💬 NLP

The Semantic Ladder: A Framework for Progressive Formalization of Natural Language Content for Knowledge Graphs and AI Systems

Dit artikel introduceert het 'Semantic Ladder'-raamwerk, een architecturale aanpak die de geleidelijke formalisering van natuurlijke taal naar formele semantische modellen mogelijk maakt om de kloof tussen menselijke kennis en machine-interpretatie te overbruggen voor schaalbare, interoperabele AI-infrastructuur.

Oorspronkelijke auteurs: Lars Vogt

Gepubliceerd 2026-03-24

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Lars Vogt

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme bibliotheek wilt bouwen, maar met een groot probleem: de meeste mensen schrijven hun kennis op in gewone taal (zoals in een dagboek of een artikel), maar de robots en computers die deze bibliotheek moeten doorzoeken, begrijpen alleen een heel strenge, wiskundige taal (zoals een strakke database of een logisch raamwerk).

Huidige systemen eisen vaak dat je direct alles in die strenge taal schrijft voordat je het in de bibliotheek mag zetten. Dit is als eisen dat elke schrijver eerst een diploma in wiskunde moet hebben voordat ze een verhaal mogen vertellen. Hierdoor komt er weinig nieuwe informatie binnen, en het kost ontzettend veel tijd en moeite om het om te zetten.

Deze paper introduceert een slimme oplossing: de Semantische Ladder (The Semantic Ladder).

Hier is hoe het werkt, vertaald naar alledaagse termen:

1. De Ladder in plaats van een Muur

In plaats van een hoge muur waar je direct overheen moet springen (van "gewone tekst" naar "perfecte computercode"), bouwen we een ladder. Je kunt op elke sport van de ladder staan.

Onderaan de ladder (De "Vloer"): Hier staat de ruwe, natuurlijke taal. Iemand schrijft: "Deze vogel heeft een vleugelspanwijdte van 50 cm." Dit is makkelijk te lezen voor mensen, maar voor een computer is het nog een beetje vaag.
Midden op de ladder (De "Tussenverdieping"): Hier wordt de zin iets gestructureerd. De computer ziet nu: "Vogel -> heeft eigenschap -> vleugelspanwijdte -> waarde -> 50 cm." Het is nog niet perfect wiskundig, maar de computer begint de verbanden te snappen.
Bovenaan de ladder (De "Top"): Hier staat de strikte, formele logica. De computer kan nu rekenen, redeneren en fouten opsporen. "Alle vogels met een vleugelspanwijdte > 40 cm behoren tot categorie X."

Het grote voordeel: Je mag beginnen onderaan. Je hoeft niet direct bovenaan te zijn. Je kunt je kennis eerst simpel invoeren en later, als er tijd is of als het nodig is, de trap oplopen om het formeler te maken.

2. De "Rosetta-steen" als Tolk

Hoe weet de computer dat "vogel" op de onderste sport hetzelfde is als "Aves" (de wetenschappelijke naam) op de bovenste sport?

De auteurs gebruiken een concept dat ze Rosetta Statements noemen. Denk hierbij aan een tolk of een vertaalboek.

De tolk luistert naar de ruwe zin (onderaan).
De tolk herkent de structuur: "Dit is een meting van een dier."
De tolk zorgt dat de ruwe zin en de strenge computercode naar dezelfde "tussenpersoon" verwijzen.

Dit zorgt ervoor dat je niet hoeft te kiezen tussen "mensen-taal" en "computer-taal". Ze kunnen naast elkaar bestaan en worden verbonden door deze tolk.

3. De "AI-Hulp" (De Robot-assistent)

Tegenwoordig hebben we slimme AI's (zoals Large Language Models). In dit systeem werken deze AI's als trage-assistenten die je helpen de ladder op te klimmen.

Jij schrijft de zin.
De AI helpt je om de belangrijke woorden (zoals "vogel" of "50 cm") te markeren en te koppelen aan een woordenlijst.
De AI helpt om de zin om te vormen tot een gestructureerde vorm.
Maar: Jij (de mens) blijft de baas. Jij controleert of de AI het goed heeft gedaan. Dit maakt het proces veel sneller dan als je alles zelf handmatig in de strenge code moet typen.

