thumb|right|250px|FOAF-vokabularet beskrevet i RDF/XML-format Semantisk web (eller semantisk vev, på engelsk: Semantic Web) er en utvidelse av verdensveven («World Wide Web», WWW) slik at ikke bare mennesker, men også datamaskiner kan dra nytte av informasjonen. Den semantiske veven ble først foreslått av Tim Berners-Lee, oppfinneren av den opprinnelige veven og direktør i World Wide Web Consortium (W3C). Nyere utviklinger som bygger på de samme ideene og teknologiene er lenkede åpne data, dataveven og kunnskapsgrafer.
Bakgrunn Da Tim Berners-Lee la frem idéen om den opprinnelige verdensveven («Plain Old Web», «POW») i mars 1989 var tanken at menneskelige brukere skulle få fri tilgang til informasjon gjennom et nett av sammenlenkede noder - det vi i dag kaller dokumenter eller nettsider/vevsider. I det opprinnelige forslaget var det altså interaksjonen mellom brukerne og informasjonen som stod i sentrum: Berners-Lee laget den opprinnelige veven for mennesker, ikke for maskiner.
Berners-Lee la så frem ideen om en semantisk vev på slutten av 1990-tallet, i boken «Weaving the Web». Han pekte på at de enorme datamengdene på veven ikke ble optimalt utnyttet siden det var for vanskelig å knytte sammen data fra ulike vevsider, selv når de handlet om det samme. Og siden datamengden på veven vokste raskt ble det stadig vanskeligere for menneskelige brukere å utnytte alle mulighetene som bød seg. Berners-Lee ønsket derfor å utvide veven slik at det alltid ville være klart når to opplysninger hadde med hverandre å gjøre, selv når de var hentet fra forskjellige vevsider, laget av forskjellige mennesker/organisasjoner for forskjellige formål, og publisert forskjellige steder i verden:
I 2001 publiserte Tim Berners-Lee sammen med James Hendler og Ora Lassila (en av utviklerne av RDF, se under) den første vitenskapelige artikkelen om den semantiske veven i tidsskriftet Scientific American.
Sentrale ideer Mens den opprinnelige veven er sentrert rundt dokumenter (dvs vevsider) som er lenket til andre dokumenter til nytte for mennesker, består den semantiske veven av data som er lenket til andre data til nytte for maskiner. I tillegg til å bruke de vanlige vevprotokollene HTTP og HTTPS, bygger den semantiske vevn på flere nye ideer og teknikker:
Semantisk merking av vevsider vil si at data utvides med detaljerte opplysninger om hva dataene handler om. I stedet for kun å skrive ordene «Bob Dylan», som de fleste mennesker vil forstå, legger man til semantiske merker som sier f eks at Bob Dylan er en person og en artist, at Bob er et fornavn og at Dylan er et etternavn. Disse merkene gjør informasjonen enklere å bruke for maskiner, samtidig som de kan holdes usynlige for menneskelige lesere. Vokabularer er standarder for semantiske merker, som person, artist, fornavn og etternavn. På den semantiske veven brukes URI-er til merking, f eks er http://xmlns.com/foaf/0.1/Person et mye brukt standardmerke for data om personer. Det finnes hundrevis av vokabularer for ulike områder, som personinformasjon, vevsider, produkter osv. Programvareagenter leter hele tiden gjennom veven for å finne, samle inn og sette sammen semantisk merkede data. Andre programvareagenter forsøker å utnytte allerede innsamlede data for å tilby nye informasjonstjenester. Noen slike agenter, som bruker teknikker fra maskinlæring og kunstig intelligens, kalles intelligente agenter. Semantiske datasett er samlinger av semantisk merkede data. De kan være samlet inn og satt sammen fra semantisk merkede vevsider av programvareagenter eller de kan være laget på andre måter. DBpedia er et semantisk uttrekk av semantiske data fra Wikipedia. Wikidata er et søsterprosjekt til Wikipedia som har til formål å lage et stort encyclopedisk semantisk datasett. GeoNames er et stort geografisk datasett laget gjennom nettdugnad («crowdsourcing») og som finnes i en semantisk versjon. Resource Description Framework (RDF) er et format som representerer semantiske datasett som grafer der nodene er informasjons- og andre ressurser og kantene er merker som beskriver hvordan ressursene henger sammen. Det finnes også spesielle databaser (kalt trippellagre), spørrespråk (SPARQL) og programmeringsbibliotekter (f eks Jena) for data på RDF-format. RDF definerer også ulike serialiseringer for å lagre og utveksle semantiske datasett som filer. Det finnes flere utvidelser av RDF, blant annet RDFS og OWL, som gjør det mulig å beskrive vokabularer som semantiske datasett. AAA-slagordet sier at alle på den semantiske veven kan bidra med alt de vil om alle tema. Som den opprinnelige veven legger den semantiske veven dermed til rette for nettdugnad, og det blir en viktig oppgave å holde orden på hvor troverdige ulike semantiske datasett er. Den finnes egne vokabularer for semantiske troverdighetsdata (f eks Provenance) som kan hjelpe med dette.
