AICon上海|与字节、阿里、腾讯等企业共同探索Agent 时代的落地应用 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 01:334986
用户头像
臧秀涛 略懂技术的运营同学。

发布了 300 篇内容, 共 140.2 次阅读, 收获喜欢 35 次。

关注

评论

发布
暂无评论
发现更多内容

简洁实用的文本编辑器:FSNotes中文版

真大的脸盆

Mac Mac 软件 文本编辑器 文本管理 文本处理工具

我又和redis超时杠上了

蓝胖子的编程梦

redis 性能分析 云服务器 线上事故 接口超时

亿级大表毫秒关联,荔枝微课基于腾讯云数据仓库Doris的统一实时数仓建设实践

科技热闻

含有CPU芯片的PCB设计需要考虑的五个主要方面

华秋电子

圣邦股份:品类持续深挖,高端加速推进,模拟龙头稳健发展

华秋电子

BFF层聚合查询服务异步改造及治理实践 | 京东云技术团队

京东科技开发者

优化技巧 企业号 6 月 PK 榜 BFF层 异步优化

TiDB数据迁移实践DM工具

TiDB 社区干货传送门

迁移 实践案例

TiDB 落地SAS机器实践

TiDB 社区干货传送门

实践案例 应用适配 HTAP 场景实践

客服都要下岗了? 当ChatGPT遇见私有数据,秒变AI智能客服!

BeeWorks

让AI无处不在!Intel拿出全新VPU:超高能效碾压GPU

E科讯

堡垒机重要吗?为什么?求解!

行云管家

堡垒机 安全运维 录像审计

大型 3D 互动开发和优化实践 | 京东云技术团队

京东科技开发者

游戏 3D 企业号 6 月 PK 榜 互动游戏

这本数智平台白皮书讲透了大型企业数智化升级业务痛点

用友BIP

白皮书 数智底座 数智平台 平台白皮书 数智化转型白皮书

【5.26-6.02】写作社区优秀技术博文一览

InfoQ写作社区官方

热门活动 优质创作周报

TiDB集群数据库灾难恢复手册

TiDB 社区干货传送门

管理与运维 备份 & 恢复

强化学习基础篇[2]:SARSA、Q-learning算法简介、应用举例、优缺点

汀丶人工智能

人工智能 深度学习 强化学习

一文读懂责任分配矩阵,解决你80%的项目难题

敏捷开发

项目管理 Scrum 敏捷开发 责任分配矩阵 RACI矩阵

一次网络请求中的流量分发过程 | 京东云技术团队

京东科技开发者

数据传输 企业号 6 月 PK 榜 流量分发 网络请求

玩转服务器之应用篇:从零开始构建小型高可用环境

京东科技开发者

高可用 云主机 云服务器 企业号 6 月 PK 榜

rocketmq4 docker安装 阿里云linux2(centos7)

folo

Docker centos RocketMQ部署

单点登录的三种实现方式

Authing

SSO 单点登录

CodeWhisperer 初体验

天黑黑

AI 亚马逊云 CodeWhisperer

复杂Flink任务Task均衡调度和优化措施

Openlab_cosmoplat

大数据

人工智能工程总体介绍

紫晖

人工智能 软件工程 数据开发

行云堡垒V7亮点有哪些?具体看这里!

行云管家

IT运维 行云堡垒

手把手实践丨基于STM32+华为云设计的智慧烟感系统

华为云开发者联盟

云计算 华为云 华为云开发者联盟 企业号 6 月 PK 榜

世界500强开滦集团的财务共享建设路径

用友BIP

财务共享

重新思考流处理与流数据库

吴英骏

开源 云原生 流处理 ​Rust 实时数据库

强化学习基础篇【1】:基础知识点、马尔科夫决策过程、蒙特卡洛策略梯度定理、REINFORCE 算法

汀丶人工智能

人工智能 深度学习 强化学习

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