Bilgi Grafiği

Temel Kavramlar

Bilgi grafikleri, düğümler (varlıkları veya kavramları temsil eden) ve kenarlar (bu düğümler arasındaki ilişkileri temsil eden) kullanılarak oluşturulur. Örneğin, bir düğümUltralytics YOLO" ve bir diğeri"Nesne Algılama" olabilir ve "bir türüdür" etiketli bir kenarla bağlanabilir. Bu yapı, karmaşık sorgulara ve muhakeme yeteneklerine olanak tanıyarak sistemlerin mevcut verilerden yeni gerçekler çıkarmasını sağlar. Kaynak Tanımlama Çerçevesi (RDF) gibi teknolojiler veri değişimi için standart bir model sağlarken, SPARQL gibi sorgu dilleri de kullanıcıların bu ilişkilere dayalı olarak bilgi almasına olanak tanır. KG'lerin oluşturulması genellikle yapılandırılmış veri tabanları ve yapılandırılmamış metinler de dahil olmak üzere çeşitli kaynaklardan bilgi çıkarmayı, bazen Doğal Dil İşleme (NLP) tekniklerini kullanmayı ve potansiyel olarak karmaşık muhakeme sistemlerini içermeyi içerir.

Bilgi Grafikleri ve Diğer Kavramlar

Diğer veri yapılarıyla ilişkili olsa da, bilgi grafikleri farklı özelliklere sahiptir:

• Veritabanları: Geleneksel ilişkisel veritabanları, verileri önceden tanımlanmış şemalara sahip tablolarda depolar ve yapılandırılmış kayıtların verimli bir şekilde depolanmasına ve alınmasına odaklanır. KG'ler karmaşık, genellikle heterojen ilişkileri temsil etmede ve standart veritabanlarında daha az basit olan yeni bilgi çıkarımında mükemmeldir.
• Ontolojiler: Bir ontoloji, varlık türlerini ve ilişkileri belirterek bir alan için kelime dağarcığını ve kuralları (şema) tanımlar. Bir bilgi grafiği genellikle bu kurallara göre belirli gerçekleri temsil eden bir ontoloji örneğidir. Web Ontoloji Dili (OWL) ontolojileri tanımlamak için yaygın bir standarttır.
• Vektör Veritabanları: Bunlar, verileri anlamsal benzerliği yakalayan yüksek boyutlu vektörler (gömüler) olarak depolar. Benzer öğeleri bulmak için mükemmeldirler ancak KG'lerin yaptığı gibi ilişkileri açıkça tanımlamazlar. KG'ler açık, olgusal bağlantıları depolar.

Yapay Zeka/ML Uygulamaları

Bilgi grafikleri birçok akıllı uygulamaya güç verir:

• Geliştirilmiş Arama Sonuçları: Google gibi arama motorları, arama sorgularını anlamsal olarak anlamak ve bilgi panellerinde doğrudan yanıtlar, özetler ve ilgili varlıklar sağlamak için KG'leri ( Google Bilgi Grafiği gibi) kullanır ve daha iyi Anlamsal Arama sağlamak için basit anahtar kelime eşleştirmenin ötesine geçer.
• Tavsiye Sistemleri: Platformlar, kullanıcılar, ürünler, içerik ve bunların nitelikleri (ör. tür, oyuncular, yönetmen) arasındaki bağlantıları modellemek için KG'leri kullanır. Bu, keşfedilen ilişkilere dayalı daha incelikli önerilere olanak tanıyarak moda perakendeciliğinde yapay zeka gibi alanlarda kullanıcı deneyimini iyileştirir.
• Bağlamsal Yapay Zeka: Bilgisayarlı Görü'de (CV), belirli bir bina gibi bir nesneyi bir bilgisayar kullanarak tespit etmek Ultralytics YOLO gibi model YOLOv8 geçmişini, mimarını veya çalışma saatlerini almak için bir KG sorgusunu tetikleyerek uygulamanın anlayışını zenginleştirebilir. Bu bağlamsal veriler Ultralytics HUB gibi platformlarda yönetilebilir ve kullanılabilir. KG'ler ayrıca yapılandırılmış arka plan bilgisi sağlayarak Soru Yanıtlama sistemlerini de geliştirir.
• İlaç Keşfi: KG'ler, araştırmacıların potansiyel ilaç hedeflerini ve etkileşimlerini belirlemelerine yardımcı olmak için çeşitli biyolojik verileri (genler, proteinler, hastalıklar, ilaçlar) entegre ederek sağlık hizmetlerinde yapay zeka çözümlerini hızlandırır.

Bilgi Grafikleri Oluşturma ve Kullanma

KG'lerin oluşturulması ve sürdürülmesi otomatik çıkarma tekniklerini, manuel küratörlüğü veya bunların bir kombinasyonunu içerebilir. DBpedia (Wikipedia'dan türetilmiştir) ve Wikidata gibi açık kaynaklı bilgi grafikleri büyük miktarda yapılandırılmış veri sağlar. Neo4j gibi uzmanlaşmış çizge veritabanı teknolojileri, çizge verilerini verimli bir şekilde depolamak ve sorgulamak için tasarlanmıştır. Makine öğrenimi modelleri, KG'leri metinden ve hatta çeşitli bilgisayarla görme veri kümelerinden elde edilen görsel verilerden otomatik olarak doldurmak için varlık tanıma ve ilişki çıkarma gibi görevler için giderek daha fazla kullanılmaktadır.