Wissensgraphen: Was sie sind und wie sie funktionieren

Zu Recht heißt es: Daten sind das neue Öl! Ohne Daten kann es sinnlos sein, es sei denn, es webt eine Geschichte. Wissensgraphen bieten die Möglichkeit, Daten mithilfe von Wissensmanagement-Tools und -Plattformen wie InsightsHub in Erkenntnisse umzuwandeln .

Forrester geht davon aus, dass zwischen 60 und 73 % der Daten nie für analytische Zwecke verwendet werden . Diese Zahlen bedeuten im Großen und Ganzen eine gleichmäßige Datenerhebung in der Forschung. Wie können Sie das wahre Potenzial von Daten nutzen, indem Sie Knowledge Graphs als wichtiges Werkzeug in Ihrem Insights-Management-Prozess verwenden?

Was sind Wissensgraphen?

Wissensgraphen (KG) werden als Wissensbasis definiert, die ein strukturiertes Datenmodell nutzt, um reale Entitäten und ihre Beziehungen darzustellen. Sie werden verwendet, um die Verknüpfung verschiedener Entitäten zu speichern, die Objekte, Ereignisse, Situationen und Konzepte mit Daten an ihrer Basis umfassen. Alle diese miteinander verknüpften Daten sind ein grafisches Modell, das als Wissensgraphen bekannt ist.

Wissensgraphen schaffen eine Struktur, um den Kontext in Daten abzuleiten, indem sie Verknüpfungen und semantische Metadaten verwenden. Daher bieten sie einen Rahmen, um Daten zu vereinheitlichen, Analysen darauf durchzuführen und diese Daten in Form von Erkenntnissen zu teilen.

Um das Ganze abzurunden, ist KG ein dynamisches Konzept, das wenig bis gar keine manuellen Eingriffe von Menschen und Maschinen erfordert und im Gegensatz zu herkömmlichen Datenmodellen mit der Zeit neu kalibriert und umgestaltet werden kann.

​​Solche fortschrittlichen Datenverwaltungstechniken könnten Unternehmen helfen, aus dem Trott herkömmlicher Datenbanken herauszukommen und Daten mithilfe der Verarbeitung natürlicher Sprache, maschinellem Lernen und Semantik besser zu nutzen. Sie können beispielsweise von Domänenexperten von Grund auf neu erstellt, aus unstrukturierten oder halbstrukturierten Datenquellen gelernt oder aus vorhandenen Wissensgraphen zusammengesetzt werden.

In der Regel unterstützt durch eine Vielzahl halbautomatischer oder automatisierter Datenvalidierungs- und Integrationsmechanismen. Mit anderen Worten, ein Wissensgraph ist eine prozedurale Methode zur Modellierung des Wissensbereichs unter Verwendung von Domänenexperten, Datenverknüpfung und maschinellen Lernalgorithmen.

Aufgrund der agilen Art der Darstellung von Daten und der Geschwindigkeit, mit der Schlussfolgerungen und Erkenntnisse gezogen werden können, sind Wissensgraphen heute ein entscheidender Bestandteil des Marktforschungsprozesses . Sie tragen auch dazu bei, Stammeswissen zu eliminieren und eine einzige Quelle der Wahrheit zu schaffen, während sie auf früheren Daten und Erkenntnissen aufbauen.

Unterschied zwischen einer Ontologie und einem Wissensgraphen

Ontologien werden sehr häufig erwähnt, wenn es um Wissensgraphen geht, aber es gibt einen Unterschied zwischen ihnen. Obwohl sie austauschbar verwendet werden, gibt es immer noch einen Unterschied zwischen ihnen. Da beide auch Knoten und Kanten verwenden, verstärkt dies die Verwirrung zwischen dem, was eine Ontologie und was ein Wissensgraph ist.

Ontologie

Eine Ontologie ist ein starres Datenmodell, das nur die Dinge in unserem Ökosystem und die zu ihrer Beschreibung verwendeten Eigenschaften definiert. In einer Ontologie werden verallgemeinerte Modelle von Daten auf der Grundlage gemeinsamer Eigenschaften erstellt, ohne spezifische Informationen bereitzustellen.

