在网上阅读了很多书籍、博客和文章后，我对语义技术产生了兴趣，他们说它将使数据机器可以理解，让智能代理进行出色的推理，自动化和动态的服务组合等。
我仍然在阅读 2 年以来的相同内容。文章/博客/语义会议的数量大幅增加。但我仍然看不到任何杀手级应用程序。为什么会这样？或者是否有一些已经存在的应用程序/产品（商业/开源），实际上正在做所有被吹嘘的事情？
更准确地说，是否有任何产品利用语义技术（尤其是 RDF/OWL/SPARQL）并提供功能/性能/可维护性，这是现有（非语义）技术无法实现的？一些完全依赖语义技术并真正为客户增加价值并产生收入的产品？
我认为Drupal 7有机会成为一个杀手级语义应用程序，它是 CMS 的下一个版本，具有相当大的安装基础，当发布完成并且每个人都开始突然升级时，大量站点将自动以嵌入式形式公开 RDF RDFa 没有用户的任何干预。
从商业角度来看，我认为像GoodRelations这样的链接数据是一个潜在的杀手级应用程序，例如，请参阅Scott Brinker和Priyank Mohan的这些博客文章，其中讨论了 BestBuy 在开始将基于GoodRelations的链接数据嵌入为 RDFa后如何经历 30% 的流量增长他们的网页。
一般来说，链接数据是一种用机器可读数据来扩充您的网站的绝佳方式，并且在您的网站的可见性方面显示出显着的效果，我最近看到了来自 BBC 的一些演示，他们的野生动物发现者应用程序（链接数据应用程序）使用 BBC 自然历史资源）在谷歌搜索结果中已经超过了一些维基百科的动物页面
在生物学领域，对 RDF 及相关技术的兴趣非常高。人们想要更少的解析和自定义代码来集成数据，以及更高级的查询。RDF 已经提供了前者；例如，最大的生物医学资源之一UniProtKB正在 RDF 中提供他们的数据。对于高级查询，我们还没有完成，因为良好的 RDF 数据和 OWL 本体的性能和可用性仍然有些欠缺。但它正在开始，请查看BioGateway以了解可以做什么的示例。
有鉴于此，这些技术的成果不是单个杀手级应用程序，而是研究人员可以探索数据而不是编写临时脚本和设置临时 SQL 数据库和所有这些管道的所有累积时间节省。
刚刚发现DBpedia。将 Wikipedia 中的大量数据表示为 RDF 是一个很有前途的尝试。您可以将整个提取文件下载为 16GB 文件，但它也有一个关键字搜索页面。表示为 RDF 允许非常具体的“语义”查询。这显示了一些示例查询，例如如何找到员工人数超过 50000 人的公司的官方网站列表。您甚至可以使用任何可以与其公共 API 接口的包装器（例如这个 Python 模块）远程查询“云” 。
语义网依赖于内容提供者努力正确注释所有内容以使其机器可读。
对于大多数不是图书馆员的人来说，这工作量太大了。
真正的杀手级应用似乎是无需特殊标记即可从非结构化内容中获取语义的东西。例如，看看谷歌在其搜索引擎上所做的惊人工作。
为了使系统正常工作，它不能给用户带来沉重的负担。
中间立场是像 Stackoverflow 上的标记系统。它们工作得很好，即使标签完全是临时的并且部分不一致。
我对AceWiki印象深刻。它是尝试对人们输入的信息进行语义组织的几个 wiki 项目之一。
它仍在进行中，并且有一些局限性。例如，它只允许人们输入符合英语词汇和语法子集的句子。
但是，我希望这些起飞。那里有如此大量的免费数据（例如维基百科），我们无法创建程序来对其进行推理，因为内容太嘈杂。
对于需要强大查询的许多地方，深度语义支持很有趣。一个例子是在一个项目中我最近正在研究用于查找将工作负载分派到哪里的服务是基于语义的。RDF/SPARQL 本身很有趣，因为它立即为您提供了非常丰富的查询，但是当您在其中添加 OWL 本体时，它会变得更好，因为这意味着您可以回答更丰富的查询（即，提出更接近用户的问题– 以及他们的雇主 – 真正想要的），同时允许服务提供商更清楚地表达他们提供的内容。这并不是说这意味着每个人都告诉每个人一切，根本没有。相反，我们让各方描述提供了哪些服务，而不是他们使用什么配置来提供这些服务。这一切都得益于在整个信息系统中普遍使用的语义技术。
目前我正在开发Taverna，它现在使用 RDF 来提供增强的日志记录系统；特别是，用户（尤其是科学家）可以比只grep通过一个巨大的文本文件更容易地搜索记录的大量信息。毕竟，如果你不得不使用文本挖掘来找出你的文本挖掘工作流程中到底发生了什么，那就有点荒谬了……
Protege is good for developing ontologies.