Web 系統(tǒng)的設(shè)計要點之一是內(nèi)容和表示的分離，網(wǎng)站以HTML發(fā)布內(nèi)容，對內(nèi)容進行操作的服務也只能訪問 HTML。隨著表現(xiàn)形式各異的設(shè)備在大量地增加，也大大增加了網(wǎng)站針對不同表示格式的數(shù)量。同時，一些新的個人助理應用，例如google assitant，amazon的Alexa，已經(jīng)開始為web提供接觸用戶的新渠道。

[[434879]]

此外，成熟的網(wǎng)絡(luò)應用程序，正越來越多地尋求使用結(jié)構(gòu)化內(nèi)容，以提供更豐富和更具交互性的體驗。這最終使得 Web 系統(tǒng)和開發(fā)人員能夠以可互操作的方式交換結(jié)構(gòu)化數(shù)據(jù)變得至關(guān)重要。Schema.org 是一套基于現(xiàn)有標準語法的詞匯表，目前被 Web 系統(tǒng)上使用上的結(jié)構(gòu)化數(shù)據(jù)所廣泛使用。

關(guān)于結(jié)構(gòu)化數(shù)據(jù)標記的標準

在早期，結(jié)構(gòu)化數(shù)據(jù)的標準在獨立的領(lǐng)域非常有用。一種方法是XML，試圖標準化語法。雖然 XML 最初只被認為是HTML的未來，但它為結(jié)構(gòu)化數(shù)據(jù)找到了更多的實用工具，具有更豐富的數(shù)據(jù)互操作性場景。另一種方法是元內(nèi)容框架 ，它將知識表示的思想引入到 Web 系統(tǒng)，并提出進一步使用一種通用的數(shù)據(jù)模型，即有向標記圖。元內(nèi)容框架的愿景是創(chuàng)建關(guān)于實體的廣泛知識庫，其中不同的部分來自不同的網(wǎng)站。隨著時間的推移，這一愿景逐漸涵蓋了網(wǎng)絡(luò)上的各種智能數(shù)據(jù)處理。

在1997年和2004年之間，產(chǎn)生了結(jié)構(gòu)化數(shù)據(jù)標記的各種標準(RDF、 RDFS 和 OWL)。許多詞匯都用于特定的垂直領(lǐng)域，其中一個被廣泛采用的就是 RSS ，它允許用戶用自己喜歡的新聞來源定制主頁。另一個是 vCard/hCard (通過 CSS class 屬性以 HTML 的微格式表示) ，用于在地址簿、電子郵件等程序之間交換信息。后來，hCalendar 也加入了這個項目，它同樣是一種微格式的 HTML，重新表達了現(xiàn)有 IETF的標準—— iCalendar。

在發(fā)布每一種結(jié)構(gòu)化數(shù)據(jù)標準的時候，都會有一些應用程序會廣泛地使用它。那如果要創(chuàng)建一個跨越垂直領(lǐng)域的結(jié)構(gòu)化數(shù)據(jù)標準，就要找到一個覆蓋面廣的應用程序，這個應用程序可能就是文本搜索。

網(wǎng)絡(luò)搜索不局限于搜索結(jié)果的排名，而是要提高搜索結(jié)果的質(zhì)量。用一些結(jié)構(gòu)化數(shù)據(jù)來標記網(wǎng)頁內(nèi)容，可以優(yōu)化用戶和網(wǎng)站站長的體驗。但是，大多數(shù)網(wǎng)站根本沒有為網(wǎng)站添加任何標記，另外，即使是添加了標記，仍然往往格式不正確。這種大量的不正確格式要求構(gòu)建復雜的解析器，這些解析器能夠處理格式不正確的語法和詞匯表。

結(jié)構(gòu)化數(shù)據(jù)的標記標準：schema.org

2011年，主要的搜索引擎 Bing、 Google 和 Yahoo 創(chuàng)建了 schema. org 來改善這種狀況。目標是提供一個涵蓋廣泛主題的模式，主題包括人、地點、事件、產(chǎn)品、提供等等，一個單一的模式涵蓋了這些主題，主要是為站長提供一個統(tǒng)一的詞匯表。

2011年后，許多不同公司的不同應用已經(jīng)開始使用 schema.org 的詞匯表。其中包括:

