Czym są ontologie i grafy wiedzy
Ontologia definiuje pojęcia w danej dziedzinie oraz łączące je relacje i ograniczenia. Graf wiedzy stosuje ten model do konkretnych obiektów i faktów, tworząc strukturę, po której oprogramowanie może nawigować, którą może weryfikować i nad którą może wnioskować.
Kiedy są potrzebne
Są przydatne, gdy zespoły używają różnej terminologii, relacje niosą istotne znaczenie lub decyzja wymaga czegoś więcej niż podobieństwa tekstu. Dotyczy to między innymi taksonomii produktów, reguł kwalifikacji, wiedzy organizacyjnej, sieci badawczych i złożonych domen dokumentowych.
Czym różnią się od sąsiednich rozwiązań
Baza wektorowa znajduje treści podobne znaczeniowo, ale nie musi rozumieć znaczenia relacji. Warstwa semantyczna porządkuje dane biznesowe i miary. Ontologia może wspierać oba rozwiązania, natomiast graf wiedzy jest właściwy, gdy powiązane obiekty i jawne reguły są centralne dla zastosowania.
Jak je buduję
Zaczynam od pytań, na które model ma odpowiadać. Następnie definiuję minimalny słownik, identyfikatory, relacje, pochodzenie danych i reguły walidacji. Graf łączę z wyszukiwaniem lub procesami operacyjnymi dopiero wtedy, gdy jasne są odpowiedzialność i sposób aktualizacji.
Najczęstsze błędy
Głównym błędem jest modelowanie całej organizacji przed udowodnieniem wartości jednego zapytania lub jednej decyzji. Inne problemy to zduplikowane tożsamości, niejasne pochodzenie faktów, niekontrolowany rozrost słownika oraz graf bogaty technicznie, lecz odłączony od produktu.