【AICon】AI 基础设施、LLM运维、大模型训练与推理,一场会议,全方位涵盖! >>> 了解详情
写点什么

JSON-LD 进入 W3C 推荐状态

  • 2014-02-08
  • 本文字数:1711 字

    阅读完需:约 6 分钟

W3C RDF 工作组已将 JSON-LD 和 JSON-LD 1.0 处理算法与 API 标准推进到推荐状态。JSON-LD 是一个标准,旨在向 JSON 中加入“链接数据(linked data)”语义。JSON-LD 文档看上去是像下面这样:

复制代码
{
"@context": "http://json-ld.org/contexts/person.jsonld",
"name": "Manu Sporny",
"homepage": "http://manu.sporny.org/",
"image": "http://manu.sporny.org/images/manu.png"
}

如果还不熟悉 W3C 的标准化流程,可以先了解一下:一个规范可以处于三个成熟层次之中。推荐(Recommendation)状态是特定规范的最后一步。W3C 的建议是,推荐状态可以“广泛实现”,也就是说,相应规范已经为广泛的公开使用做好准备,而且足够稳定。

人们投入了很多工作才使 JSON-LD 进入这一状态:在 4 年多的时间里,有着 100 次电话会议,281 份议题纪要,2 000 次代码提交,以及 2 500 封电子邮件。

进一步了解 JSON-LD

下面是一个直接选自规范的例子:

复制代码
{
"name": "Manu Sporny",
"homepage": "http://manu.sporny.org/",
"image": "http://manu.sporny.org/images/manu.png"
}

这个 JSON 文档表示一个人。人们很容易推断这里的语义:“name”是人的名字,“homepage”是其主页,“image”是其某种照片。然而机器不理解“name”和“image”这样的术语。

为解决该问题,我们可以使用链接数据。下面使用 JSON-LD 表示上面的例子:

复制代码
{
"http://schema.org/name": "Manu Sporny",
"http://schema.org/url": { "@id": "http://manu.sporny.org/" },
"http://schema.org/image": { "@id": "http://manu.sporny.org/images/manu.png" }
}

通过链接到 schema.org 上的定义,我们可以教给机器如何理解“name”、“url”和“image”的语义。不过有点复杂了。通过 JSON-LD 所谓的“上下文(context)”,我们可以兼顾第一个例子的简洁性和第二个例子的语义理解。基于第一个例子,我们引入一个 context:

复制代码
{
"@context": "http://json-ld.org/contexts/person.jsonld",
"name": "Manu Sporny",
"homepage": "http://manu.sporny.org/",
"image": "http://manu.sporny.org/images/manu.png"
}

我们现在链接到了 json-ld.org 上的一个 context。context 文档看上去像下面这样:

复制代码
{
"@context":
{
"name": "http://schema.org/name",
"image": {
"@id": "http://schema.org/image"
"@type": "@id"
},
"homepage": {
"@id": "http://schema.org/url",
"@type": "@id"
}
}
}

这种方法的另一个优点是,多个文档可以使用同一个 context。

为什么没有选择 RDF

JSON-LD 呈现出语义 Web 技术的风格,但是两者并不完全一样。它们有着类似的目标:围绕某类知识提供共享的上下文。例如,每个网站不应该围绕“name”重复发明概念。假设我们想研究几个不同的服务,以比较人们识别自身的方式。为了得到人们的名字,我们不得不针对每种 API 重新编写不同的代码,以确定如何取得其名字。

利用语义 Web 技术,每个服务都会暴露出“这是一个人( Person )”这一语义,我们只需要编写一次代码,理解人是什么。而且可以跨多种服务复用代码。

尽管 JSON-LD 和更为传统的语义 Web 技术(如 RDF)有着同样的最终目标,但是二者没有使用同样的构建块,JSON-LD W3C 社区组的主席 Manu Sporny 就两者之间的关系写了一篇博客

