Nel 2006, Tim Berners-Lee ebbe l'idea di costruire un web semantico abilitato attraverso i Linked Data. Ora più che mai la sua visione sta diventando realtà, perché oltre agli esseri umani, anche l’intelligenza artificiale e i modelli linguistici di grandi dimensioni hanno bisogno di questi dati per offrire nuove esperienze.

In questo articolo esploreremo cosa sono i Linked Data e condivideremo esempi di progetti Linked Data che molti nella comunità SEO e tecnologica chiamano grafici della conoscenza.

Cosa sono i dati collegati? 

I Linked Data sono un insieme di principi di progettazione per la pubblicazione sul web di dati interconnessi leggibili dalle macchine. 

Il termine “Linked Data” è apparso per la prima volta nel 2006 quando Tim Berners-Lee pubblicato un nota di progettazione circa il Web Semantico. Ha cercato di utilizzare i Linked Data come un modo per rappresentare la relazione tra cose diverse su Internet. Internet diventerebbe quindi un enorme database di oggetti (dati) interconnessi (collegati) e diventerebbe il Web semantico.

Le aziende o le imprese possono utilizzare i dati collegati per definire le cose e le relazioni tra loro. Ad esempio, aziende come Facebook, Twitter e LinkedIn hanno intrapreso progetti di dati collegati per rappresentare i social network. Quando gli utenti eseguono azioni come connettersi ad altri utenti o mettere mi piace e ricondividere contenuti, queste azioni si riflettono in una rappresentazione grafica di chi sono, chi conoscono e cosa gli piace.

Di conseguenza, queste piattaforme di social media possono acquisire conoscenze su una persona e consentire cose come la pubblicità mirata agli utenti in base alla loro relazione con altre cose. Tuttavia, la conoscenza che queste piattaforme di social media derivano dai loro dati collegati è proprietaria e non concessa in licenza per uso esterno.

Ciò ha portato a un movimento che chiede che i Linked Data siano aperti affinché le persone possano utilizzarli liberamente per scopi di ricerca, in particolare da parte di organizzazioni governative e altre istituzioni pubbliche come i musei.

Nel 2010, Tim Berners-Lee ha modificato la sua nota di progettazione originale per aggiungere principi per i Linked Open Data, una variazione dei Linked Data che ne consente il riutilizzo.

I Linked Open Data (LOD) sono dati collegati rilasciati con una licenza aperta, che consente ad altri di accedervi e riutilizzarli liberamente.

Principi dei dati collegati

Quando Tim Berners-Lee pubblicò per la prima volta la design note sui Linked Data, definì i 4 principi dei Linked Data. Sulla base di questa nota, persone o macchine sarebbero in grado di esplorare la rete di dati se rispettasse i seguenti 4 principi:

1. Usa gli URI come nomi per le cose

Un URI (Uniform Resource Identifier) ​​è una stringa di caratteri che identifica una risorsa. Fornisce un modo coerente per identificare le risorse tra diversi sistemi e protocolli. Una risorsa (nota anche come entità) è tutto ciò che può essere identificato e descritto, come persone, luoghi, oggetti o concetti.

2. Utilizzare gli URI HTTP [o HTTPS] in modo che le persone possano cercare tali nomi

Un URI HTTP/HTTPS è un tipo specifico di URI che utilizza il protocollo Hypertext Transfer Protocol o Protocol Secure. Ciò significa che quando accedi a un URI HTTP/HTTPS in un browser web o tramite una richiesta HTTP, dovresti ottenere informazioni sulla risorsa che identifica.

3. Quando qualcuno cerca un URI, fornisci informazioni utili, utilizzando gli standard (RDF, SPARQL)

Quando un utente o un'applicazione accede a un URI (Uniform Resource Identifier), le informazioni restituite dovrebbero essere significative e strutturate secondo tecnologie semantiche standardizzate, in particolare RDF (per esprimere i dati) e SPARQL (per interrogare i dati).

