱中：

基于兽医诊所数据的知识图谱示例

在这个图谱中，我们将我们的语义明确化为不仅包含数据，还定义了数据遵循的模型。图谱捕捉了我们希望在数据字典中找到的信息。如果我们想了解模型中的任何部分——例如，“hasBreed”关系指的是什么——我们可以导航到该部分并获取更多信息：

“hasBreed”关系在模型中的定义

在这个图谱模型中，我们捕捉了可以用于描述动物的类型和品种以及关系的基数性，以确保数据及其使用保持准确。由于我们使用知识图谱，所有这些信息都是机器可读的，允许我们对图谱进行查询。回到第一个例子，我们可以向图谱询问动物名称：

Query the Graph

通过这种方式，语义知识图谱不仅帮助我们明确数据的语义，还确保了数据的准确性和一致性，从而提升了数据的可用性和可靠性。

Kata’s 主要负责人 vs Kata 的名称以获得上下文相关的正确回答（请参见下面示例 SPARQL 查询）：

选择?PetOwnerName ?PetName

条件是 {

    ?PetOwner hasPet ?Pet .

    ?PetOwner schema:name ?PetOwnerName .

    ?Pet schema:name ?PetName .

}

通过我们的三部分语义（词汇表、上下文和一致性），我们可以理解并合理利用数据，而无需猜测表格中不同单元格的含义。

基于上述 SPARQL 查询的结果示例 CSV

结论

本文通过如何理解并合理利用组织数据的核心，介绍了语义的重要性。对于任何在大规模处理数据时，存在数据生产者和数据消费者之间一定程度的分离的数据集，清晰且经过文档说明的语义至关重要。没有良好的语义，许多基于数据的基本用途都会遇到阻碍和困难。最终提出的问题不是“为什么语义？”，而是“语义如何融入数据策略中？”在Enterprise Knowledge公司，我们可以与您合作制定一个符合您需求的企业数据策略。联系我们以获取更多信息。