让数据在自动化应用程序中更有用
标签: Web 开发
Uche Ogbuji
发布: 2018-02-07
随着人工智能 (AI) 和认知计算的兴起，对其他计算机可以轻松理解的结构化数据格式的需求与日俱增。为了满足这一需求，在 2011 年，一些搜索引擎公司和大型 Web 发布者创建了一个名为 Schema.org 的项目，以便描述网页实际涉及的对象。
在这个包含 4 个部分的系列中，我将介绍 Schema.org，展示如何使用它创建更容易搜索的网页。在第 1 部分，我们首先将介绍该项目的历史。
首先，让我们看看 Schema.org 的一些好处。为什么要将 Schema.org 标记添加到您的页面中？最重要的是，这样做可以使您的页面更容易访问，更容易通过搜索引擎、AI 助手和相关 Web 应用程序找到。您不需要学习任何新的开发系统或工具来使用标记，而且在几小时内就可以快速上手。其他好处包括：
- 为上下文搜索提供帮助 。搜索引擎公司和专家开始越来越多地根据特定兴趣来引导用户，而不是通过地毯式的搜索进行引导。他们正在理解用户 意图 并提供满足用户意图的内容。用户是否在购物？正想找一部电影来看？通过搜索来解决一个技术问题？如果使用 Schema.org 标记，就会允许搜索引擎根据上下文特征来提供您搜索的网站。如果用户通过语音或在移动设备上搜索，更是如此。
- 标明已更新的、高质量的内容 。在提高搜索引擎排名方面，创建大量高质量的内容并培养您的内容的合法链接，这是其他方法无法替代的。但是使用 Schema.org 标记会告诉搜索引擎，您的内容经常更新且具有良好品质。
- 提高点击率 。当您经过 Schema.org 扩充的网站在搜索引擎排名中有所上升时，他们在包含现代上下文特征的清单（称为富摘要）中的排名位置也会上升。富摘要从其他搜索结果中脱颖而出，能得到更高的用户点击率。
- 改进内容的可维护性 。在规划网站内容时，许多人忘了规划如何处理过时或无关的内容。拥有包含 Schema.org 标记的页面，会使得用户在过渡期间更容易识别这些页面并实施相应计划。添加 Schema.org 标记后，会让用户更容易开发工具来处理现有页面，并将它们合并到后续网站和软件项目中。还使得您更容易与合作伙伴基于现有网站的新联合项目开展合作。
在 Web 诞生之初，您想查看的所有内容都在一个主页上。最初的这些网页就像贴在公告板上的个人公告，但包含一些超链接。Web 的目的是让人们查看这些页面。
不久以后，Mosaic 浏览器实现了在文本间嵌入图像，这使 Web 变得对用户更具吸引力。嵌入式媒体对象向音频、视频和应用程序对象敞开了大门。很快，除了信息和通信行业，其他行业也开始使用（并最终主导）Web。
如果有了一种通用语言，我们将能达到更高的自动化程度。Web 似乎是一个令人惊艳的创新之地，但我们错失了更多的可能性。
随着互联网数据的爆炸性增长，人们很快就必须对内容进行分类和标记，以便更容易地找到他们想要寻找的信息。
早期的 Web 发明者希望在 Web 上更广泛地传播组织工具。在 20 世纪 90 年代，”Web 数据”技术的研究工作就开始了。人们对 Web 上数据的最初预期是非常高的。2001 年 5 月，Sir Tim Berners-Lee 和同事在 科学美国人 上发表了一篇名为《语义网》的文章，阐述了他们对一种新技术的雄心，该技术将为 Web 上的数据提供一种通用语言，使自动化变得更容易。
尽管所构想的这种自动化如今在很大程度上已成为现实，但这主要归功于大型搜索引擎和科技公司大量处理数据的卓越功绩，而不是由于针对 Web 上的数据的通用语言的诞生。结果，由于没有通用语言，我们现在拥有的自动化并不是很有用。Web 似乎是一个令人惊艳的创新之地，但我们错过了更多的可能性。
Schema.org 的诞生为语义网带来了生机。通过一些大型企业的努力，即使较小的企业现在也能从 Web 中获益。
在 2000 年，我为 IBM Developer 编写了一篇名为”RDF 简介”的文章，解释了万维网联盟 (W3C) 提倡的这种技术，该技术旨在为 Web 上的数据提供一种通用语言。Resource Description Framework (RDF) 是一组用于在网络上对数据进行建模的规范，旨在让自主代理的工作更轻松，并改进搜索引擎和服务目录。RDF 最初被构想为一种简单模型，用于表示 Web 上的大量数据。
