¿En qué consiste la web semántica?

La web semántica es el siguiente paso en el desarrollo de la World Wide Web. En la llamada Web 3.0, la información no solo se enlaza, sino que los contenidos de la web se enriquecen con metadatos semánticos legibles por máquinas y se conectan entre sí. El objetivo es optimizar el intercambio de información en la web haciendo que las máquinas distingan y procesen específicamente los significados legibles por máquinas, es decir, el contenido semántico.

El término “semantic web” es solo uno de los muchos términos que pretenden definir la siguiente evolución semántica de la World Wide Web. Además de la web semántica, también se usan los siguientes términos para hacer referencia a la red de información global y vinculada a nivel semántico:

• Web 3.0: difundido por el periodista estadounidense John Markoff para describir cómo los significados legibles por máquinas se están añadiendo a la Web 2.0 interactiva y colaborativa.
• GGG (Giant Global Graph): utilizado por Tim Berners-Lee, el inventor de la WWW, como descripción de la estructura global de la información que utiliza la estructuración semántica de los metadatos y el contenido; el GGG se solapa conceptualmente con la web semántica.
• Linked Open Data: introducido en 2007 para hacer hincapié en los estándares de metadatos, las rutinas de consulta y los datos semánticos interconectados como base de la web semántica.
• Web de datos: definición introducida por el W3C, el Consorcio de la World Wide Web, en 2013 para agrupar la red sintáctica y semántica de los datos en un solo término.

Hasta ahora, la WWW se ha guiado principalmente por la sintaxis de la información. Para ello, los programas informáticos utilizan algoritmos que analizan índices de datos, palabras clave y consultas de búsqueda. En función de la singularidad de una consulta, los motores de búsqueda ofrecen resultados de búsqueda más o menos adecuados (SERP).

Sin embargo, es importante para los usuarios y las empresas que los programas puedan procesar la información de búsqueda y uso de la manera más eficiente posible. Por lo tanto, la web semántica no solo se guía por los términos de búsqueda y la sintaxis, sino también por valores de significado. Así, las máquinas no solo pueden encontrar contenidos, sino también comprender y distinguir su significado.

Por ejemplo, si los usuarios buscan la frase “¿Cuándo comenzó el mandato de Angela Merkel?”, los motores de búsqueda actuales no suelen dar como respuesta “el 22 de noviembre de 2005”, sino que, en función de las palabras clave, ofrecen los resultados más adecuados posibles para Angela Merkel.

En la web semántica, sin embargo, las máquinas no solo entenderían el contenido, sino también el significado de la consulta de búsqueda y proporcionarían una respuesta precisa. En la web semántica, el análisis de los significados incluye no solo los textos, sino también las imágenes, los sonidos, los números y los símbolos, es decir, todos los objetos que tienen un significado.

Las entidades y las ontologías se encuentran entre los componentes más importantes de la web semántica. “Entidad” es un término de la semántica: estas unidades de sentido constan de un identificador y sus atributos asociados. Un ejemplo: “Barack Obama” sería el identificador en una entidad, mientras que información como “presidente de EE. UU.”, “abogado”, “demócrata” son los atributos, es decir, propiedades descriptivas. Las entidades, a su vez, pueden estar relacionadas entre sí y ser temáticamente afines o diferentes.

Si las entidades tienen relación entre sí, hablamos de “ontologías”. Las ontologías son conjuntos ordenados de información y enunciados lógicos formulados de forma legible para humanos o máquinas, que establecen conexiones y muestran relaciones.

Las entidades y ontologías son imprescindibles para la web semántica. Sin ellas, los programas no pueden entender las relaciones entre palabras, construcciones de oraciones, imágenes y símbolos, filtrar de forma inteligente los casos de polisemia y duplicate content, interpretar contenidos web y distinguir las entidades según sus áreas temáticas.

De este modo, se crea una rica red de conocimiento que no solo consiste en información no estructurada, palabras clave y direcciones. En el futuro, las inteligencias artificiales no solo serán capaces de buscar a nivel superficial entre los conocimientos acumulados de la WWW, sino que podrán entender e interpretar esos conocimientos para lograr un objetivo.

