基于语义网的个性化学习服务

语义网是指一种使用可以被计算机理解的方式描述事物的网络，在这样一个迫切需要进行海量数据处理的时代，对众多行业而言，合适的平台、技术以及应用变得尤其可贵。尽管网络意义上的“语义”概念初创至今已有十余年，各种标准、框架层出不穷。但由于应用的缺乏，一直处于不温不火的状态。语义平台建设在近几年终有起色，LOD(Linked Open Data，关联开放数据)等一系列重要平台的涌现为各种基于语义的应用提供了基础数据来源。在应用方面，似乎处于一种悖论当中，即在一方面，语义应用需要大规模的高质量语义数据支持，而在另一方面，大规模的高质量语义数据又需要广泛的应用来推动。没有激动人心的、受到工业界推崇的语义应用的出现，相关研究者的注意力很难转到各领域语义词表的更新和维护上，从而造成了LOD中部分数据时常无法访问的局面。

语义网的建设是一个长期的过程，而未来数据Web的建立更是需要艰难跋涉。但千里之行始于足下，当前暂时出现的困难不应成为裹足不前的理由。令人欣慰的是，越来越多的语义数据、关联数据提供者已经加入到关联数据云的维护中来，这是一个良好的发展趋势。语义网是为了整合海量异构数据而提出的概念，语义技术则是实现语义网的各种技术的总称，语义技术为异构数据提供数据相互操作的基础。(www.xing528.com)

本体描述的对象和范围是对共享概念模型的规范说明，而语义网是面向特定领域的概念模型，语义网以“节点”代表实体、概念或状态，以“边”表示实体间关系。由于本体描述的对象语义网相对较严格，因而描述范围较语义网狭小。例如，语义网络中可以表达“ROM是存储器”，而本体则适合表达如“存储器的构成”等整体内容。本体以9个要素(个体、类、属性、关系、功能函数、限制、规则、公理、事件)严格、正确地描述对象。因此，在表示的深度上，本体优于语义网。虽然本体建模比语义网建模有更多困难，但本体模型由于具有严格的规则、限制及关系描述，在推理应用中要强于语义网建模。