Waarom is dit belangrijk?
Onderzoekers kunnen zo bewijs uit een grote stapel vakliteratuur bij elkaar brengen, zonder elk artikel van begin tot eind zelf te lezen. In de wetenschap zoeken onderzoeksteams hiermee gerichte aanwijzingen in studies over ziekten, voeding en geneesmiddelen. Studenten en professionals besparen daarmee veel leestijd op het werk, maar een onvolledige of foute uitkomst blijft mogelijk en vraagt controle door een mens.
Zo werkt het in de praktijk
DBpedia en Freebase zetten Wikipedia om in gestructureerde gegevens en verbinden die met kennis die al eerder is vastgelegd. Teams zetten relationele databases om naar RDF, een formaat voor gekoppelde gegevens.
Onderzoekers bekijken hoe relationele databases naar RDF gaan. Zij werken ook aan het herkennen van dezelfde persoon of zaak in meerdere bronnen. Bij ontology learning leert een methode een schema uit de bron zelf.
Het World Wide Web Consortium legde dit vast in de standaard R2RML. Die taal beschrijft hoe een maker tabellen koppelt aan een gekozen woordenschat in RDF. Een programma levert een bestand of beantwoordt vragen via SPARQL, een vraagtaal voor dit formaat.




