روشهای پیوند اسناد در وب معنایی
•rdfs:seeAlso ، rdfs:isDefinedBy ، owl:sameAs ، owl:import
•پیوند های موجود در اسناد html که اشاره به یک سند با پسوند .rdf می کنند.
•دنبال کردن پیوند های A-Box و T-Box
– استدلال بر روی سه گانه ها (subject, predicate, object)
–T-Box: کلاس ها و خصیصه ها (شمای یک سند)
•URIهرpredicate
•URI مربوط به هر obejct، در صورتی که در سه گانه مورد نظر، predicate آن از نوع type باشد..
–A-Box: نمونههای تعریف شده
•URI مربوط به هر Subject و یا Object
چالش های کاوشگر های سنتی برای وب معنایی
•حجم کمتر وب معنایی نسبت به وب سنتی : عدم نیاز به کاوش جامع و کامل وب
•عدم اتصال کافی بین منابع
•تفاوت فرمت داده ها: عدم توجه به محتوای معنایی اسناد
•شیوه متفاوت پیوند بین منابع
•به روز رسانی اسناد
کاوش وب معنایی
•جمع آوری URI های اولیه
–وارد کردن URI توسط کاربر
–استفاده از خروجی موتور های جستجو و بعضی از سایت ها
•فیلتر های معنایی
–جلوگیری از واکشی و ذخیره داده های غیر معنایی
–انواع فیلتر ها: پروتکل - پسوند فایل - عبارات منظم – دامنه - پیشوند URI - نوع رسانه/محتوا
•پارسرهای معنایی
–Jena - Any23 – NxParser
–استخراج سه گانه ها از اسناد و تبدیل آنها به چهار گانه ها
–چهارگانه = (subject, predicate, object, context)