语义网是NonRDF: not only RDF
为什么会有人认为仅仅做个d2rq，rdf就能解决关系数据库不能解决的问题呢? 这种对rdf的迷信，恰恰是语义网迄今普及不利的原因。技术之间的竞争，往往不仅是能力的竞争，而是整个工具系统之间的竞争。语义网的rdf阵营，在工具系统上的劣势，不是几年能弥补上的
过高的期望自然导致失望。语义网的核心是结构化数据，高质量结构化数据，可以产生新数据的高质量数据(即推理)。在从其它格式到rdf的转换中，如果没有数据质量的提升，就期望解决诸如数据集成，语义理解之类的问题，那很典型的，一年以后项目就被砍掉或死撑。
工具系统的竞争，是一个复杂的系统工程，绝不是一个标准化组织能组织和规划的。而工具的产生和演进，又是和用户与工程师的需求，理解能力和使用习惯密切相关的。基于w3c规范的工具系统，往往有太浓厚的学术性，不太贴合普通web工程师的需求。其实广义上讲，语义网已经是现实了: 大家不都用json吗?
分类：语义网
语义噪声 
花了几天时间来通读这上面所有关于语义网相关的博文，收益颇丰，非常感谢博主。
有以下一些疑问：
语义，或者元数据的来源，（1）机器学习或者NLP得来的语义粒度较粗，（2）从用户那里得来的元数据质量也较低，现实社会中的数据是杂乱无章的。（3）让用户或者专家添加标注的方式更不可取。
那么我就很困惑了，没想清楚这个语义信息到底应该怎么来。如何得到足够质量和规模的可用的元数据？
我现在思考到的解决办法是，元数据，知识，要区分一下粒度，不同粒度的语义信息，实现不同的应用和功能。（1）信息抽取，NLP，机器学习自动计算得来语义信息（2）关注用户体验，在不打扰用户的情况下，从用户那里获取元数据。例如分类树，标签。
不知道是否还有其他更有效的产生语义信息的方式？我比较关心这个问题，我认为语义网的本质在于可用的语义元数据该如何产生。