Es gibt drei Hauptkomponenten der Ontologie:

• Klassen: Alle Einzelposten von Dingen, die in Daten vorhanden sind.
• Beziehungen: Dies stellt die Beziehung zwischen einer oder mehreren Klassen bereit
• Attribute: Sie definieren die Eigenschaften, die zur Beschreibung einer einzelnen Klasse verwendet werden.

Wissensgraph

Ein Wissensgraph verwendet die Ontologie als Rahmen, um reale Daten hinzuzufügen und den Daten Gewichtung zu verleihen. Sie können Granulatdaten hinzufügen, z. B. Informationen zur Identifizierung und Informationen, die für eine bestimmte Person oder Instanz sakrosankt sind. In diesem Fall gibt es eine absolute Darstellung von Eigenschaften, Beziehungen, Knoten und Daten.

Anhand dieser Informationen ist es möglich, spezifische Instanzen ontologischer Beziehungen innerhalb von Daten zu erstellen.

Betrachten wir ein Bibliotheksökosystem, um den Unterschied zwischen einer Ontologie und einem Wissensgraphen anhand eines Beispiels zu verdeutlichen . In einer Ontologie würde die Bibliothek aus einer tabellarischen Darstellung von Büchern, Autoren und Herausgebern als strukturierte Daten bestehen, da es Parallelen zwischen Daten gibt.

Wenn Sie jedoch einen Wissensgraphen erstellen möchten, können Sie die tabellarische Darstellung der Ontologie verwenden, um eine grafische Darstellung eines Buches, des Autors, des Herausgebers und mehr zu erstellen. Es bietet eine umfassende Ansicht der strukturierten Daten und eindeutige Identifizierungsinformationen, um eine allgemeine Ansicht der Informationen bereitzustellen.

Vereinfacht gesagt ist die Ontologie ein Rahmenwerk für einen Wissensgraphen. Um es noch weiter zu vereinfachen, eine Ontologie + Daten = Wissensgraph .

Wie Wissensgraphen funktionieren

Jetzt, da wir wissen, wie man Wissensgraphen aus der Ontologie erstellt, ist es wichtig zu wissen, dass es unmöglich ist, Schlussfolgerungen ohne strukturierte Daten zu ziehen, die markiert und indiziert sind. Die Rohdaten müssen mit den richtigen Identifizierungsinformationen, Tags, Informationsnuggets, Identifizierungsinformationen, Metadaten, Projektdetails und mehr in ein Wissensmanagement-Tool eingegeben werden.

Diese Daten müssen in einer Struktur erstellt werden, die der künstlichen Intelligenz und der Verarbeitung natürlicher Sprache (NLP) die besten Erfolgschancen bietet, um Daten zu suchen, abzurufen und zu teilen.

In Organisationen mit einer Fülle von Informationen und Daten muss ein Prozess zum Erstellen, Kennzeichnen und Verwalten von Daten gut etabliert und veröffentlicht werden, damit sich die Interessenvertreter von Forschungsdaten und die Eigentümer der Wissensdatenbank ihrer Verantwortung und der Bedeutung des Wie bewusst sind Daten verwaltet werden.

Dies eliminiert Stammeswissen, schafft eine einzige Quelle der Wahrheit und beherbergt multivariate Daten, aus denen Schlussfolgerungen gezogen, Situationen auch verglichen und schneller Entscheidungen getroffen werden können.

Wissensgraphen werden basierend auf Abfragen erstellt, die von Benutzern in einem Wissensmanagement-Tool ausgeführt werden. Dies sind vordefinierte Abfragen, aber auch lebende Graphen, die auf intelligenten Triggern basieren. Wenn eine Abfrage durchkommt, wurden Schemas identifiziert, die mit den Schlüsseln übereinstimmen, und die Daten werden nach Elementen mit diesen identifizierten Schemas durchsucht. Die Informationen werden in einem grafischen Format an die relevanten Stakeholder zurückgegeben.

