Граф знаний · knowledge graph
Граф знаний — это структурированная модель данных, в которой сущности представлены узлами, а их связи — рёбрами, что позволяет машинам рассуждать о фактах и находить неочевидные зависимости.
Подробно
Граф знаний описывает предметную область набором триплетов вида «субъект — предикат — объект» (например, «CubAI — это_маркетплейс — IT-термины»), поверх которых строятся онтологии и правила вывода. Такое представление нужно, чтобы объединять разнородные данные из множества источников в единую семантическую сеть и отвечать на вопросы, требующие многошаговой логики. Технология применяется в поисковых системах (Google Knowledge Graph), рекомендательных системах, антифроде, биомедицине и в RAG-контурах LLM как внешняя база проверяемых фактов. Типовые технологии: RDF/OWL с языком запросов SPARQL, property graphs в Neo4j с языком Cypher, графовые СУБД и векторно-графовые гибриды.
Примеры употребления
- Запрос SPARQL: SELECT ?company WHERE { ?company :develops :CubAI . }
- Cypher: MATCH (t:Term)-[:RELATED_TO]->(o:Term) RETURN t.name, o.name LIMIT 10
- Разметка страницы schema.org/Product, из которой парсер собирает граф знаний о товарах
- В RAG-пайплайне граф знаний соединяет документы по сущностям, чтобы LLM получала связанный контекст, а не отдельные чанки