Grafo de conocimiento

En la representación y el razonamiento del conocimiento , un grafo de conocimiento es una base de conocimiento que utiliza un modelo de datos o topología estructurada en grafos para representar y operar con datos . Los grafos de conocimiento se utilizan a menudo para almacenar descripciones interconectadas de entidades ( objetos, eventos, situaciones o conceptos abstractos ), codificando al mismo tiempo la semántica o las relaciones de forma libre subyacentes a estas entidades. ^{[ 1 ] [ 2 ]}  

Desde el desarrollo de la Web Semántica , los grafos de conocimiento se han asociado a menudo con proyectos de datos abiertos enlazados , centrándose en las conexiones entre conceptos y entidades. ^{[ 3 ] [ 4 ]} Históricamente también se asocian y utilizan con motores de búsqueda como Google , Bing y Yahoo ; motores de conocimiento y servicios de respuesta a preguntas como WolframAlpha , Siri de Apple y Amazon Alexa ; y redes sociales como LinkedIn y Facebook .

Los recientes avances en ciencia de datos y aprendizaje automático , en particular en redes neuronales gráficas , aprendizaje de representaciones y aprendizaje automático, han ampliado el alcance de los grafos de conocimiento más allá de su uso tradicional en motores de búsqueda y sistemas de recomendación . Se utilizan cada vez más en la investigación científica, con aplicaciones notables en campos como la genómica , la proteómica y la biología de sistemas . ^{[ 5 ]}

El término fue acuñado ya en 1972 por el lingüista austriaco Edgar W. Schneider , en una discusión sobre cómo construir sistemas de instrucción modulares para cursos. ^{[ 6 ]} A finales de la década de 1980, la Universidad de Groningen y la Universidad de Twente iniciaron conjuntamente un proyecto llamado Knowledge Graphs, centrado en el diseño de redes semánticas con aristas restringidas a un conjunto limitado de relaciones, para facilitar las álgebras en el grafo . ^{[ 7 ]} En las décadas siguientes, la distinción entre redes semánticas y grafos de conocimiento se desdibujó.

Algunos de los primeros grafos de conocimiento eran específicos de un tema. En 1985, se fundó Wordnet , que capturaba las relaciones semánticas entre palabras y significados , una aplicación de esta idea al lenguaje mismo. En 2005, Marc Wirk fundó Geonames para capturar las relaciones entre diferentes nombres geográficos y localidades, así como las entidades asociadas. En 1998, Andrew Edmonds, de Science in Finance Ltd en el Reino Unido, creó un sistema llamado ThinkBase que ofrecía razonamiento basado en lógica difusa en un contexto gráfico. ^{[ 8 ]} 

En 2007, tanto DBpedia como Freebase se fundaron como repositorios de conocimiento basados ​​en grafos para conocimiento de propósito general. ^{[ 9 ]} DBpedia se centró exclusivamente en datos extraídos de Wikipedia , mientras que Freebase también incluyó una variedad de conjuntos de datos públicos. Ninguno de los dos se describió a sí mismo como un "grafo de conocimiento", pero desarrollaron y describieron conceptos relacionados.

En 2012, Google presentó su Knowledge Graph , ^{[ 10 ]} basado en DBpedia y Freebase, entre otras fuentes. Posteriormente, incorporaron RDFa , Microdata y contenido JSON-LD extraído de páginas web indexadas, incluyendo el CIA World Factbook , Wikidata y Wikipedia. ^{[ 10 ] [ 11 ]} Los tipos de entidades y relaciones asociados con este grafo de conocimiento se han organizado aún más utilizando términos del vocabulario schema.org . ^{[ 12 ]} El Google Knowledge Graph se convirtió en un complemento de la búsqueda basada en cadenas dentro de Google, y su popularidad en línea hizo que el término se utilizara con mayor frecuencia. ^{[ 12 ]}

Desde entonces, varias grandes multinacionales han publicitado el uso de grafos de conocimiento, popularizando aún más el término. Entre ellas se incluyen Facebook , LinkedIn , Airbnb , Microsoft , Amazon , Uber y eBay . ^{[ 13 ]}

En 2019, IEEE combinó sus conferencias internacionales anuales sobre "Big Knowledge" y "Data Mining and Intelligent Computing" en la Conferencia Internacional sobre Grafos de Conocimiento. ^{[ 14 ]}

El desarrollo de grandes modelos de lenguaje amplió el interés en los grafos de conocimiento como una forma de estructurar información a partir de texto no estructurado, y los avances en el procesamiento del lenguaje permitieron su generación y expansión automáticas o semiautomáticas. ^{[ 15 ] [ 16 ] [ 17 ]} El término grafo de conocimiento se ha ampliado desde entonces para incluir las estructuras de grafos adaptativas y construidas dinámicamente, que apoyan la recuperación, el razonamiento y el resumen en sistemas generativos. GraphRAG (2024) de Microsoft Research ejemplificó este desarrollo al integrar grafos generados por LLM en la generación aumentada de recuperación.