不幸的是，W3C 最终在 RDF 上堆叠了如此多的复杂规范（包括成熟的 AI 工具），以至于他们从未真正弄清楚如何将语义网简化为一个典型 Web 开发人员可以轻松学习的足够简单的东西。
为了抵消这些复杂规范，一个名为”Linked Open Data”的项目开始推行一组简化的原则。该规范的名称简称为”Linked Data”，并且很明显，这些原则甚至对于企业和私有上下文也很有用。Linked Data 主要推荐使用 HTTP URL 来标识 事物 ，而不是纯文本字符串，并使用简单 RDF 之类的约定来提供所识别事物的相关信息。例如，此信息可能包括使用了纯文本字符串的标签。
最初，此元数据是与网页本身分开提供的，但 Web 开发人员很快开始提倡使用简单 HTML 约定将元数据编码到网页中。这些约定称为 微格式 。
十年来取得的所有这些进展都在 2011 年浓缩为 Schema.org。人们寄予厚望的语义网被简化为 Linked Data，而使用微格式技术消除了对单独文件表示的需求。
那么，所有这些对今天的 Web 开发人员意味着什么？一方面，它意味着您必须问：”我的内容到底是关于什么的？”
假设您在维护一个读书俱乐部的网站。您的页面是关于什么的？它们可能是关于图书、会议和会员的，而且您通过一套常规的描述来描述这些事物。例如：
- 图书 用标题、作者、ISBN、封面图片等词汇来描述。
- 会议 用时间/日期、地点和与会者来描述。
- 会员 通过他们的姓名、联系人信息和照片来描述。
一个人可能是俱乐部的会员，也可能是一本书的作者。在这种情况下，会员身份描述中的一些元素可能与作者身份的元素相同。考虑到这一点，您就可以对描述您的俱乐部的数据执行可视化，类似于面向对象编程中的数据组织方式。
图 2 显示了这个思维图的一部分，我在其中虚构了一个叫做 Geo Book Club 的俱乐部。
那么，我们看到了什么？
椭圆形代表 Web 资源（有点类似于面向对象的实例）。这种思维模式最重要的特征是，您可以从他们所描述的事物的角度 和他们提供的内容来考虑 URL。 http://example.com/geobookclub 是 Geo Book Club 的网站。在这个模型中，我将它也视为一个事物，即一个俱乐部。 资源类型 描述了该事物所属的类型，我使用了一个用大写字母表示的前导行，在图中表明了这一点。
资源类型组织与特定事物相关的属性的约定。例如，某个人不会与 ISBN 联系在一起。资源类型对数据模式进行控制，使应用程序能够更有效地理解数据。
箭头显示了对象之间的关系或链接。将您希望提升为明确关系的每个链接都标出来很重要。您并不只是想要表明图书”Things Fall Apart”与作者”Chinua Achebe” 相关 。而是更加明确地表明：图书”Things Fall Apart”由作者”Chinua Achebe” 所著 。因为一本书可能有其他相关人员，比如编辑或插画家，标出明确的关系有助于 Web 应用程序准确地处理数据。
有时，某个关系的值仅是文本，而不是另一种 Web 资源。该图将这些值显示在矩形中，并将其称为 文字 。文字也可以是数字、日期、布尔值和其他类型的基本数据。
图中云状图形只是对本教程不需要的细节的一种方便的标记。我使用它们来表明一个俱乐部可以有多场会议，但在本系列中，我们只关心第二场会议的细节。云状图形意味着可以有多场会议，每场会议都有一个单独的关系。
您可以设想一种使用某种容器对象来建模此情形的方法，比如使用”membership”来保存会员，或者使用”schedule”来保存事件。但是，容器很快会变得很复杂。Schema.org 注重简单性，所以约定通常只是表示一个关系的多个实例。
图书封面是一个有趣的特例。首先，它是一个链接到图像文件的 Web URL。Schema.org 允许您在关系中包含不同类型的 Web URL，包括图像和其他非文本媒体对象。而且这里还有未指定资源类型。在诸如此类的情况下，虽然 Schema.org 也提供了一种更全面的方法来表达这些媒体关系，但在需要时，您可以为关系赋予权重值。
