Wordt het internet semantisch met versie 3.0?

Een aantal onder de lezers van deze blog hebben waarschijnlijk wel eens gehoord van de term Web2.0. Deze term bestaat intussen al sinds 2004 en wordt nog vaak (onterecht) in verband gebracht met het grafische ontwerp van websites. Web 2.0 verwijst naar de tweede fase op het internet. Dit betekent ook dat er een eerste fase is geweest. Waar in Web1.0 de content nog vooral kwam van de beheerders van websites, wordt de content in Web2.0 voornamelijk gegenereerd door bezoekers met behulp van nieuwere technieken. Denk aan grote sites als Flickr, Youtube en Wikipedia. Lees meer hierover op de site van O’reilly media, die de term web2.0 heeft bedacht.
Een tijdje geleden is de derde fase alweer begonnen op het web (web3.0). Deze fase wordt vooral het semantische (of intelligente) web genoemd. Alhoewel het semantische web ook als onderdeel van web3.0 wordt gezien.

Wat wordt bedoeld met semantisch?

Globaal gezien komt het erop neer dat het internet gaat praten en denken zoals wij dat doen. Er wordt een betekenis gegeven aan de data op een pagina en de relatie tussen de verschillende data. Een pagina bestaat uit een stuk tekst, maar vaak zit er, voor computers, geen betekenis aan deze tekst. Een misschien wel bekend voorbeeld is: je zoekt op Hilton Parijs, maar terwijl je op zoek bent naar het hotel in Parijs, krijg je alleen maar resultaten van de bekende Paris Hilton.

Wanneer je dit semantisch zou maken, dan zou een (semantische) zoekmachine begrijpen dat met Paris een plaats wordt bedoeld en Hilton een hotel. Dus wanneer deze zoekmachine begrijpt dat ik hier naar op zoek ben, dan zie je de vrouw Paris Hilton niet meer tussen de zoekresultaten staan. Dit kan nog verder gaan: de zoekmachine vindt meteen relaties en geeft je bijvoorbeeld een link naar een reisbureau om een vlucht naar Parijs te boeken.

Het semantische web laat geautomatiseerde processen (programma’s, computers, …) toe verbanden te leggen tussen ogenschijnlijk losse gegevens op verschillende plekken (verschillende websites).

Voorbeeld: Het belang van verbanden leggen

Tony Hayward is de CEO van BP
De CEO van BP zit op een zeilboot in de Golf van Mexico
Er vaart slechts één boot in de Golf van Mexico
Er is een zeilboot omgeslagen in de Golf van Mexico

Elk van deze vier zinnen is op zichzelf niet bijzonder spannend maar als we deze vier zinnen achter elkaar lezen, is te concluderen dat de CEO van BP in de problemen zit. Nu staan de vier zinnen handig genoeg toevallig achter elkaar in één blogpost, maar wat nu als elk van deze 4 nieuwsitems op totaal verschillende websites hadden gestaan?

Mens versus software

In bovenstaande voorbeeld is het voor een mens eenvoudig verbanden te leggen en tot bovenstaande conclusie te komen. Voor een computer is dit echter niet zo eenvoudig en al helemaal niet als deze vier zinnen los van elkaar op verschillende plekken hadden gestaan. Hoe had een computer of internet spider dit verband kunnen leggen? Dat is vrijwel onmogelijk. Tenzij we speciaal voor een computer wat extra informatie zouden kunnen geven. Informatie die de informatie beschrijft. Speciaal voor computers.

Hoe maak je data semantisch?

Semantisch HTML bouwt voort op het oorspronkelijke idee van HTML waarbij tags betekenis beschrijven in plaats van opmaak. Je voegt bijvoorbeeld een annotatie toe aan een adres en een zoekmachine begrijpt dat het om een adres gaat. Technieken hiervoor zijn RDF en Microformats.

Zo kun je met Microformats personen, organisaties, bedrijven en hun contactgegevens beschrijven, ook bij een kalender met evenementen kun je betekenis geven zodat een zoekmachine (of andere applicatie) echt ziet dat het om een evenement gaat op die bewuste dag. En zo zijn er nog meer toepassingen. Enkele bekende sites die Microformats gebruiken zijn: Facebook, Flickr, LinkedIn en Twitter.

Een voorbeeld van een semantische zoekmachine is WolframAlpha. Zoek bijvoorbeeld eens op "how old is Bill Gates" of "How big is Belgium".

De beschrijving van WolframAlpha zal ik houden voor een volgende blogpost.