Cos'è un grafo della conoscenza?

Un grafo della conoscenza è composto da tre componenti principali: nodi, bordi ed etichette. Qualsiasi oggetto, luogo o persona può essere un nodo. Un bordo definisce la relazione tra i nodi. Ad esempio, un nodo potrebbe essere un cliente, come IBM, e un'agenzia come Ogilvy. Un bordo potrebbe consistere nel classificare la relazione come una relazione di clientela tra IBM e Ogilvy.

A rappresenta il soggetto, B rappresenta il predicato e C rappresenta l'oggetto

Vale anche la pena notare che le definizioni di grafo della conoscenza variano e che una ricerca suggerisce che un grafo della conoscenza non sia diverso da una knowledge base o da un'ontologia. Questa ricerca sostiene invece che il termine sia stato reso popolare dal Knowledge Graph di Google nel 2012.

Anche le ontologie sono spesso citate nel contesto dei grafi della conoscenza, ma anche in questo caso c'è ancora un dibattito su come si differenzino dai grafi della conoscenza. In definitiva, le ontologie servono a creare una rappresentazione formale delle entità del grafo. Di solito si basano su una tassonomia, ma poiché possono contenere più tassonomie, mantengono una propria definizione separata. Poiché i grafi della conoscenza e le ontologie sono rappresentati in modo simile, cioè attraverso nodi e bordi, e si basano sulle triple del Resource Description Framework (RDF), tendono ad assomigliarsi nelle visualizzazioni.

Un esempio di ontologia potrebbe essere l'analisi di un luogo particolare, come il Madison Square Garden. Un'ontologia distingue tra gli eventi in quel luogo utilizzando una variabile come il tempo. Una squadra sportiva, come i New York Rangers, ha una serie di partite nell'arco di una stagione che saranno ospitate in quell'arena. Sono tutte partite di hockey e avvengono tutte nella stessa sede, tuttavia ogni evento si distingue per data e ora.

Il Web Ontology Language (OWL) è un esempio di ontologia ampiamente adottata, supportata dal World Wide Web Consortium (W3C), una comunità internazionale che sostiene gli standard aperti per la longevità di Internet. In definitiva, questa organizzazione della conoscenza è supportata da infrastrutture tecnologiche come database, API e algoritmi di machine learning che esistono per aiutare persone e servizi ad accedere ed elaborare le informazioni in modo più efficiente.

I grafi della conoscenza sono in genere costituiti da set di dati provenienti da varie fonti che spesso differiscono nella struttura. Schemi, identità e contesto lavorano insieme per fornire una struttura a dati diversi. Gli schemi forniscono il framework del grafo della conoscenza, le identità classificano i nodi sottostanti in modo appropriato e il contesto determina l'ambiente in cui esiste la conoscenza. Questi componenti aiutano a distinguere le parole con più significati. Questo permette ai prodotti, come l'algoritmo del motore di ricerca di Google, di determinare la differenza tra Apple (il marchio) e la mela (il frutto).

I grafi della conoscenza, alimentati dal machine learning, utilizzano l'elaborazione del linguaggio naturale (NLP) per costruire una visione completa di nodi, bordi ed etichette attraverso un processo chiamato arricchimento semantico. Quando i dati vengono inseriti, questo processo consente ai grafi della conoscenza di identificare i singoli oggetti e comprendere le relazioni tra oggetti diversi. Queste conoscenze operative vengono poi confrontate e integrate con altri set di dati, che sono pertinenti e di natura simile. Una volta completato, un grafo della conoscenza consente ai sistemi di risposta alle domande e ai sistemi di ricerca di recuperare e riutilizzare risposte complete a determinate query. Sebbene i prodotti rivolti ai consumatori dimostrino la loro capacità di risparmiare tempo, gli stessi sistemi possono essere applicati anche in ambito aziendale, eliminando il lavoro manuale di raccolta e integrazione dei dati per supportare il processo decisionale aziendale.

Le attività di integrazione dei dati basate su grafi della conoscenza possono anche supportare la creazione di nuove conoscenze, stabilendo connessioni tra punti dati che potrebbero non essere state effettuate prima.

Esistono numerosi grafi della conoscenza rivolti ai consumatori, i quali definiscono le aspettative degli utenti per i sistemi di ricerca in tutte le aziende. Alcuni di questi grafi della conoscenza includono:

• DBPedia e Wikidata sono due diversi grafi della conoscenza per i dati su Wikipedia.org. DBPedia è composto da dati provenienti dagli infobox di Wikipedia, mentre Wikidata si concentra su oggetti secondari e terziari. Entrambi solitamente sono pubblicati in formato RDF.
• Google Knowledge Graph è rappresentato dalle pagine dei risultati dei motori di ricerca di Google (SERP) che forniscono informazioni in base a ciò che le persone cercano. Questo grafo della conoscenza è composto da più di 500 milioni di oggetti, i cui dati provengono da Freebase, Wikipedia, CIA World Factbook e molti altri.

Tuttavia, i grafi della conoscenza hanno applicazioni anche in altri settori, tra cui:

• Retail: i grafi della conoscenza sono utilizzati per le strategie di up-selling e cross-selling, al fine di consigliare prodotti in base al comportamento di acquisto individuale e alle tendenze di acquisto più diffuse in tutti i gruppi demografici.
• Intrattenimento: i grafi della conoscenza sono utilizzati anche per i motori di raccomandazione basati sull'intelligenza artificiale (AI) per piattaforme di contenuti come Netflix, SEO o social media. Sulla base dei clic e di altri comportamenti di coinvolgimento online, queste aziende consigliano agli utenti nuovi contenuti da leggere o guardare.
• Finanza: questa tecnologia è utilizzata anche per iniziative know-your-customer (KYC) e antiriciclaggio nel settore finanziario. Aiuta nella prevenzione e nelle indagini sui reati finanziari, consentendo agli istituti bancari di comprendere il flusso di denaro tra la loro clientela e di identificare i clienti non conformi.
• Sanità: i grafi della conoscenza stanno anche aiutando il settore sanitario nell'organizzazione e classificazione delle relazioni nell'ambito della ricerca medica. Queste informazioni aiutano i medici a convalidare le diagnosi e a identificare le terapie in base alle esigenze individuali.