地下鉄の路線図や人物の相関図

ナレッジグラフは、実世界のエンティティ（オブジェクト、イベント、状況、概念など）のネットワークを表し、それらの関係を図示する。

Linked Dataから派生した概念。

この情報は通常グラフ・データベースに保存され、グラフ構造として視覚化される。

ナレッジグラフは、ノード、エッジ、ラベルという3つの主な要素で構成される。

どのようなオブジェクト、場所、人でもノードになることができる。

エッジはノード間の関係を定義する

Github: https://github.com/rahulnyk/knowledge_graph

ナレッジグラフ = オントロジー + インスタンス

ナレッジグラフのデータモデルとして特に<subject, predicate, object>の三つ組でエンティティの関係性を表現するRDFを扱う。

DBpedia

以下のリンクにたくさん載ってる

残念ながら、テーブルやベクトルのような一般的に使用されるスキームは、複雑な推論において限界がある。

それらの原子的 (Atomic)で孤立した性質は、関係性や意味論を理解するためのは限定的な手法。

対照的に、ナレッジグラフは、ラベル付きのノードとエッジを通じて接続を明示的にすることが強み。

これにより、豊かな階層、抽象化、および多段階推論をエンコードすることが可能になる。

論理ルールとベクトルの洞察と組み合わせることで、グラフは精度の高い推論を可能にする。

ナレッジグラフは、LLMのRAG機能を強化できる。

グラフが企業SQLデータベースにおける大規模言語モデルの質問応答精度に与える影響を理解するためのベンチマーク