4. Includere collegamenti ad altri URI in modo che possano scoprire più cose

Quando crei o pubblichi dati, dovresti includere collegamenti all'interno dei tuoi dati ad altre risorse o entità (sotto forma di URI). Questi URI possono puntare a informazioni correlate o rilevanti, come altre risorse, definizioni o attributi. Ciò fornisce ulteriore contesto sulle tue risorse.

Seguendo questi principi, contribuisci a una rete crescente di dati interconnessi sul Web. Ciò consente ai consumatori dei dati (umani o meccanici) di raccogliere maggiori approfondimenti, contesto e conoscenza.

Il vantaggio di utilizzare i Linked Data per la SEO

I Linked Data sono ottimi per la SEO perché possono fornire ai motori di ricerca una conoscenza più contestuale sui tuoi contenuti. I motori di ricerca ora esaminano la pertinenza per fornire agli utenti i risultati più accurati.

Una delle forme più comuni di dati collegati sul Web è lo Schema Markup che descrive principalmente i contenuti della pagina Web per i motori di ricerca. Schema Markup utilizza il vocabolario Schema.org che può esprimere i dati collegati RDF in formati come JSON-LD.

Quando utilizzi codice leggibile dalla macchina come Schema Markup per esprimere la relazione tra le entità sul tuo sito, aiuta i motori di ricerca a comprendere e ricavare conoscenze sulla tua organizzazione.

Ad esempio, se hai una pagina sull'applicazione software proprietaria della tua organizzazione, puoi indicare ai motori di ricerca che questa applicazione software è fornita dalla tua organizzazione collegando l'URI che contiene tutte le informazioni sulla tua organizzazione alla proprietà del provider nel markup del tuo pagina.

{ "@context": "http://schema.org/", "@type": "SoftwareApplication", "@id": "https://www.schemaapp.com/solutions/schema-app-highlighter/ #SoftwareApplication", "name": "Schema App Highlighter", "description": "Utilizza Schema App Highlighter per personalizzare il tuo schema Markup...", "applicationCategory": "Ottimizzazione per i motori di ricerca",  "provider": { "@type": "Organizzazione",
 "@id": "https://www.schemaapp.com/#Organization", "url": "https://www.schemaapp.com/", "nome": "Schema App", "descrizione": "Schema App è una soluzione di markup schema end-to-end...", "telephone": "18554448624",
 "e-mail": "support@schemaapp.com",
 "areaServed": "http://www.wikidata.org/entity/Q13780930", }}

L'URI appare in JSON-LD nell'attributo @id. Il markup dello schema può essere generato e creato senza includere identificatori (@id). I motori di ricerca come Google continueranno a leggerlo e a renderlo idoneo per i risultati avanzati. Tuttavia, generando il markup dello schema con un URI, puoi collegarlo ad altre entità.

Puoi anche collegare il tuo Schema Markup ad altri progetti di dati collegati per essere più espliciti riguardo alle entità di cui stai parlando sul tuo sito web.

Ad esempio, se in una pagina parli di calcio, ciò può creare confusione nei motori di ricerca perché il termine calcio può significare cose diverse a seconda di dove ti trovi nel mondo. Puoi aiutare i motori di ricerca a chiarire le ambiguità a quale calcio ti riferisci collegando la tua pagina alla stessa entità descritta in Wikipedia, Wikidata o nel Knowledge Graph di Google.

Se stai parlando di football americano, puoi usare il file uguale a proprietà nel markup dello schema per collegarsi alla stessa entità su Wikipedia, Wikidata o il grafico della conoscenza di Google.