Nedenfor skal vi se på disse ideene og teknikkene i større detalj, men først et eksempel på bruk av den semantiske veven.
Anvendelser I artikkelen fra 2001, gir Berners-Lee, Hendler og Lassila følgende eksempel på hvordan de ser for seg en semantisk webb:
Eksemplet viser hvordan Lucy and Pete, støttet av hver sin intelligente agent, nærmest automatisk henter informasjon fra flere kilder som de organiserer, presenterer og deler med hverandre. Ovennevnte eksempel er i dagens web ikke mulig, for data er beskrevet og presentert for å være leselig for mennesker. Maskiner vil ikke klare å vite hva som er en person anser som viktig, eller hva som er hjem.
Semantisk merking En sentral ide bak den semantiske veven er semantisk merking av data. Semantiske merker («semantic tags») er data som sier hva andre data handler om, for eksempel at noen data handler om en bestemt person, at en tegnstreng er navnet på personen, at en annen tegnstreng er et telefonnummer, og at telefonnummeret tilhører en bestemt person. Semantiske merker er dermed en form for (semantiske) metadata, som kan brukes av maskiner for å sette data sammen på nye måter og generere ny informasjon.
For å merke data på den semantiske veven benyttes URI-er (eller rettere sagt IRI-er). For eksempel kan URI-en http://xmlns.com/foaf/0.1/Person brukes til å merke at noen data handler om en person, og URI-en http://xmlns.com/foaf/0.1/phone kan merke denne personens telefonnummer. Individer som personer, organisasjoner og steder kan også identifiseres unikt av en URI eller IRI. For eksempel kan http://dbpedia.org/resource/Sissel_Kyrkjebø brukes til å merke personen Sissel Kyrkjebø og http://dbpedia.org/resource/Bergen byen Bergen. Alle som vil kan foreslå nye merker og vokabularer, men verdien av semantiske data er størst når de bruker vanlige merker og vokabularer. Derfor er det god og vanlig praksis når man foreslår nye merker og vokabularer å lenke dem klart til eksisterende merker og vokabularer (og det finnes egne vokabularer for å lenke samme vokabularer).
Merking av HTML HTML har ingen innebygget funksjonalitet for å definere betydningen av innholdet i dokumentet. Man kan til dels beskrive metadata om dokumentet og innholdet i dokumentet gjennom taggen; man kan benytte attributter for å fortelle nettlesere og søkemotorer visse ting om dokumentet, slik som tegnsett, forfatter, beskrivelse av dokument, nøkkelord, osv. Det er imidlertid begrenset hva dette tillater, i tillegg til at hverken beskrivelse av dokument eller nøkkelord faktisk gir innholdet noen betydning, annet enn å knytte det til noen tilfeldige nøkkelord og en tekst-strenge. For eksempel, hvis følgende nøkkelord er spesifisert, "Doktor,Hartman,klinikk,fysisk,terapi", så vil ikke en maskin forstå at Doktor Hartman jobber i en klinikk for fysisk terapi. Den vil knytte ordene til dokumentet, men ikke ha noen formening om hva en doktor er, eller hvilken relasjon det er mellom nøkkelordene.
