Différences entre les versions de « Graphe de connaissances »
m |
m (→Applications) |
||
| Ligne 39 : | Ligne 39 : | ||
* [https://neo4j.com/case-studies/nasa/?utm_campaign=Case+Studies&utm_content=UI&utm_medium=social&utm_source=LinkedIn&utm_tag=Knowledge+graphs%2CCustomer&utm_term=Link Getting to Mars Faster with a Knowledge Graph] <ref>https://neo4j.com/case-studies/nasa/?utm_campaign=Case+Studies&utm_content=UI&utm_medium=social&utm_source=LinkedIn&utm_tag=Knowledge+graphs%2CCustomer&utm_term=Link</ref> | * [https://neo4j.com/case-studies/nasa/?utm_campaign=Case+Studies&utm_content=UI&utm_medium=social&utm_source=LinkedIn&utm_tag=Knowledge+graphs%2CCustomer&utm_term=Link Getting to Mars Faster with a Knowledge Graph] <ref>https://neo4j.com/case-studies/nasa/?utm_campaign=Case+Studies&utm_content=UI&utm_medium=social&utm_source=LinkedIn&utm_tag=Knowledge+graphs%2CCustomer&utm_term=Link</ref> | ||
* [[:Fichier:GraphDay Paris - Crédit Agricole CIB - Détection & qualification d’événements Clientèle.pdf|Crédit Agricole CIB - Détection & qualification d’événements Clientèle]]<ref>https://www.slideshare.net/neo4j/graphday-paris-crdit-agricole-cib-dtection-qualification-dvnements-clientle?from_action=save</ref> | * [[:Fichier:GraphDay Paris - Crédit Agricole CIB - Détection & qualification d’événements Clientèle.pdf|Crédit Agricole CIB - Détection & qualification d’événements Clientèle]]<ref>https://www.slideshare.net/neo4j/graphday-paris-crdit-agricole-cib-dtection-qualification-dvnements-clientle?from_action=save</ref> | ||
* | * Une partie des présentations des conférences neo4j 2023 : https://www.slideshare.net/neo4j/clipboards/emea-graphsummit-2023-customer-presentations?mkt_tok=NzEwLVJSQy0zMzUAAAGMTtnPsMO5thkyNCbxaAIUS6oVTyk4-tc1M7PdiPhEVVa_7rPKqlmiLWEpWVtUKOpu1K0WTilaD-u7t95OyZj2V | ||
<nowiki>https://www.ibm.com/fr-fr/topics/knowledge-graph</nowiki> | <nowiki>https://www.ibm.com/fr-fr/topics/knowledge-graph</nowiki> | ||
Version du 17 novembre 2023 à 13:40
| ← Accès à l'information | ⌂ retour | Intelligence Artificielle→ |
Enjeux
- "Les knowledge graph ne sont pas une technologie nouvelle, mais les enjeux actuels en font repenser les usages pour l'aide à la décision. Les knowledge graph pourraient bien être nos cartes de navigation dans un monde submergé par les données." [1]
- « Les graphes de connaissances sont l’aboutissement de plus de deux décennies de travail, avec le potentiel de fournir des expériences utilisateur plus intelligentes et plus riches. Forbes,You need to be thinking in knowledge graph (Bryon Jacob) [1]
Définition
- "Un graphe de connaissance est une représentation de connaissances relatives à un domaine sous une forme exploitable par la machine. La représentation des connaissances sous forme d’un graphe est un élément clé pour la recherche efficace et contextuelle d’informations et connaissances riches, la prise de décision, les applications d’intelligence artificielle, les assistants vocaux… Le graphe de connaissance est formé de trois composants : une ontologie (modèle de données), des référentiels ou vocabulaires contrôlés et les ressources couvertes par la graphe." [2]
Graphe de Connaissances[2]
"Les knowledge graph sont en sorte des outils pour créer des cartes de navigation dans les données et y naviguer ensuite. Un outil seul n’est rien, toutefois, il peut servir à des intentions décisives. Entre autres ici, celle de de faciliter les échanges d’information, qu’il s’agisse de lier des informations dispersées au sein de l’entreprise ou d’interagir dans des écosystèmes d’affaires. Concrètement, ils définissent un vocabulaire contrôlé de concepts, de propriétés, de classes définies par certaines de ces propriétés et sur la base de ces déclarations explicites et formelles, on peut décrire des entités, ce qu’elles sont et leurs relations. Ensuite, on peut annoter tout élément de contenu, tout document, toute donnée numérique, par une référence à une entité définie et naviguer au-delà du seul document pour trouver d’autres informations, chez d’autres sources, grâce à des vocabulaires partagés." [1]
- Voir aussi : Towards a Definition of Knowledge Graphs. [3]
Genèse
- Dessine-moi un graphe de connaissances !
- Thinking in maps: from the Lascaux caves to modern knowledge graphs[4]
- Penser par cartes : des grottes de Lascaux aux graphes de connaissances modernes (traduction automatique via Google Traduction de [4] )
Illustrations
Base de données orientée graphe
se reporter à : Base de données orientée graphe
Technologies
Applications
- Getting to Mars Faster with a Knowledge Graph [5]
- Crédit Agricole CIB - Détection & qualification d’événements Clientèle[6]
- Une partie des présentations des conférences neo4j 2023 : https://www.slideshare.net/neo4j/clipboards/emea-graphsummit-2023-customer-presentations?mkt_tok=NzEwLVJSQy0zMzUAAAGMTtnPsMO5thkyNCbxaAIUS6oVTyk4-tc1M7PdiPhEVVa_7rPKqlmiLWEpWVtUKOpu1K0WTilaD-u7t95OyZj2V
https://www.ibm.com/fr-fr/topics/knowledge-graph
https://www.researchgate.net/publication/338992426_Un_graphe_de_connaissance_evolutif_pour_la_representation_d'ontologies_dynamiques
https://createur2site.fr/seo/fonctionnement-google/algorithmes/knowledge-graph/
https://demo.nl.diffbot.com
Références
- ↑ 1,0 1,1 1,2 et 1,3 https://www.semsimo.com/knowledge-graph/
- ↑ 2,0 et 2,1 https://www.jean-delahousse.net/graphe-de-connaissance-ontologie-vocabulaires-controles/
- ↑ Ehrlinger, Lisa & Wöß, Wolfram. (2016). Towards a Definition of Knowledge Graphs. https://www.researchgate.net/publication/323316736_Towards_a_Definition_of_Knowledge_Graphs
- ↑ 4,0 et 4,1 https://nesslabs.com/thinking-in-maps
- ↑ https://neo4j.com/case-studies/nasa/?utm_campaign=Case+Studies&utm_content=UI&utm_medium=social&utm_source=LinkedIn&utm_tag=Knowledge+graphs%2CCustomer&utm_term=Link
- ↑ https://www.slideshare.net/neo4j/graphday-paris-crdit-agricole-cib-dtection-qualification-dvnements-clientle?from_action=save