Para que la web semántica se convierta en una realidad, los programas informáticos deben aprender a extraer significados. Esto solo es posible si los contenidos existentes o nuevos de la WWW incluyen datos estructurados que sean legibles para las máquinas. Los datos estructurados se formulan mediante normas y clasificaciones especiales y se codifican en los sitios web en forma de marcadores de esquema y marcadores dentro de la página.

Con los datos estructurados, los programas pueden distinguir claramente en un sitio web las propiedades que, por ejemplo, distinguen al objeto “banco” como institución financiera del objeto “banco” como opción de asiento. A su vez, un lenguaje uniforme legible para las máquinas requiere estándares de web semántica como los que ya ha formulado el Consorcio W3.

Otra base para estándares de la web semántica son el Context Browsing Language (CBL), que describe las relaciones entre la información, y el Web Ontology Language (OWL), que ordena y clasifica la información de forma jerárquica. Además, los siguientes marcadores y estándares, entre otros, ayudan a crear metaindicaciones, normas y reglas semánticas:

• RDF/RDFa (Ressource Description Network in Attributes): Sirve para describir de forma detallada las páginas web y para hacer afirmaciones semánticas sobre cualquier contenido y se puede complementar con RDFa para integrar RDF en XML.
• URI (Uniform Resource Identifier): Identifica las unidades de información y, al mismo tiempo, remite a los datos abiertos enlazados (Linked Open Data, LOD) disponibles de forma libre, es decir, a otros datos en documentos HTTP.
• RIF (Rule Interchange Fromat): Define las reglas según las cuales se deben crear contextos de significado.
• Dublin Core: Una norma para los metadatos integrados en los documentos digitales y para la interpretación legible por máquinas de los elementos formulados en RDF.
• RDFS (Resource Description Framework Schema): Marca el vocabulario RDF y especifica la estructura y la sintaxis a utilizar.
• SPARQL (SPARQL Protocol And RDF Query Language): Sirve como lenguaje de consulta y protocolo para contenidos del sistema RDF, que consiste en descripciones lógicas e interrelaciones de datos.

No hay que subestimar las ventajas de la web semántica, sobre todo, en el contexto del marketing online. Las empresas ya se están viendo obligadas a adaptarse a la digitalización del mundo empresarial. Quienes analizan el comportamiento de compra y búsqueda de los clientes y grupos objetivo pueden ofrecer información personalizada y generar más tráfico. En el marketing online, la publicidad orientada a la semántica del contenido web puede adaptarse mejor y vincularse a las palabras clave que corresponden a los propios servicios y productos.

En el ámbito de las páginas web optimizadas para motores de búsqueda no solo importan las palabras clave buenas y solicitadas, sino también la información semántica adicional que estructura los contenidos y permite una arquitectura de información legible para las máquinas. Asegúrate de incluir datos estructurados en los sitios web y haz que el contenido de la web sea lo más significativo posible utilizando estándares semánticos. De este modo, no solo mejorarás tu posición en los motores de búsqueda, sino que también te encontrarán justamente los grupos objetivo que deseas atraer.

La web semántica aún está en sus inicios, pero los primeros pasos en la dirección correcta se han dado desde hace varios años. Por ejemplo, las posibilidades de la web semántica pueden verse en el Rank Brain de Google que puede asignar temáticamente consultas de búsqueda que hasta ahora eran desconocidas para el algoritmo.

La búsqueda de imágenes de Google también “reconoce” lo que los usuarios buscan y ofrece resultados de imágenes temáticamente similares. Del mismo modo, la función de Google Knowledge Graph es capaz de reconocer entidades semánticas y de mostrar la información relacionada o emparentada más importante al margen de los resultados de búsqueda. Un caso parecido a Rich Snippets y Rich Cards de Google que preparan datos estructurados en forma de carruseles de información y extractos de sitios web.