Det finnes fire formater man kan bruke for å merke HTML-dokumenter semantisk; nemlig mikroformater, RDFa, Mikrodata, og JSON-LD. De benytter seg av eksterne kontrollerte vokabularer, som definerer konsepter og begreper innenfor spesifike domener. Det finnes mange ulike vokabularer og hele samlinger med vokabularer, som definerer mange forskjellige domener. Dublin Core, FOAF, Schema.org er noen eksempler på dette.
Mikroformater Mikroformater bruker eksisterende XHTML/HTML-koder for å legge til semantiske opplysninger som GPS-koordinater, visittkort, lyd- og videofiler og kalendernotater. Til sammenligning med andre semantiske oppmerkinger er mikroformater hovedsakelig beregnet for å være enkelt leselig for mennesker, slik at maskiner kommer i andre rekke.
Mer typiske semantiske formater som RDF, OWL og XML, er spesifikt designet for publisering av data. Sammen med (X)HTML skal disse enten være en supplement til World Wide Web, eller en erstatter. Berners-Lee kaller dette nettverket Giant Global Graph (GGG), men spesifiserer i et dokument at en semantisk web ikke er tenkt på som en erstatter av World Wide Web, men heller en samarbeidspartner.
Eksempel: HTML meta-tagger vs. semantisk oppmerking med RDFa For å vise forskjellene mellom HTML og semantisk oppmerking ved bruk av RDFa, vurder følgende eksempler som skal forklare at en artikkel er skrevet av Bob Dylan og skal forklare at han kjenner Neil Young og Joan Baez
... <meta name="keywords" content="bob dylan, joan baez, neil young, personlig hjemmeside, om meg"/> <meta name="description" content="Min personlige hjemmeside"/> <meta name="author" content="Bob Dylan"/> Denne artikkelen ble skrevet av Bob Dylan og handler om mine venner: Neil Young og Joan Baez. ...
I det ovennevnte eksempelet kan en agent lese hvem som er skribenten, en beskrivelse av nettsiden og noen nøkkelord til å binde til nettsiden. I eksempelet nedenfor har vokabularene Dublin Core og FOAF blitt brukt for å forklare til agenter hva som er meningen bak innholdet innenfor hver tagg.
<html xmlns:foaf="http://xmlns.org/foaf/0.1" xmlns:dc="http://purl.org/dc/elements/1.1/"> ... Denne artikkelen ble skrevet av <span property="dc:author"><span property="foaf:Person">Bob Dylan</span> </span>, og handler om mine venner: <span property="foaf:knows"><span property="foaf:Person"><span property="foaf:name">Neil Young</span> og <span property="foaf:name">Joan Baez</span> ...
I det eksempelet kan en datamaskin lese at skribenten av dokumentet er Bob Dylan og at Neil Young og Joan Baez er to personer og har to forskjellige navn. I FOAF-vokabularet kan man også spesifisere mer bestemt fornavn, etternavn og lignende. I dette eksempelet har vi prøvd å holde det så enkelt som mulig.
Vokabularer Vokabularer er standarder for semantiske merker, som person, artist, fornavn og etternavn. På den semantiske veven brukes URI-er til merking, f eks er http://xmlns.com/foaf/0.1/Person et mye brukt standardmerke for data om personer. Det finnes hundrevis av vokabularer for ulike områder, som personinformasjon, vevsider, produkter osv.
Dokumenter kan bli markert med semantiske tagger (pr. dags dato er det kun -taggene, beskrevet ovenfor, som er standardisert i HTML) for å beskrive de forskjellige egenskapene til dataen presentert i dokumentet. For eksempel kan man markere opp ting som hvem som har skapt dokumentet ved å ha en "skaper" eller "skribent"-tagg. Når maskiner leser denne vil de forstå at skaperen av dokumentet er personen, eller personene innenfor nevnte tagger. Det finnes et bredt utvalg av slike vokabular som kan definere egenskaper på en hel rekke ting. Alt kan bli definert gjennom bruken av URIer, slik at en semantisk web kan skille mellom (f.eks.) plasser, mennesker, dyr og mat.