• google將schema. org 中的注釋用作知識圖譜的數(shù)據(jù)源，提供關(guān)于知識實體的背景信息(例如 logo、 contact 和社會信息)。
• 基于 schema.org 的結(jié)構(gòu)化數(shù)據(jù)標記正在電子郵件等地方使用。例如，確認酒店預訂的電子郵件、購買收據(jù)等都嵌入了帶有交易細節(jié)的 Schema.org 標記。這種方法使電子郵件的輔助工具能夠提取結(jié)構(gòu)化數(shù)據(jù)，并通過移動通知、地圖、日歷等使其可用。
• Pinterest 使用 schema. org 為菜譜、電影、文章、產(chǎn)品或擺放物品提供豐富的依據(jù)。
• 蘋果的Siri使用 Schema.org 進行搜索功能，包括聚合評級、優(yōu)惠、產(chǎn)品、價格、交互次數(shù)、組織、圖片、電話號碼和潛在的網(wǎng)站搜索操作，還在 RSS 中使用 Schema.org 進行新聞標記。

當然，衡量是否成功的一個關(guān)鍵是站長的采用程度。從 Google 索引中可知，大約31.3% 的頁面使用了 schema. org 標記。平均而言，每個包含這個標記的頁面都會引用多個實體，其中包含數(shù)十個邏輯判斷。需要注意的是，結(jié)構(gòu)化的數(shù)據(jù)標記與 Web系統(tǒng)本身具有相同的數(shù)量級。在主要搜索引擎中，有超過四分之一的頁面使用了Schema.org 的廣義詞匯表。Schema.org 的成功很大原因在于它背后的設(shè)計決策。

schema.org中的一些設(shè)計

Schema.org 的驅(qū)動因素是讓站長可以輕松地發(fā)布他們的數(shù)據(jù)，設(shè)計決策將更多的努力放在了標記的使用者身上。

表達的語法

從一開始，schema. org 就在多種語法和向站長提供簡潔說明之間尋找平衡。隨著時間的推移，多重語法顯然是個好方法，包括 RDFa 和 JSON-LD ，數(shù)據(jù)的發(fā)布者可以自行選擇。

不同的語法適用于不同的工具和數(shù)據(jù)模型， JSON-LD是將其中的結(jié)構(gòu)化數(shù)據(jù)表示為一組 javascript 風格的對象。這對于使用JavaScript 生成的站點以及個性化的電子郵件非常有用，因為在這些電子郵件中，數(shù)據(jù)結(jié)構(gòu)可能更加冗長。JSON-LD 允許嵌入式的成員在 Schema.org 中攜帶結(jié)構(gòu)化數(shù)據(jù)。有時候，可以將這種情況理想化為機器友好格式和人機友好格式之間的權(quán)衡。RDF 和 XML 等格式的設(shè)計主要為了機器使用，而微格式則明確表示人類優(yōu)先。

領(lǐng)域的多態(tài)

許多知識表示的系統(tǒng)，對每個關(guān)系都有一個域和范圍。這導致了許多不直觀的表達，一個關(guān)系的唯一作用可能是某種關(guān)系的域或范圍，這也使得重用現(xiàn)有關(guān)系而不改變類層次結(jié)構(gòu)變得更加困難。允許多個域和范圍的決定可能會改善這一問題。例如，schema. org 中有各種類型(Events，reservation，Offers) ，它們的實例都可以接受 startDate 屬性，但是多態(tài)性使我們避免使用通用的超類型來對它們進行分組。

實體的引用

對于大多數(shù)站點來說，協(xié)調(diào)數(shù)以萬計的實體與其他站點之間的實體引用太困難了。schema. org 堅持使用惟一的 uri，鼓勵數(shù)據(jù)的發(fā)布者向每個實體添加盡可能多的額外描述，以便數(shù)據(jù)的消費者可以使用此描述進行實體協(xié)調(diào)。雖然這給來自多個 Web 數(shù)據(jù)的應用程序帶來了額外成本，但它極大地減輕了站長的負擔。。

增量的復雜性

通常，如果表示過于簡單，會使構(gòu)建一些更復雜的應用程序變得困難。通常情況下，一旦構(gòu)建了簡單的應用，詞匯表也獲得了低程度的采用，應用的開發(fā)者和站長就會要求使用更具表現(xiàn)力的詞匯表，這相當于添加一些更多的描述性屬性或子類型。添加新類型的操作或事件是擴展 Schema.org 表達能力的一種強大方法。然而，在許多情況下，很少有正確的答案，Schema. org 的方法不會因為追求完美模式而改變。

