Semantic Web
PulseAugur coverage of Semantic Web — every cluster mentioning Semantic Web across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
本体解释：为 AI 代理定义含义
本文介绍了本体论在人工智能和数据管理背景下的概念。它解释说，本体论是对概念化的显式、机器可读的规范，将其与非正式定义或分类法区分开来。作者使用 SaaS 客户流失定义的实际示例来说明，缺乏正式的本体论会导致 AI 代理解释数据时产生歧义和错误。这篇是旨在为 AI 应用构建一个受管理的意义层级的五部分系列文章的第一篇，从以机器可读格式定义客户流失规则开始。
-
FITTER模型实现时序知识图谱的跨域推理
研究人员推出FITTER，这是一种新颖的归纳式模型，专为时序知识图谱链接预测而设计。与仅限于单个图谱词汇的先前方法不同，FITTER能够跨不同领域以及未见的实体、关系名称和时间戳转移知识。该模型通过交互模式表示谓词并使用相对时间编码来实现词汇无关的嵌入。在六个基准上的评估表明，FITTER在无需重新训练的情况下持续优于归纳式基线，这表明它有可能在语义网的各种知识图谱中进行信息推理。
-
ACM超文本会议HT2026将于2026年9月在伦敦举行
ACM超文本会议，即HT2026，是超文本、社交媒体和语义网等领域研究的首屈一指的盛会。会议定于2026年9月14日至18日在英国伦敦举行。
-
作者抱怨自然语言的主导地位，呼吁建立结构化数据互联网
作者强烈希望建立一个更结构化、机器可读的互联网，并抱怨当前信息编码对自然语言的依赖。他们指出Wikidata和OpenStreetMap等现有项目是成功的结构化数据倡议的例子，并将它们与社交媒体和搜索中纯文本的局限性进行了对比。文章批评大型语言模型（LLM）是解决这一问题的低效、倒行逆施的方案，并建议改进数据结构将是一种更直接的方法。
-
AI工具MetaConfigurator帮助科学家将JSON数据转换为RDF
研究人员开发了MetaConfigurator，一个AI辅助工具，旨在帮助科学家将结构化JSON数据转换为RDF（资源描述框架），以提高语义互操作性。该系统与现有的JSON Schema编辑器集成，并使用AI生成RML映射，允许用户精炼三元组、执行SPARQL查询和可视化知识图谱。这种方法旨在连接传统数据管理与语义网技术，使保存和查询实验上下文更加容易，如通过金属有机框架合成数据所证明的那样。
-
AI问题探讨生活中最难形式化映射的类别
用户正在询问在AI、知识表示和语义网技术的背景下，将生活的某些方面映射到形式化系统的难度。这个问题探讨了哪些生活类别在形式化表示方面最具挑战性。
-
AI问题促使用户通过知识图谱映射生活联系
这篇发布在Mastodon上的帖子提出了一个关于知识图谱的问题，要求用户想象他们的生活是一个知识图谱，并找出两个不太可能但联系紧密的实体。它将此置于语义网技术和人工智能的背景下。
-
ESWC 2026 会议探讨人工智能浪潮下的语义网未来
第23届欧洲语义网会议（ESWC 2026）即将在杜布罗夫尼克召开。会议的一个重点将是探讨语义网技术在人工智能兴起背景下的未来。讨论将涵盖这些技术如何在当前的人工智能格局中进行调整并保持相关性，特别是关于大型语言模型和生成式人工智能。
-
人工智能推动语义网复兴，探索Agentic Web和Linked Data
Kingsley Uyi Idehen 和 Robert Scoble 讨论了语义网愿景的复兴，特别是在人工智能的背景下。他们的对话被自发录制，探讨了“Agentic Web”的潜力以及Linked Data的广泛影响。讨论强调了对结构化数据和互联信息系统的新兴趣。
-
AI研究定义低资源语言，以实现更好的数字表征
两篇相关论文提出了解决语义网中低资源语言造成的数字鸿沟的方法。研究重点是使用DBpedia、BabelNet和Wikidata等数据集，分析Linked Open Data知识图谱（LOD KGs）中的语言分布。目标是正式定义此背景下的“低资源”语言，以促进跨语言迁移并改进多语言KG补全。