{ "@context": "http://schema.org/", "@type": "BlogPosting", "@id": "https://www.schemaapp.com/blog/what-is-football/ #BlogPosting", "url": "https://www.schemaapp.com/blog/what-is-football/", "name": "Cos'è il calcio?", "headline": "Cos'è il calcio?" , "description": "Scopri le regole e la storia del calcio.",  "menzioni": { "@type": "Cosa",
 "name": "Calcio", "sameAs": "https://www.wikidata.org/wiki/Q41323", "sameAs": "https://en.wikipedia.org/wiki/American_football", "sameAs ": "kg:/m/0jm_", }}

Tuttavia, applicare i Linked Data sul tuo sito può essere un compito tecnicamente impegnativo.

1. Qualità – È necessario mantenere i dati aggiornati, accurati e completi.
2. Scalabilità – La gestione di questo enorme volume di dati può richiedere molto tempo e un notevole impiego di risorse.
3. Indipendente – Trasformare i tuoi contenuti in Linked Data richiede la conoscenza delle tecnologie per svolgere questo lavoro e come applicarle in modo efficace.
4. Sostenibilità – Sono necessarie risorse per mantenere la qualità dei dati.

Esempi di progetti di dati collegati in SEO

Esistono molti esempi di progetti di dati collegati in uso oggi. Questi progetti di dati collegati vengono spesso definiti anche grafici della conoscenza.

Grafici della conoscenza sono una raccolta di entità correlate espresse come triple RDF. Quando utilizzi Schema Markup per esprimere la relazione tra due entità sul tuo sito, stai implementando i dati collegati. Quando colleghi le varie entità sul tuo sito, stai effettivamente sviluppando un grafico della conoscenza interna sulla tua organizzazione. Il tuo grafico della conoscenza interno diventa ancora più robusto e utile se collegato ad altri grafici della conoscenza esterni.

Alcuni di questi grafici della conoscenza esterna sono utili anche per scopi di ottimizzazione dei motori di ricerca (SEO). I team SEO possono collegare i propri grafici della conoscenza interna a grafici della conoscenza esterna per dire ai motori di ricerca che l'entità definita in questo grafico della conoscenza esterna è la stessa dell'entità definita sul loro sito web.

Esploriamo alcuni dei progetti di dati collegati / grafici di conoscenza esterni relativi al mondo SEO.

Grafico della conoscenza di Google

Grafico della conoscenza di Google è un database di conoscenze che Google utilizza per fornire risposte rapide a domande su determinati argomenti o entità (persone, luoghi, organizzazioni, cose). Questo può apparire nella ricerca sotto forma di un pannello di conoscenza. IL pannello di conoscenza contiene un'istantanea di informazioni sull'argomento basata sulla comprensione di Google dei contenuti disponibili su Internet.

La storia del Knowledge Graph di Google inizia con Freebase, un progetto Metaweb lanciato nel 2007. Freebase era descritta come “un sistema per costruire le sinapsi per il cervello globale”. Questa enorme base di conoscenza, che formalmente è diventata un progetto Linked Open Data nel 2008, è stato uno dei progetti Linked Data più grandi e ambiziosi del suo tempo.

In 2010, Google ha acquisito Freebase da Metaweb e importato l'enorme base di conoscenza di Freebase nel Knowledge Graph proprietario di Google. Poco dopo, Google ha introdotto il Knowledge Graph nel famoso "cose, non stringhe' articolo, indicando un perno dalla ricerca lessicale a quella semantica.

Il Google Knowledge Graph è un progetto Linked Data perché aderisce ai 4 principi dei Linked Data. Tuttavia, il Google Knowledge Graph lo è NON un progetto open data collegato perché i dati non sono pubblicati con una licenza aperta. Detto questo, è possibile trovare identificatori (URI) per le entità nel Google Knowledge Graph e collegarli al tuo knowledge graph.

Come accedere al Knowledge Graph di Google?

Il Knowledge Graph di Google ha un API di ricerca quello è di sola lettura. Noterai che gli URI nell'output sono strutturati con uno spazio dei nomi "kg" (che sta per http://g.co/kg) e /m/ o /g/ prima di una stringa di caratteri. Questi identificatori sono chiamati “mid” o ID macchinas, che è un termine ereditato da Freebase.

