지식 그래프
Knowledge graph지식 표현 및 추론에서 지식 그래프는 그래프 구조 데이터 모델 또는 토폴로지를 사용하여 데이터를 통합하는 지식 기반입니다.지식 그래프는 객체, 이벤트, 상황 또는 추상 개념과 같은 엔티티에 대한 상호 연결된 설명을 저장하기 위해 자주 사용되며 사용된 [1]용어의 기초가 되는 의미론도 인코딩됩니다.
시맨틱 웹의 개발 이후, 지식 그래프는 종종 개념과 [2][3]실체 사이의 연결에 초점을 맞춘 링크드 오픈 데이터 프로젝트와 관련지어집니다.또한 구글, 빙, 야후와 같은 검색 엔진, 울프램 알파, 애플의 시리, 아마존 알렉사와 같은 지식 엔진과 질의응답 서비스, 링크드인이나 페이스북과 같은 소셜 네트워크와 밀접하게 관련되어 사용되고 있습니다.
역사
이 용어는 1972년에 코스를 [4]위한 모듈식 교육 시스템을 구축하는 방법에 대한 논의에서 만들어졌습니다.1980년대 후반, 그로닝겐 대학교와 트벤터 대학교는 그래프에서 대수를 용이하게 하기 위해 제한된 관계 집합으로 가장자리가 제한된 의미 네트워크의 설계에 초점을 맞춘 지식 그래프라는 프로젝트를 공동으로 시작했다.이후 수십 년 동안, 의미 네트워크와 지식 그래프 사이의 구분이 모호해졌다.
일부 초기 지식 그래프는 주제별로 달랐다.1985년, 단어와 의미 사이의 의미 관계를 포착하는 Wordnet이 설립되었습니다. 이 아이디어는 언어 자체에 적용되었습니다.2005년 Mark Wirk는 Gunames를 설립하여 서로 다른 지명, 지역 및 관련 단체 간의 관계를 포착했습니다.1998년 영국의 Science in Finance Ltd의 Andrew Edmonds는 그래픽 컨텍스트에서 [5]퍼지 논리 기반의 추론을 제공하는 ThinkBase라는 시스템을 만들었습니다.
2007년 DBpedia와 Freebase는 모두 범용 지식을 위한 그래프 기반 지식 저장소로 설립되었습니다.DBpedia는 Wikipedia에서 추출한 데이터에만 초점을 맞췄고 Freebase는 다양한 공개 데이터셋을 포함했습니다.어느 쪽도 자신을 '지식 그래프'라고 설명하지는 않았지만, 관련 개념을 개발하고 기술했다.
2012년 Google은 DBpedia와 Freebase를 기반으로 Knowledge [6]Graph를 발표했습니다.이들은 나중에 CIA World Factbook, Wikidata,[6][7] Wikipedia 등 색인화된 웹 페이지에서 추출한 RDFa, Microdata, JSON-LD 콘텐츠를 통합했습니다.이 지식 그래프와 관련된 엔티티 및 관계 유형은 schema[8].org 어휘를 사용하여 더욱 정리되었습니다.Google Knowledge Graph는 구글 내에서 문자열 기반 검색을 성공적으로 보완하게 되었고 온라인에서의 인기는 이 용어를 더 일반적으로 사용하게 [8]되었다.
그 이후로 여러 대형 다국적 기업이 지식 그래프가 사용하는 것을 광고하여 이 용어를 더욱 널리 보급시켰다.여기에는 Facebook, LinkedIn, Airbnb, Microsoft, Amazon, Uber [9]및 eBay가 포함됩니다.
2019년에 IEEE는 "빅 지식"과 "데이터 마이닝 및 인텔리전트 컴퓨팅"에 관한 연례 국제 회의를 국제 지식 그래프 [10]회의에 통합했습니다.
정의들
지식 그래프에 대해 일반적으로 허용되는 단일 정의는 없습니다.대부분의 정의는 시멘틱 웹 렌즈를 통해 토픽을 표시하며 다음 [11]기능을 포함합니다.
- 지식 중에서 국소 영역에서 유연한 관계:지식 그래프(나는),(iii)서로 잠재적으로interrelating 임의 단체에 대할 것이고(iv)다양한 국소 영역을 실체의(ii)주로 현실 세계 기업과 그들의 상호 관계를 설명하는 스키마, 그래프에서 조직의 추상적인 수업과 관계를 정의합니다.[12]
- 일반적인 구조:엔티티, 엔티티 유형, 속성 [13][14]및 관계의 네트워크.
- 추론된 온톨로지에 대한 추론 지원:지식 그래프는 정보를 취득하여 온톨로지에 통합하고 새로운 [2]지식을 도출하기 위해 추론자를 적용한다.
그러나 이러한 기능 중 일부는 관련이 없는 많은 지식 그래프 표현이 있습니다.이러한 지식 그래프의 경우 이 간단한 정의가 더 유용할 수 있습니다.
- 지식을 개념으로 표현하고 그 사이의 관계를 나타내는 디지털 구조.지식 그래프는 인간과 기계 모두 내용을 [15]이해하고 추론할 수 있는 온톨로지를 포함할 수 있습니다.
실장
위의 예 외에도, 용어이며,의 연계 오픈 데이터 구름처럼 연합의 수장들;[16]YAGO과 위키 데이터와 같은 오픈 지식 사업 상업적 검색 도구 중 야후의 시멘틱 검색 보조하게 된다고 스파크 구글 KnowledgeGraph와 마이크로 소프트의 Satori.;그리고 링크드 인과 페이스북 단체 그래프 포함한 다양한 묘사하는 데 사용되었다..[2]이 용어는 사용자가 개인 지식 그래프를 작성할 수 있도록 필기 응용 프로그램에서도 점점 더 많이 사용되고 있습니다.