如果您能理解上述模型，那么您对 RDF 的理解就差不多足以让您开始使用 Schema.org 了。请记住两个考虑因素。
- 所有关系都必须是 URL，而不是简单的字符串，比如”member”和”author”。这些 URL 在 RDF 中的正式名称是 谓词 ，但 Schema.org 采用了术语”属性”，并为它定义的每个属性都提供一个网页。这样，一个人（甚至一台机器）可以直接访问关系的 URL，并看到一段可读的描述。
- 资源类型是使用一个特殊的 RDF 谓词
http://www.w3.org/1999/02/22-rdf-syntax-ns#type来表达的，这个谓词通常缩写为 rdf:type。此关系的值称为 RDF 类。
图 3 显示了 Geo Book Club 模型的子集，演示了完整表达的谓词和类型/类关系。可以想象，如果我将所有数据都放在整个图中，它会有多乱。
没有专门针对一个读书俱乐部的 Schema.org 类，所以我使用了一个针对组织的类。顺便说一下，Schema.org 没有打算为每个人可能希望在 Web 上表达的任何事物都提供一个全面模型。但是，如果足够多的读书俱乐部组织者聚集在一起，并决定设计 Schema.org 扩展来满足他们的需求，这些扩展最终可能被整合到核心 Schema.org 模型中。大致共识和实际用途是 Schema.org 变革过程中最重要的推动因素。
下图显示了一个与 Schema-org 一致的模型。我使用两个缩写词来减少杂乱：
- 来自 RDF 的 URL 缩写约定：一个前缀后跟一个冒号，并以 URL 结尾。
http://www.w3.org/1999/02/22-rdf-syntax-ns#type变成rdf:type，http://schema.org/member变成schema:member。 - 资源类型缩写词：第二个缩写词用于指定位于资源标识符下方括号内的资源类型。
除了更改为 schema:Organization 之外，还有另一个为了与 Schema.org 匹配而执行的词汇表更改。 cover 关系表示为 schema:image 。
Schema.org 支持一种与面向对象编程类似的类继承能力。它有一个祖先类 schema:Thing ，所有类都源自这个类。
schema:Organization是schema:Thing的子类。schema:Book是schema:CreativeWork的子类，后者又是schema:Thing的子类
甚至属性也是 schema:Thing 的子类，但这涉及到一些难懂的细节。
更有趣的是，Schema.org 大量使用了子属性，子属性类似于子类。例如，Schema.org 模型没有直接将 schema:isbn 指定为 schema:Book 上被认可的属性。而是指定了 schema:identifier 。但是， schema:identifier 有多个子属性，包括：
schema:skuschema:flightNumberschema:isbn
这些不同类型的标识符在特定上下文中是有意义的。
子属性遵循 里氏代换原则 ，您可能还记得面向对象编程中的这一原则。基本上讲，这意味着您可以替换父属性的任何子属性。因此，由于 schema:identifier 已在 schema:Book 上被识别，您可以自由地代换 schema:isbn ，就像我在 Geo Book Club 示例中所做的那样。
如果您运行着一个网站，那么您已经处理了网页应有的外观和行为的模型和框架。定义内容的含义，尤其是描述 Web 中讨论的内容，变得越来越重要。Schema.org 提供了一个表达这类信息的框架，这个框架正变得越来越受欢迎。
在这一部分，您了解了如何创建模型，朝 Schema.org 迈出了第一步。理解这里介绍的基于 Schema.org 的示意图后，您就可以在自己的 HTML 网页中实现这个模型。为此，有多个语法选项可供选择，我将在下一部分中介绍这些选项。
本文翻译自： Introduction to the Schema.org information model（2017-12-05）