Ad esempio, l'oggetto Freebase per l'entità Barack Obama ha la metà /m/02mjmr. È possibile accedere a questa stessa entità nel Knowledge Graph di Google andando su https://www.google.com/search?kgmid=/m/02mjmr. L'entità ha la stessa metà nel Knowledge Graph di Google.

Come viene utilizzato il Knowledge Graph di Google?

Google utilizza il suo grafico della conoscenza per migliorare l'esperienza di ricerca sul suo motore di ricerca. Quando cerchi qualcosa come "Berkshire Hathaway", Google identifica le entità nella tua query e fornisce informazioni su tali entità sia dal suo grafico della conoscenza che da altre fonti sul web. Una delle fonti più comuni è Wikipedia.

Wikipedia e DBpedia

wikipedia è un'enciclopedia online gratuita e collaborativa composta da oltre 61 milioni di articoli. Gli articoli di Wikipedia rappresentano entità, come persone, luoghi, eventi, concetti o altre cose.

Gli URL degli articoli di Wikipedia funzionano anche come URI per le entità che rappresentano. Quindi l'URL https://en.wikipedia.org/wiki/Kathryn_Janeway è sia un articolo che può essere visitato sul web, sia l'URI che rappresenta l'entità, Kathryn Janeway, nella knowledge base di Wikipedia.

Gli articoli all'interno di Wikipedia contengono elementi strutturati, nonché collegamenti ad altre entità correlate. Anche se Wikipedia da sola non è un progetto Linked Data tradizionale, svolge un ruolo significativo nell'ecosistema dei Linked Data sul web, in particolare per quanto riguarda DBpedia e Wikidata.

DBpedia è un progetto di dati aperti collegati che estrae informazioni da Wikipedia per generare triple RDF, che possono essere interrogate semanticamente insieme ad altri set di dati correlati. Estrae informazioni dagli elementi strutturati delle pagine di Wikipedia, come le tabelle "infobox" come questa:

Sebbene Wikipedia possa essere un'eccellente fonte di informazioni riassuntive per uso generale, la profondità e l'ampiezza delle informazioni su Wikipedia significa che è diventata una fonte essenziale di dati di addestramento per molte iniziative di intelligenza artificiale come l'elaborazione del linguaggio naturale, il riconoscimento di entità denominate e lo sviluppo di Grafici di conoscenza come il Knowledge Graph di Google.

Post dal responsabile tecnico di Wikipedia, Joseph S.; ispirato da https://xkcd.com/2347/

Wikidata

Wikidata è un progetto collaborativo di Linked Open Data gestito dalla Wikimedia Foundation sin dal suo inizio nel 2012 (source).

Nonostante abbia Wiki nel suo nome, Wikidata non è la stessa cosa di Wikipedia. Wikidata è una base di conoscenza più ampia di Wikipedia, contenente dati su una gamma più ampia di argomenti. Wikidata consente inoltre agli utenti di creare direttamente dati collegati RDF.

Anche se Wikidata e DBpedia sono entrambi progetti Linked Open Data relativi a Wikipedia, lo hanno fatto scopi diversi e svolgono funzioni diverse.

DBpedia estrae informazioni per generare dati collegati dalle fonti strutturate di Wikipedia come gli infobox. Di conseguenza, DBpedia tratta la conoscenza derivata come fatti.

Invece di estrarre informazioni da Wikipedia, Wikidata crea dati collegati per Wikipedia (source). Dato che Wikidata tratta anche le dichiarazioni all'interno dei Linked Data come affermazioni piuttosto che come fatti, queste dichiarazioni devono essere annotate con informazioni sulla provenienza (cioè chi ha fatto ciascuna affermazione).

Invece di "mid" (identificatori utilizzati da Freebase/Knowledge Graph di Google), ogni entità in Wikidata ha un "qid".