4. Twee soorten "zoeklichtjes" (Symbolisch en Vector)

De paper zegt ook dat we twee manieren hebben om kennis te vinden:

Het Symbolische Zoeklicht (De Ladder): Dit zoekt op exacte betekenis. "Toon me alle vogels met een vleugelspanwijdte van EXACT 50 cm." Dit werkt perfect bovenaan de ladder.
Het Vector-Zoeklicht (De AI): Dit zoekt op "gevoel" of gelijkenis. "Toon me vogels die lijken op deze." Dit werkt heel goed onderaan de ladder, waar de tekst nog wat ruwer is.

De Semantische Ladder combineert deze twee. Je kunt zoeken op basis van gelijkenis (met de AI) en vervolgens de resultaten "op de ladder" zetten om ze precies te analyseren.

Waarom is dit belangrijk?

Minder drempel: Mensen hoeven geen computer-experts te zijn om kennis toe te voegen. Iedereen kan beginnen met schrijven.
Groei: De kennisbank groeit organisch. Het begint als een rommelige verzameling notities en wordt langzaam een strakke, slimme database.
Transparantie: Je kunt altijd terugkijken naar de originele zin. Je weet altijd waar de computerinformatie vandaan komt (dit heet "traceerbaarheid").
Samenwerking: Mensen en machines werken samen. De mens levert de betekenis, de machine helpt met het structureren.

Kortom: De Semantische Ladder is een slimme manier om de kloof tussen "wat mensen zeggen" en "wat computers begrijpen" te overbruggen, zonder dat we iedereen dwingen om eerst een computerwetenschapper te worden. Het laat kennis groeien, van een simpel verhaal tot een super-slimme kennisbank.

Probleemstelling

De kernuitdaging die dit artikel adresseert, is de kloof tussen natuurlijke taal (waarbij het merendeel van kennis wordt gecreëerd en gecommuniceerd) en formele semantische modellen (die nodig zijn voor machine-actievere integratie, interoperabiliteit en redenering).

Twee specifieke barrières worden geïdentificeerd die de schaalbaarheid en adoptie van kennisgrafieken beperken:

De "Semantic Parsing Burden" (Semantische ontledingslast): Het transformeren van ongestructureerde tekst naar formele structuren (zoals RDF-triples en OWL-ontologieën) vereist aanzienlijke expertise en samenwerking tussen domeinexperts en ontologie-ingenieurs. Dit is tijdrovend en schaalt slecht.
Premature Formalisatie: Traditionele benaderingen vereisen vaak een vooraf gedefinieerd, statisch schema voordat data kan worden geïntegreerd. Dit botst met de iteratieve en evoluerende aard van wetenschappelijke ontdekking en belemmert dynamische kennisopbouw.
Exclusiviteit: De noodzaak tot volledige formele modellering bij data-invoer sluit niet-technische bijdragers (zoals in burgerwetenschap) uit en creëert onnodige complexiteit voor scenario's waar volledige logische inferentie niet nodig is.

Methodologie: Het Semantic Ladder Framework

Het artikel introduceert een architectonisch raamwerk dat de Semantic Units Framework uitbreidt met het concept van de Semantic Ladder. Dit raamwerk stelt voor om kennis niet als een binair (wel/niet formeel) te behandelen, maar als een continuüm van toenemende semantische explicietheid.

1. De Semantic Units Framework (De Basis)
Het raamwerk baseert zich op "Semantic Units" (SU): modulaire, identificeerbare eenheden van betekenis die onafhankelijk interpreteerbaar zijn.

Onafhankelijkheid: SU's zijn technologie-onafhankelijk (kunnen in RDF, relationele databases, etc.) en representatie-onafhankelijk (dezelfde betekenis kan in verschillende vormen bestaan).
Structuur: Een SU bestaat uit een content-graph (de semantische inhoud) en een meta-graph (context, provenance, metadata), gescheiden maar gekoppeld via een Globally Unique Persistent and Resolvable Identifier (GUPRI).
Types: Er wordt onderscheid gemaakt tussen Statement Units (individuele proposities) en Compound Units (samengestelde structuren).

2. De Semantic Ladder (De Progressie)
De ladder organiseert semantische eenheden in vijf niveaus van toenemende formalisatie:

L1 – Text Snippet Units: Ruwe tekstfragmenten uit natuurlijke taal zonder formele semantiek. Behoudt de originele formulering.
L2 – Semantically Enriched Text Snippet Units: Tekstfragmenten verrijkt met lichte semantische annotaties (bijv. entiteiten herkennen, koppelen aan vocabulaires).
L3 – Rosetta Statement Units: Gestructureerde representaties die proposities ontleden in canonieke semantische rollen (onderwerp, werkwoord, object). Deze fungeren als semantische ankers die natuurlijke taal koppelen aan formele logica. Ze worden vaak gemodelleerd als RDF-shapes (SHACL).
L4 – Description Logics-based Semantic Units: Volledig formele representaties op basis van ontologieën (bijv. OWL), die logische redenering en consistentiecontrole mogelijk maken.
L5 – Higher-Logic Semantic Units: Representaties die verder gaan dan beschrijvingslogica, zoals regelgebaseerde systemen of hogere-orde logica voor complexere inferentie.