Es ist schnell und agil und bietet einen hohen Mehrwert im Insights-Management-Prozess.

Beispiele für Wissensgraphen

Obwohl es sich um ein relativ neues Konzept handelt, werden Wissensgraphen immer noch von Marken und Organisationen um uns herum verwendet. Sie verwenden inhärente Daten und nutzen maschinelles Lernen und KI, um Variablen aus verschiedenen Bereichen einzugeben, um die genaueste Version der Wahrheit und die relevantesten Daten bereitzustellen.

Einige Beispiele für Wissensgraphen sind unten aufgeführt.

Google-Suchalgorithmus

Das perfekte Beispiel für einen Wissensgraphen ist die Google-Suche oder jede andere Suchmaschine. Eine Frage wie „Wie viele Streichhölzer passen in einen olympischen Pool“ wäre unmöglich zu beantworten. Der Google-Suchindex kann die Abfrage jedoch mit mehreren Datenquellen korrelieren und auf der Grundlage relationaler Daten zu einer Schlussfolgerung gelangen, um einen numerischen Wert bereitzustellen.

Ein globaler Einzelhandelsriese, der Knowledge Graphs für die Lieferketten- und Bestandsverwaltung verwendet

Woher wissen globale Einzelhandelsgiganten, dass sie bestimmte Produkte, Rabatte und mehr wollen und brauchen? Durch die Verwendung multivariater historischer Daten und Informationsnuggets aus vergangenen Kauftrends, Einkaufs- und Käuferverhalten, fortlaufender Längsschnittforschung, kontinuierlicher Entdeckung aus verschiedenen demografischen Quellen usw.

Es ist möglich, Nachfrage und Angebot zu messen und Marketingstrategien, Ausgaben, Lieferkettenmanagement und mehr anzupassen, um die bestmögliche Benutzererfahrung zu bieten, indem man die Prinzipien der Atomforschung anwendet und sich auf Wissensmanagement-Tools stützt.

Netflix-Empfehlungen, was Sie sich als Nächstes ansehen sollten!

Wie oft fragen Sie sich, was Sie sich als nächstes auf Netflix ansehen sollen? Netflix verwendet eine intelligente Engine, um Inhalte basierend auf früheren Sehgewohnheiten, Bewertungen von Inhalten, Zeit, die mit dem Ansehen von Inhalten verbracht wurde, und mehr anzupassen, was ihnen hilft, Wissensdiagramme nicht nur auf intelligenter Mikroskala pro Benutzer abzuleiten, sondern auch auf Makroskala basierend auf demographische Information.

Aber Sie haben auch Empfehlungen zur Auswahl. Diese Empfehlungen funktionieren oft für Sie, und Sie finden etwas, das Sie gerne sehen möchten.

Wissensgraphen zu einem integralen Bestandteil des Insights-Managements machen

Wissensgraphen werden zu einem integralen Bestandteil von Forschung und Forschungsteams, da sie modellhafte Informationen aus der realen Welt bereitstellen, KI und maschinelles Lernen verwenden, um logisches Denken in kurzer Zeit durchzuführen, strukturierte Daten bereitzustellen und Redundanzen zu reduzieren. Solche Diagramme helfen auch bei der Analyse und sind eine bessere Möglichkeit, Informationen zu speichern und zu verwalten.

Organisationen auf der ganzen Welt nutzen Wissensmanagementsysteme und -tools wie InsightsHub , um Daten besser zu verwalten, die Zeit bis zur Gewinnung von Erkenntnissen zu verkürzen und die Effizienz früherer Daten zu steigern und gleichzeitig die Kosten zu senken und den ROI zu steigern.

Die Einbindung eines Wissensgraphen in Ihren Forschungsprozess für das Insights-Management ist entscheidend, um der Zeit voraus zu sein und die Daten zum Schwergewicht zu machen.

Eine Demo anfordern