데이터에 대한 추론을 위한 지식 그래프 사용
지식 그래프는 엔티티와 그 [17]관계를 기술함으로써 공식적으로 의미론을 나타낸다.지식 그래프는 온톨로지를 스키마 계층으로 사용할 수 있습니다.이를 통해 명시적 [18]지식을 요구하는 쿼리만 허용하는 것이 아니라 암묵적 지식을 검색하기 위한 논리적 추론을 허용합니다.
다양한 기계 학습 작업에서 지식 그래프를 사용할 수 있도록 하기 위해 실체와 관계의 잠재적 특징 표현을 도출하는 몇 가지 방법이 고안되었다.이러한 지식 그래프 임베딩은 단어 임베딩과 같은 특징 벡터를 필요로 하는 기계 학습 방법에 연결할 수 있도록 합니다.이는 개념적 [19]유사성에 대한 다른 추정치를 보완할 수 있다.[20] [21]
「 」를 참조해 주세요.
레퍼런스
- ^ "What is a Knowledge Graph?". 2018.
- ^ a b c Ehrlinger, Lisa; Wöß, Wolfram (2016). Towards a Definition of Knowledge Graphs (PDF). SEMANTiCS2016. Leipzig: Joint Proceedings of the Posters and Demos Track of 12th International Conference on Semantic Systems - SEMANTiCS2016 and 1st International Workshop on Semantic Change & Evolving Semantics (SuCCESS16). pp. 13–16.
- ^ Soylu, Ahmet (2020). "Enhancing Public Procurement in the European Union through Constructing and Exploiting an Integrated Knowledge Graph". Proceedings of the International Semantic Web Conference (ISWC 2020). Lecture Notes in Computer Science. 12507: 430–446. doi:10.1007/978-3-030-62466-8_27. ISBN 978-3-030-62465-1. S2CID 226229398.
- ^ 에드워드 W. 슈나이더1973. 코스 모듈화 적용:시퀀스 제어 및 데이터 분석에 대한 인터페이스 시스템과 그 영향1972년 4월 일리노이주 시카고, ADIS(Association for Development of Instructional Systems)
- ^ "US Trademark no 75589756".
- ^ a b Singhal, Amit (May 16, 2012). "Introducing the Knowledge Graph: things, not strings". Official Google Blog. Retrieved 21 March 2017.
- ^ Schwartz, Barry (December 17, 2014). "Google's Freebase To Close After Migrating To Wikidata: Knowledge Graph Impact?". Search Engine Roundtable. Retrieved December 10, 2017.
- ^ a b McCusker, James P.; McGuiness, Deborah L. "What is a Knowledge Graph?". www.authorea.com. Retrieved 21 March 2017.
- ^ "Knowledge Graph Enterprises". 2020.
- ^ "2021 IEEE International Conference on Knowledge Graph (ICKG)*". KMedu Hub. 2017-07-09. Retrieved 2021-03-22.
- ^ Hogan, Aidan; Blomqvist, Eva; Cochez, Michael; d'Amato, Claudia; de Melo, Gerard; Gutierrez, Claudio; Labra Gayo, José Emilio; Kirrane, Sabrina; Neumaier, Sebastian; Polleres, Axel; Navigli, Roberto; Ngonga Ngomo, Axel-Cyrille; Rashid, Sabbir M.; Rula, Anisa; Schmelzeisen, Lukas; Sequeda, Juan; Staab, Steffen; Zimmermann, Antoine (2021-01-24). "Knowledge Graphs". ACM Computing Surveys. 54 (4): 1–37. arXiv:2003.02320. doi:10.1145/3447772. ISSN 0360-0300. S2CID 235716181.
- ^ Paulheim, Heiko (2017). "Knowledge Graph Refinement: A Survey of Approaches and Evaluation Methods" (PDF). Semantic Web: 489–508. Retrieved 21 March 2017.
- ^ Krötsch, Markus; Weikum, Gerhard (March 2016). "Editorial of the Special Issue on Knowledge Graphs". Journal of Web Semantics. 37–38: 53–54. doi:10.1016/j.websem.2016.04.002. Retrieved 10 February 2021.
- ^ "What is a Knowledge Graph? Ontotext". Ontotext. Retrieved 2020-07-01.
- ^ "The Knowledge Graph about Knowledge Graphs". 2020.
- ^ "The Linked Open Data Cloud". lod-cloud.net. Retrieved 2020-06-30.
- ^ "How do knowledge graphs work?". Stardog. 2022-04-05. Retrieved 2022-04-05.
- ^ "What are the benefits of the Google Knowledge Panel?". GKP Maker. 2020-10-06. Retrieved 2020-10-28.
- ^ Hongwei Wang (October 2018). "RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems". ACM International Conference on Information and Knowledge Management: 417–426. arXiv:1803.03467. doi:10.1145/3269206.3271739. S2CID 3766110.
- ^ "Embedding models for knowledge graph completion". 19 July 2020.
- ^ Ristoski, Petar; Paulheim, Heiko (2016), Rdf2vec: Rdf graph embeddings for data mining, pp. 498--514, doi:10.1007/978-3-319-46523-4_30
외부 링크
- Will Douglas Heaven (4 September 2020). "This know-it-all AI learns by reading the entire web nonstop". MIT Technology Review. Retrieved 5 September 2020.
Diffbot is building the biggest-ever knowledge graph by applying image recognition and natural-language processing to billions of web pages.