清除與擴展

每隔一段時間，可能會引入一些沒有意義的詞匯，盡管可能會很容易處理，但最好還是把它們清除掉。

Web 底層的結(jié)構(gòu)化數(shù)據(jù)是多樣的，schema. org 最多只能為最常見的主題提供核心詞表。即使是對于一個相對常見的主題，比如汽車，也可能需要數(shù)百個屬性才能從各種網(wǎng)站上找到各種汽車規(guī)格的詳細信息。schema. org的策略是為這樣的主題提供一個小的核心詞匯表，并依靠擴展來覆蓋長尾問題。

擴展主要有兩大類， 一類是由 Schema.org 社區(qū)創(chuàng)建的，另一類是僅在“民間”實現(xiàn)。2015年的時候，引入了托管擴展的概念，然而，分層機制的設(shè)計是為了讓專家和專業(yè)組織有更大的自主權(quán)。另外是外部擴展的概念，它們是參考 Schema.org 的核心詞匯表設(shè)計的，期望在核心詞匯表的基礎(chǔ)上進行構(gòu)建。

結(jié)構(gòu)化數(shù)據(jù)標記的其他發(fā)展

2006年以來，“鏈接數(shù)據(jù)(linked data)”將 W3C RDF 社區(qū)的重點從語義網(wǎng)本體論和規(guī)則語言轉(zhuǎn)向開放數(shù)據(jù)和實用數(shù)據(jù)共享。關(guān)聯(lián)數(shù)據(jù)聯(lián)盟已經(jīng)成功地從各種公共部門和開放數(shù)據(jù)來源獲得了大量RDF表示的開放數(shù)據(jù)，但RDF 的數(shù)據(jù)發(fā)布做法在網(wǎng)絡(luò)中還沒有被采用。

鏈接數(shù)據(jù)的目標更高，網(wǎng)上數(shù)據(jù)來源的數(shù)量很少，但質(zhì)量往往很高。這為結(jié)合這兩種方法提供了許多機會，例如，專業(yè)團隊發(fā)布的關(guān)聯(lián)數(shù)據(jù)往往可以權(quán)威地描述來自 schema. org 描述中提到的實體。

使用標識 uri 和獨立模式的無約束組合，鏈接數(shù)據(jù)可以被視為一個設(shè)計極限，另一端的極限可能是知識圖譜。在2012年由谷歌提出了知識圖譜的概念，作為一個統(tǒng)一的圖數(shù)據(jù)集，用于搜索和相關(guān)應用。這個基本思想建立在與鏈接數(shù)據(jù)和 schema. org 共享的公共元素之上: 一個具有命名屬性類型化實體的圖數(shù)據(jù)模型。知識圖譜特別強調(diào)前期的實體管理，以確保新數(shù)據(jù)被整合，且與現(xiàn)有記錄相聯(lián)系?；诠蚕?，用 Schema.org 表示的結(jié)構(gòu)化數(shù)據(jù)是集成到知識圖的自然信息來源。沒有人愿意閱讀冗長的規(guī)范，大多數(shù)開發(fā)人員傾向于復制和編輯示例。隨著時間的推移，復雜性逐步增加，平臺/標準中的每一層復雜性只有在采用了更基本的層之后才能添加。

小結(jié)

網(wǎng)絡(luò)基礎(chǔ)設(shè)施需要結(jié)構(gòu)化的數(shù)據(jù)機制來描述實體和現(xiàn)實世界中的關(guān)系，這個想法一直存在。與其尋求創(chuàng)建“智能代理的語言”，不如從網(wǎng)絡(luò)搜索中解決具體的場景，人工輔助的結(jié)構(gòu)化數(shù)據(jù)標記可能是最佳的實用途徑。

schema.org 已經(jīng)開發(fā)了更多的詞匯，并以更加分布的方式進行。從汽車到產(chǎn)品細節(jié)等一系列的主題擴展，提供了一個統(tǒng)一的詞匯表和必要的討論空間。在web系統(tǒng)中，大數(shù)據(jù)的應用越來越廣泛，使得對通用模式的需求越來越重要，探索數(shù)據(jù)驅(qū)動的價值，從不同來源收集數(shù)據(jù)的需求，對共享詞匯的需求在增加，或許這是 schema.org 的價值之一。