Consulta semántica

Las consultas semánticas permiten realizar consultas y análisis de naturaleza asociativa y contextual . Permiten recuperar información derivada tanto explícita como implícitamente a partir de la información sintáctica , semántica y estructural contenida en los datos. Están diseñadas para ofrecer resultados precisos (posiblemente la selección distintiva de una sola pieza de información) o para responder preguntas más generales y abiertas mediante la coincidencia de patrones y el razonamiento digital .

Las consultas semánticas funcionan con grafos con nombre , datos enlazados o triples . Esto permite que la consulta procese las relaciones reales entre la información e infiera las respuestas a partir de la red de datos . Esto contrasta con la búsqueda semántica , que utiliza la semántica (el significado de las construcciones del lenguaje) en texto no estructurado para producir un mejor resultado de búsqueda. (Véase procesamiento del lenguaje natural ).

Desde un punto de vista técnico, las consultas semánticas son operaciones relacionales precisas, muy parecidas a las consultas a bases de datos . Trabajan con datos estructurados y, por lo tanto, permiten utilizar funciones avanzadas como operadores (por ejemplo, >, < e =), espacios de nombres, coincidencia de patrones , subclases , relaciones transitivas , reglas semánticas y búsqueda contextual de texto completo . El conjunto de tecnologías de la web semántica del W3C ofrece SPARQL ^{[ 1 ] [ 2 ]} para formular consultas semánticas con una sintaxis similar a SQL . Las consultas semánticas se utilizan en almacenes de triples , bases de datos de grafos , wikis semánticas , lenguaje natural y sistemas de inteligencia artificial .

Las bases de datos relacionales representan todas las relaciones entre datos de forma implícita únicamente. ^{[ 3 ] [ 4 ]} Por ejemplo, las relaciones entre clientes y productos (almacenadas en dos tablas de contenido y conectadas mediante una tabla de enlace adicional) solo se establecen en una consulta ( SQL en el caso de las bases de datos relacionales) escrita por un desarrollador. Escribir la consulta requiere un conocimiento preciso del esquema de la base de datos . ^{[ 5 ] [ 6 ]}

Los datos enlazados representan todas las relaciones entre datos de forma explícita . En el ejemplo anterior, no es necesario escribir código de consulta. El producto correcto para cada cliente se puede obtener automáticamente. Si bien este ejemplo sencillo es trivial, el verdadero potencial de los datos enlazados se manifiesta cuando se crea una red de información (clientes con su información geoespacial, como ciudad, estado y país; productos con sus categorías dentro de subcategorías y supercategorías). Ahora, el sistema puede responder automáticamente a consultas y análisis más complejos que buscan la conexión de una ubicación específica con una categoría de producto. Se omite el esfuerzo de desarrollo para esta consulta. La ejecución de una consulta semántica se lleva a cabo recorriendo la red de información y encontrando coincidencias (también llamado recorrido de grafos de datos ). ^{[ 7 ]}

Otro aspecto importante de las consultas semánticas es que el tipo de relación puede utilizarse para incorporar inteligencia al sistema. La relación entre un cliente y un producto es fundamentalmente distinta a la relación entre un barrio y su ciudad. Esta última permite al motor de consultas semánticas inferir que un cliente que vive en Manhattan también vive en la ciudad de Nueva York, mientras que otras relaciones pueden presentar patrones más complejos y requerir análisis contextuales. Este proceso se denomina inferencia o razonamiento, y consiste en la capacidad del software para obtener nueva información a partir de datos dados.

• Velez, Golda (2008). "La semántica ayuda a Wall Street a lidiar con la sobrecarga de datos" . Wall Street & Technology . wallstreetandtech.com.
• Zhifeng, Xiao (2009). "Consulta semántica de información espacial basada en SPARQL". En Liu, Yaolin; Tang, Xinming (eds.). Simposio internacional sobre análisis espacial, modelado de datos espaciotemporales y minería de datos . Vol.  7492. SPIE. pp.  74921P. Bibcode : 2009SPIE.7492E..60X . doi : 10.1117/12.838556 . S2CID 62191842 . 
• Aquin, Mathieu (2010). "Watson, más que un motor de búsqueda de la Web Semántica" (PDF) . Semantic Web Journal.
• Dworetzky, Tom (2011). "Cómo funciona Siri: el 'cerebro' del iPhone proviene del procesamiento del lenguaje natural" . International Business Times .
• Horwitt, Elisabeth (2011). "La web semántica se pone manos a la obra" . computerworld.com.
• Rodríguez, Marko (2011). "Coincidencia de patrones de grafos con Gremlin" . Marko A. Rodríguez . markorodriguez.com en Computación de grafos.
• Sequeda, Juan (2011). "SPARQL Nuts & Bolts" . Cambridge Semantics.
• Freitas, Andre (2012). "Consulta de conjuntos de datos heterogéneos en la web de datos enlazados" (PDF) . IEEE Internet Computing.
• Kauppinen, Tomi (2012). "Uso del paquete SPARQL en R para manejar datos espaciales enlazados" . linkedscience.org.
• Lorentz, Alissa (2013). "Con Big Data, el contexto es un tema importante" . Wired.

• Atención
• Espacios de datos
• Representación del conocimiento
• Datos vinculados
• Alineación de ontologías
• Filosofía
• Integración semántica
• publicación semántica
• Semántica del vocabulario empresarial y las reglas de negocio
• SPARQL

• "Estándares de la Web Semántica del W3C - Consulta" . W3C . Consultado el 11 de agosto de 2025 .
• "Lenguaje de consulta SPARQL 1.1" . W3C. 21 de marzo de 2013. Consultado el 11 de agosto de 2025 .