3. Transformaties en Koppelingen
Het framework definieert transformaties tussen deze niveaus:

Semantische verrijking (L1 → L2), Statement structuring (L2 → L3), Logische modellering (L3 → L4), en Logische lifting (L4 → L5).
Schema Crosswalks en Entity Mappings: Deze zorgen ervoor dat semantische equivalentie behouden blijft bij het bewegen tussen niveaus, zelfs als verschillende vocabulaires of schema's worden gebruikt.
Hybride AI-integratie: Het raamwerk integreert vectorrepresentaties (embeddings) parallel aan de ladder. Vectorrepresentaties ondersteunen zoekopdrachten op basis van gelijkenis, terwijl symbolische niveaus (L3-L5) logische redenering ondersteunen. Large Language Models (LLM's) worden ingezet om transformaties (zoals entiteitsextractie en structureren) te automatiseren, waarbij menselijke experts de validatie en betekenisbewaking blijven uitvoeren.

Belangrijkste Bijdragen

Progressieve Semantische Formalisatie: Een principieel mechanisme dat toelaat dat data op verschillende niveaus van formalisatie binnenkomt en geleidelijk wordt verrijkt, in plaats van volledige formalisatie bij invoer te eisen.
Betekenis-gecentreerde, Technologie-agnostische Architectuur: Het introduceren van tekstfragmenten en Rosetta Statements als "first-class" semantische eenheden. Rosetta Statements fungeren als brug tussen natuurlijke taal en formele logica.
Semantische Equivalentie over Representaties: Het mogelijk maken dat semantisch equivalente representaties op verschillende niveaus naast elkaar bestaan, met behoud van traceerbaarheid en continuïteit.
Integratie van Symbolische en Vectorruimtes: Een hybride infrastructuur creëren waar semantische eenheden zowel symbolische redenering als op embeddings gebaseerde AI-methoden ondersteunen binnen één semantische ruimte.

Resultaten en Implicaties

Hoewel het artikel een conceptueel raamwerk is en geen specifieke software-implementatie presenteert, worden de volgende theoretische resultaten en implicaties benadrukt:

Vermindering van de Semantische Ontledingslast: Door kennis in een lagere, menselijke vorm te laten beginnen en deze later te formaliseren, wordt de drempel voor bijdragers verlaagd.
Dynamische Kennisgrafieken: Kennisgrafieken kunnen organisch groeien en evolueren zonder dat upfront schema's alle toekomstige data moeten dekken.
FAIR en CLEAR Principles: Het framework maakt FAIR (Findable, Accessible, Interoperable, Reusable) een continuüm in plaats van een binair doel. Het integreert ook de CLEAR-principes (Cognitively interoperable, human-Readable), waarbij menselijke interpreteerbaarheid op elk niveau gewaarborgd blijft.
Schaalbaarheid: Door de complexiteit van het koppelen van schema's te reduceren (van $n^2$ naar $2n$ via Rosetta Statements als ankers), wordt interoperabiliteit tussen heterogene systemen schaalbaarder.

Significantie

De "Semantic Ladder" biedt een fundamentele verschuiving in hoe semantische infrastructuur wordt ontworpen. In plaats van een "alles-of-niets" aanpak voor formele modellering, introduceert het een incrementele en adaptieve benadering.

Dit is cruciaal voor de toekomst van AI en kennismanagement omdat het:

De integratie van moderne AI-methoden (LLM's, vector databases) met traditionele symbolische kennisgrafieken mogelijk maakt.
Deelname aan kennisopbouw democratiseert door experts en niet-experts op verschillende niveaus van het spectrum te betrekken.
Zorgt voor transparantie en reproduceerbaarheid, omdat formele modellen altijd terug te traceren zijn naar hun oorspronkelijke natuurlijke taalbronnen.

Kortom, het raamwerk biedt de architectonische basis voor schaalbare, interoperabele en AI-klaar data-infrastructuur die zowel menselijke communicatie als machine-reasoning effectief ondersteunt.