Semantic SBTs
Last updated
Last updated
SBTs是Soulbond Tokens的缩写,意思是“灵魂绑定通证”,于2022年5月由E. Glen Weyl,Puja Ohlhaver以及Vitalik Buterin所撰写的论文《Decentralized Society: Finding Web3's Soul》所提及。其实SBT的技术实现比较简单,可以理解为一个没有转账功能的ERC721代币,但其对WEB3的影响却非常深远。
SBT的重要目的之一就是为了建立一套基于WEB3的个人身份体系,比如一个人的社会关系、教育背景、工作履历、收入水平、信用记录、参加过的公益活动、参与过的DAO组织等等,都可以生成各种各样的SBT。上述提及的各种身份体系信息属性种类繁多,离散性较强。如果通过关系性数据模式进行存储,会面临表结构设计复杂且冗余数据较多的可能性,而知识图谱恰好是该类数据最恰当的载体。因为知识图谱在存储数据时,对数据进行了一定程度的规范和抽象。
根据其定义来看,知识图谱是由一些相互连接的实体和他们的属性构成的。换句话说,知识图谱是由一条条知识组成,每条知识表示为一个SPO三元组(Subject-Predicate-Object),正是因为这种存储方式,即保证了数据实体的完整性,还很好的兼容了实体的各种属性信息的差异性和扩展性。所以如果希望定义一个通用性很好的SBT规范,那么知识图谱存储数据的方式将是非常值得参考的方向。而知识图谱的本质就是语义网络。
1960年,认知科学家Allan M.Collins提出了语义网络(Semantic Network)的知识表示方法。
语义网络是一种通过实体以及实体间语义关 系表达知识的有向图。在图中,节点表示事物、属性、概念、状态、事 件、情况、动作等含义,节点之间的弧表示它所连接的两个节点之间的语 义关系,根据表示的知识情况需要定义弧上的标识,一般该标识是谓词逻 辑中的谓词,常用的标识包括实例关系、分类关系、成员关系、属性关系、包含关系、时间关系、位置关系等。
语义网络由语义基元构成,语义基元可通过三元组(节点1,弧,节点2)描述,语义网络由若干个语义基元及其之间的语义关联关系组成。
语义网络表示法具有广泛的表示范围和强大的表示能力,表示形式简单直接、容易理解、符合自然语言逻辑。
所谓语义,关注的是能用于搜索的资源的含义,这些含义是通过语义模型构建的,比如语言学模型和概念模型。其中语言学模型注重对词语的关系建模、分类以及构建同意词库,而概念模型主要侧重对论域中的语法元素的关键建模,以及从语法元素到论域的映射。语义模型除了具备表达能力外,还必须形式化,即解析过程是可以被计算的。因此为了能实现后续的语义搜索功能,在前期的写入和存储过程中的数据规范尤其重要。
语义数据通常会选用RDF三元组的方式进行存储。
RDF (Resource Description Framework) 一种语义化描述知识结构的标准,也是W3C制定的关于知识图谱的国际标准。具有较强的逻辑理论背景和较完善的数据模型特征。
在RDF规范中,数据都是以三元组的方式保存,每个资源的一个属性及属性值,或者它与其他资源的一条关系,都可以表示为三元组。一个三元组包括三个元素:主体(Subject)、谓语(Predicate)及客体(Object)。
RDF有很强的表达能力,但目前面临的问题是,没有一个统一对方案对语义数据的存储进行规范和管理。而本协议结合了SBT的特性,设计了一套可以存储在链上的语义存储方案,即Semantic SBTs。
ERC721通过将tokenUrl和tokenId绑定的模式,给数字信息提供了资产化的可能性,而NFT的迅速发展验证了这种可能性。TokenUrl对应的可以是一段文字,一张图片、是一段音频或视频等等。NFT能给这些数据提供了归属权确认和交易的功能。但是tokenUrl对应的数据没有一个固定格式,一般都是由浏览器去渲染,或者由用户人为的理解。
而SBT概念的提出,是为了构建基于Web3的人身份体系。希望通过token与个人的社会属性建立关系,比如社会关系、教育背景、工作履历、收入水平、信用记录、参加过的公益活动、参与过的DAO组织等等。
这些信息有几个特征:数据的主体是每个独立个体,数据的生成方或创建方是不同的社会主体,数据的种类是多样的,数据的生成是持续的。对于前三个特性而言,上述的各种信息均可以抽象为:“某人在何时/何处完成了何种任务”、“某机构给某人颁发了某种认证”此类的三元组表达式,因此通过语义三元组的方式,能够完全满足数据的规范和存储。并且通过RDF标准,进而使物理世界的信息转换成了机器可理解的数据,换言之,即可对保存的数据进行查询、筛选与计算等操作,给人身份体系赋予了更高的技术和业务价值。