Différences entre les versions de « Graphe de connaissances »

De WIKOM

Ligne 14 : Ligne 14 :


[[Fichier:Graphe de Connaissances.png|alt=Graphe de Connaissances|centré|vignette|900x900px|Graphe de Connaissances<ref name=":0" />]]
[[Fichier:Graphe de Connaissances.png|alt=Graphe de Connaissances|centré|vignette|900x900px|Graphe de Connaissances<ref name=":0" />]]
"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."<small><ref name=":1" /></small>
[[Fichier:Knowledge Graph Principles 3 layers.png|alt=Knowledge Graph Principles 3 layers|centré|vignette|800x800px|Knowledge Graph Principles 3 layers<small><ref name=":1" /></small>]]





Version du 15 octobre 2023 à 19:02

"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." [3]

Graphe de Connaissances
Graphe de Connaissances[3]

"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]

Knowledge Graph Principles 3 layers
Knowledge Graph Principles 3 layers[1]


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


Base de données orientée graphe

Neo4J


Technologies

  • Neo4J
  • Stardog
  • Ontotext
  • OrientDB

Applications

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

Fichier:GraphDay Paris - Crédit Agricole CIB - Détection & qualification d’événements Clientèle.pdf

Références