No existe una única definición comúnmente aceptada de grafo de conocimiento. La mayoría de las definiciones ven el tema desde la perspectiva de la Web Semántica e incluyen estas características: ^{[ 18 ]}

• Relaciones flexibles entre el conocimiento en dominios temáticos : Un grafo de conocimiento (i) define clases abstractas y relaciones de entidades en un esquema, (ii) describe principalmente entidades del mundo real y sus interrelaciones, organizadas en un grafo, (iii) permite interrelacionar potencialmente entidades arbitrarias entre sí, y (iv) abarca varios dominios temáticos. ^{[ 19 ]}
• Estructura general : Una red de entidades, sus tipos semánticos, propiedades y relaciones. ^{[ 20 ] [ 21 ]} Para representar propiedades, se suelen utilizar valores categóricos o numéricos.
• Apoyo al razonamiento sobre ontologías inferidas : Un grafo de conocimiento adquiere e integra información en una ontología y aplica un razonador para derivar nuevo conocimiento. ^{[ 3 ]}

Sin embargo, existen muchas representaciones de grafos de conocimiento para las cuales algunas de estas características no son relevantes. Para esos grafos de conocimiento, esta definición más simple puede ser más útil:

• Una estructura digital que representa el conocimiento como conceptos y las relaciones entre ellos (hechos). Un grafo de conocimiento puede incluir una ontología que permite tanto a humanos como a máquinas comprender y razonar sobre su contenido. ^{[ 22 ] [ 23 ]}

Un grafo de conocimiento representa formalmente la semántica al describir entidades y sus relaciones. ^{[ 31 ]} Los grafos de conocimiento pueden utilizar ontologías como capa de esquema. Al hacerlo, permiten la inferencia lógica para recuperar conocimiento implícito en lugar de solo permitir consultas que soliciten conocimiento explícito. ^{[ 32 ]}

Para permitir el uso de grafos de conocimiento en diversas tareas de aprendizaje automático, se han ideado varios métodos para derivar representaciones de características latentes de entidades y relaciones. ^{[ 33 ]} Estas incrustaciones de grafos de conocimiento permiten conectarlas con métodos de aprendizaje automático que requieren vectores de características como las incrustaciones de palabras . Esto puede complementar otras estimaciones de similitud conceptual. ^{[ 34 ] [ 35 ]}

Los modelos para generar incrustaciones útiles de grafos de conocimiento suelen pertenecer al ámbito de las redes neuronales gráficas (GNN). ^{[ 36 ]} Las GNN son arquitecturas de aprendizaje profundo que comprenden aristas y nodos, los cuales se corresponden bien con las entidades y relaciones de los grafos de conocimiento. La topología y las estructuras de datos que ofrecen las GNN proporcionan un dominio conveniente para el aprendizaje semisupervisado, en el que la red se entrena para predecir el valor de una incrustación de nodo (dado un grupo de nodos adyacentes y sus aristas) o de una arista (dado un par de nodos). Estas tareas sirven como abstracciones fundamentales para tareas más complejas, como el razonamiento y la alineación de grafos de conocimiento. ^{[ 37 ]}

Alineación de entidades

A medida que se generan nuevos grafos de conocimiento en diversos campos y contextos, una misma entidad inevitablemente estará representada en múltiples grafos. Sin embargo, dado que no existe un estándar único para la construcción o representación de grafos de conocimiento, determinar qué entidades de grafos dispares corresponden al mismo sujeto del mundo real es una tarea compleja. Esta tarea se conoce como alineación de entidades de grafos de conocimiento y constituye un área de investigación activa. ^{[ 38 ]}

Las estrategias para la alineación de entidades generalmente buscan identificar subestructuras similares, relaciones semánticas, atributos compartidos o combinaciones de los tres entre dos grafos de conocimiento distintos. ^{[ 39 ]} Los métodos de alineación de entidades utilizan estas similitudes estructurales entre grafos generalmente no isomorfos para predecir qué nodos corresponden a la misma entidad. ^{[ 40 ]}

En 2023, los investigadores lograron el éxito al utilizar grandes modelos de lenguaje (LLM) en la tarea de alineación de entidades. ^{[ 41 ]} Esto se debió en particular a su eficacia para producir incrustaciones sintácticamente significativas. ^{[ 42 ]}

A medida que aumenta la cantidad de datos almacenados en los grafos de conocimiento, el desarrollo de métodos fiables para la alineación de entidades en dichos grafos se convierte en un paso cada vez más crucial para la integración y la cohesión de los datos de los grafos de conocimiento.

• Mapa conceptual : diagrama que muestra las relaciones entre conceptos. 
• Semántica formal (lenguaje natural) – Estudio formal del significado lingüístico 
• Base de datos de grafos : base de datos que utiliza estructuras de grafos para realizar consultas. 
• Base de conocimientos : repositorio de información con múltiples aplicaciones. 
• Incrustación de grafos de conocimiento : reducción de dimensionalidad de objetos de datos semánticos basados ​​en grafos [tarea de aprendizaje automático] 
• Grafo lógico : tipo de notación diagramática para la lógica proposicional. Páginas que muestran descripciones breves de los destinos de redireccionamiento. 
• Integración semántica : interrelacionar información de diversas fuentes. 
• Tecnología semántica : tecnología para ayudar a las máquinas a comprender los datos. 
• Mapa temático – Sistema de organización del conocimiento 
• Vadalog – Tipo de sistema de gestión de grafos de conocimiento 
• Wikibase - Extensiones de software de Mediawiki para la creación de bases de conocimiento
• Wikidata - Proyecto de base de datos de conocimiento libre
• YAGO (base de datos) – Repositorio de información de código abierto 

• Will Douglas Heaven (4 de septiembre de 2020). "Esta IA sabelotodo aprende leyendo toda la web sin parar" . MIT Technology Review . Consultado el 5 de septiembre de 2020. Diffbot está creando el grafo de conocimiento más grande de la historia aplicando reconocimiento de imágenes y procesamiento del lenguaje natural a miles de millones de páginas web.