Di seguito è riportato un riepilogo degli identificatori per ciascuno dei progetti Linked Data elencati sopra.

Il Knowledge Graph di Google, Wikipedia e Wikidata sono i progetti di dati collegati più comuni utilizzati nella SEO. Quando parliamo di collegare il tuo Schema Markup a basi di conoscenza autorevoli esterne su Schema App, questi sono i grafici della conoscenza esterna a cui ci riferiamo.

Come utilizzare i dati collegati con l'app Schema

In Schema App, le nostre tecnologie semantiche consentono ai team SEO di generare facilmente dati collegati per il contenuto del loro sito web.

Genera URI per le tue entità

Quando pubblichi il tuo markup di schema utilizzando l'editor dell'app di schema o l'evidenziatore, il nostro strumento genera automaticamente URI HTTPS per le entità che definisci nel markup di schema. Questi URI, che appaiono nell'attributo @id, si collegano agli URL delle pagine in cui sono stati menzionati.

Ad esempio, pubblichiamo il markup dell'organizzazione nella home page dell'app Schema. L'URI per la nostra entità Organizzazione sarebbe quindi l'URL della nostra home page + #Organizzazione – https://www.schemaapp.com/#Organization. Se navighi verso questo URI, ti porterà alla pagina sulla nostra Organizzazione.

La creazione di URI per le entità sul tuo sito ti consente di collegarti facilmente a tali entità nel markup dello schema. Ad esempio, se la tua organizzazione ha pubblicato un post sul blog, puoi collegare l'URI della tua organizzazione alla proprietà dell'editore nel markup dello schema di posting del blog.

{ "@context": "http://schema.org/", "@type": "BlogPosting", "@id": "https://www.schemaapp.com/schema-markup/what-is- a-rich-result/#BlogPosting", "url": "https://www.schemaapp.com/schema-markup/what-is-a-rich-result/", "name": "Cos'è un Rich Risultato?", "headline": "Che cos'è un risultato avanzato?", "description": "Un risultato avanzato è un risultato di ricerca avanzato mostrato nella pagina dei risultati del motore di ricerca. Scopri come ottenere un risultato avanzato per la tua pagina. ",  "publisher": { "@type": "Organizzazione", "@id": "https://www.schemaapp.com/#Organization",
 "url": "https://www.schemaapp.com/", "nome": "App Schema",
 "description": "Schema App è una soluzione di markup dello schema end-to-end...", "telephone": "18554448624",
 "e-mail": "support@schemaapp.com",
 "areaServed": "http://www.wikidata.org/entity/Q13780930", }}

Collegamento ad entità esterne

I nostri strumenti consentono inoltre ai team SEO di collegarsi a entità esterne utilizzando una varietà di metodi come:

Puoi leggere questo articolo per saperne di più sul nostro metodi di collegamento delle entità.

Supera le sfide legate all'implementazione dei Linked Data

In sintesi, i Linked Data facilitano la connessione di dati provenienti da fonti diverse per fornire alle macchine informazioni più contestuali, consentendo loro di dedurre nuova conoscenza da fatti esistenti.

L'applicazione dei dati collegati tramite lo schema markup sul tuo sito può aiutare i motori di ricerca a comprendere la relazione tra le entità sul tuo sito e a chiarire le ambiguità delle entità menzionate nei tuoi contenuti.

Se hai bisogno di aiuto per implementare i dati collegati sul tuo sito, possiamo aiutarti. Noi di Schema App forniamo ai team SEO gli strumenti e le competenze per implementare i Linked Data su larga scala. Mettiti in contatto con noi per saperne di più.

Jasmine è il responsabile dell'abilitazione del prodotto presso Schema App. Schema App è una soluzione Schema Markup end-to-end che aiuta i team SEO aziendali a creare, implementare e gestire Schema Markup per distinguersi nella ricerca.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.schemaapp.com/schema-markup/linked-data-in-seo-what-you-need-to-know/