Kunnskapsgrafbaserte

Kunnskapsgrafbaserte systemer er basert på en kunnskapsgraf, en grafstruktur der noder representerer enheter som personer, steder eller produkter, og kanter representerer forhold mellom dem. Grafen gjør det mulig å fange semantiske koblinger og kontekst på tvers av datasett, noe som legger til rette for mer presis søk, inferanse og dataintegrasjon.

En kunnskapsgraf bygges ved å identifisere enheter og relasjoner i ulike kilder, tilordne entydige identifikatorer (for eksempel URIs), og beskrive begrepene med en begrepsmodell eller ontologi. Data kobles ofte sammen gjennom koblingspunkter og metadatakvalitet, inkludert kilde og tidsaspekt.

Teknisk sett lagres kunnskapsgrafer i grafdatabaser, og spørring skjer ofte med SPARQL ved RDF-baserte grafer eller med Cypher/Gremlin for mer generiske property graph-tilnærminger.

Anvendelser inkluderer semantisk søk og forbedrede søkeopplevelser, dataintegrasjon og interoperabilitet i virksomheter, anbefalingssystemer, kundesupportchatbots og forskning innen biomedisin.

Fordeler inkluderer bedre kontekstforståelse, forbedret disambiguering og mulighet for grafbasert inferanse. Utfordringer omfatter datakvalitet og versjonskontroll, dataintegrasjon og ontologiske samsvar, personvern og skalerbarhet.

Eksempler på kjente kunnskapsgrafbaserte ressurser er Google Knowledge Graph og Wikidata.