这就是我实现 JSON-LD 时没有选择大部分语义 Web 技术栈(TURTLE/SPARQL/Quad Stores),而选择从头做起的原因。这一策略并不适合所有人,但却是唯一适合我们的,而且是我们所能想到的唯一能让更传统的语义 Web 技术从骄傲自满中醒悟过来的方式。

Manu 还就规范简洁、清晰的文风做了详细说明:

我们尽最大努力剔除 JSON-LD 规范中复杂的技术行话。而且我特别注意在 JSON-LD 1.0 规范中完全不提 RDF,因为读者不需要为了理解 JSON-LD 文档转而去读 RDF 相关资料。在这一点上我们推回了很多次,我后面还会讲,但是问题在于我们想以相对于典型的 Internet 和 Web 规范更具谈话风格的方式传达信息,因为在规范中太早进入学究式风格会定下错误的基调。

这两点都表明, JSON-LD 尝试将语义 Web 技术相关的探讨向如下方向推进:简单、不复杂以及面向一般开发人员。

查看英文原文: JSON-LD Reaches W3C Recommendation Status

2014-02-08 01:334710
用户头像
臧秀涛 略懂技术的运营同学。

发布了 300 篇内容, 共 130.3 次阅读, 收获喜欢 34 次。

关注

评论

发布
暂无评论
发现更多内容

宝安机关食堂支持数字人民币刷脸支付

CECBC

技术实践|网易云信 IM SDK 服务高可用技术方案

网易云信

后端

fil矿机什么时候开始挖?fil矿机能挖多久?

fil矿机能挖多久 fil矿机什么时候开始挖

Java内存问题从工具到诊断平台

徐敏

Java 监控 垃圾回收 故障诊断

优雅的故障处理:快速创建 Pulsar 重试队列

Apache Pulsar

消息队列 Apache Pulsar StreamNative

女巫面具软件开发

(王经理)专业app小程序开发

区块链产业大爆发!未来究竟是谁的机会?

CECBC

北鲲云超算平台如何帮助高性能计算行业提供解决方案

北鲲云

盲盒星球系统开发

(王经理)专业app小程序开发

初学架构师养成の微信业务架构分析&学生管理系统架构

Yina🌝很浪🌊

架构

小公司实施系统为什么也容易失败?

明道云

fil挖矿步骤教程是什么?fil挖矿规则是什么?

fil挖矿步骤教程是什么 fil挖矿规则是什么

存储大师班 | ZFS存储池块管理与事务模型

QingStor分布式存储

文件存储 分布式存储

能不能征服初恋,就看这个架构了!!!

人工智能~~~

读书笔记-《数据密集型应用系统设计》-概论

KayTin

RocketMQ-学习记录

春秋易简

联邦计算能力,让企业异构数据源数据合作畅通无阻

星环科技

异构数据 联邦计算

为什么要了解复杂科学?

石云升

8月日更

强大的OCR技术+多元的用户场景 口碑型App白描的开发之路

百度大脑

人工智能 OCR 视障

kubelet 1.14 升级 kubelet 1.20 容器重启问题

Geek_f24c45

Docker Kubernetes kubelet

区块链应用:从技术工具到创新思维

CECBC

Go 与 C++ 的对比和比较

恒生LIGHT云社区

c++ 编程语言 Go 语言

易灸灸系统开发

(王经理)专业app小程序开发

Python实现发送邮件(实现单发/群发邮件验证码)

Python研究者

8月日更

Goroutine & Channel

Vibyird

并发编程 channel CSP Go 语言 goroutine

区块链“通证”将颠覆“资本”

CECBC

springboot+vue+activiti,在线编辑器,快速开发平台

金陵老街

Java Vue 工作流 springboot Activiti

一周信创舆情观察(8.16~8.22)

统小信uos

赋能生态,合力同行!博睿数据成为光合组织成员单位

博睿数据

云行、数治、慧用 打造直抵基层的数字化高速公路

浪潮云

云计算

fil挖矿收益如何?fil挖矿一天可以挖多少?

区块链 分布式存储 IPFS fil挖矿 filecoin收益

JSON-LD进入W3C推荐状态_语言 & 开发_Steve Klabnik_InfoQ精选文章