Data science

กราฟความรู้คืออะไร?

กราฟความรู้ซึ่งถือได้ว่าเป็นประเภทของ ontology แสดงให้เห็น “ความรู้ในแง่ของเอนทิตีและความสัมพันธ์ของพวกเขา” ตาม GitHub ตัวอย่างของกราฟความรู้แสดงอยู่ด้านล่าง กราฟความรู้ที่พัฒนาจากความจำเป็นในการทำบางสิ่งบางอย่างหรือดำเนินการตามข้อมูลตามบริบท ตัวอย่างเช่น กราฟความรู้ช่วยระบุการฉ้อโกง ติดตามสินค้าคงคลัง และเขียนนวนิยาย กราฟความรู้ได้รับแรงฉุดมากขึ้นด้วยการเรียนรู้ของเครื่องเพื่อให้กระบวนการ AI สามารถใช้ข้อมูลเดียวกันได้ตามต้องการในหลายสถานการณ์ กราฟความรู้ช่วยลดความซับซ้อนของแนวคิดที่ซับซ้อนได้อย่างรวดเร็วและให้ข้อมูลการฝึกอบรมที่ดีสำหรับ AI เพื่อเรียนรู้งานใหม่ ความสามารถหลักของกราฟความรู้ตามที่ราล์ฟ ฮอดจ์สัน CTO ของ TopQuadrant ระบุ ได้แก่ ความสามารถในการขยาย: ความสามารถในการรองรับข้อมูลที่หลากหลายและข้อมูลเมตาที่พัฒนาขึ้นเมื่อเวลาผ่านไป ความสามารถในการวิปัสสนา/การสืบค้น: โมเดลที่สามารถตรวจสอบเพื่อค้นหาสิ่งที่สามารถรู้และค้นหาได้ ความหมาย: ความหมายของข้อมูลจะถูกเก็บไว้ในกราฟควบคู่ไปกับข้อมูลเพื่อทำความเข้าใจการเชื่อมต่อ การเปิดใช้งานอัจฉริยะ: ความสามารถในการอนุมานการพึ่งพาและความสัมพันธ์อื่น ๆ ระหว่าง วัตถุ คำจำกัดความอื่นๆ ของกราฟความรู้ ได้แก่ เครดิตรูปภาพ: GitHub “ชุดข้อมูลที่เชื่อมต่อถึงกัน สามารถเชื่อมโยงไซโลข้อมูลขององค์กรอย่างมีความหมาย และให้มุมมองแบบองค์รวมขององค์กรผ่านความสัมพันธ์” (แอมเบอร์ ลี เดนนิส) เลเยอร์บนโครงสร้างพื้นฐานข้อมูลที่มีอยู่ซึ่ง “ เปิดเผยความสัมพันธ์ภายในข้อมูลโดยไม่คำนึงถึงแหล่งที่มาหรือรูปแบบ” (Keith D. Foote) “ฐานข้อมูลกราฟที่ปรับปรุงซึ่งอุดมไปด้วยกฎทางธุรกิจที่อนุญาตให้ดำเนินการอนุมานกับข้อมูลที่เชื่อมต่อได้” (Keith D. Foote) “วิธีการจัดเก็บและการใช้ข้อมูล ซึ่งช่วยให้ผู้คนและเครื่องจักรสามารถเข้าถึงการเชื่อมต่อในชุดข้อมูลได้ดีขึ้น” (ดาตานามิ) “ฐานข้อมูลที่จัดเก็บข้อมูลในรูปแบบกราฟิก – และที่สำคัญ สามารถใช้เพื่อสร้างการแสดงภาพกราฟิกของความสัมพันธ์ระหว่างจุดข้อมูลใดๆ ของมัน” (ฟอร์บส์) “สารานุกรมของโลกความหมาย” (Forbes) กรณีการใช้งานกราฟความรู้ รวมถึง: การกำหนดมาตรฐานคำศัพท์ด้านสุขภาพและอนุกรมวิธานเพื่อกำหนดรหัสค่ารักษาพยาบาลอย่างสม่ำเสมอ ทำให้งานตีพิมพ์ทั้งหมดของ Noam Chomsky สามารถค้นหาได้ง่ายในบริบทของหัวข้อและแนวคิด KBpedia ซึ่งเป็นแผนที่ความรู้ที่รวมประเด็นสำคัญของ Wikipedia , Wikidata, schema.org, DBpedia, GeoNames, OpenCyc และ UMBEL ในรูปแบบรวมที่สามารถกำหนดค่าได้สำหรับกราฟความรู้เชิงคำนวณ ขอให้ eBay แสดงกระเป๋าหนังสีน้ำตาล Coach ในราคาต่ำกว่า $ . กราฟความรู้จะช่วยค้นหาคำถามติดตามผลที่ดีที่สุดที่จะถาม เพื่อค้นหาผลลัพธ์ที่ดีที่สุดในเวลาน้อยที่สุด การติดตามเครือข่ายของผู้คนและความเชื่อมโยงระหว่างพวกเขาบน Facebook ธุรกิจต่างๆ ใช้กราฟความรู้เพื่อ: รวบรวมสินทรัพย์ข้อมูลขององค์กรทั้งหมดในบริบททั้งหมด ทั้งด้านเทคนิคและธุรกิจ ประสานข้อมูลตามแบบจำลองข้อมูลมาตรฐาน จัดประเภทข้อมูลให้เป็นมาตรฐาน อำนวยความสะดวกให้กับ AI และการเรียนรู้ของเครื่อง รวมข้อมูลและแสดงความสัมพันธ์ รูปภาพที่ใช้ภายใต้ใบอนุญาตจาก Shutterstock.com

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button