Intro Grafos de Conocimiento KG
KG Knowledge Graph
Fuente (y traducido del inglés): Knowledge Graphs, Stanford
Para entender la organización de la estructura del conocimiento del mundo en el internet, es necesario entender los Knowledge Graphs KG (o Grafos de Conocimiento). Hoy, principalmente, porque estos grafos han empezado a resaltar en el desarrollo de Machine Learning.
Este artículo, original de Stanford, explica qué es un KG, ejemplo de aplicación y su uso en la Inteligencia Artificial.
Definición
Un Knowledge Graph KG (Grafo de Conocimiento) representa grafos etiquetados, donde estas etiquetas tienen un “significado”
Se debe identificar los siguientes elementos:
- Nodos, por ejemplo: personas, empresa, computadora, etc
- Edges (bordes), que conecta a dos pares de nodos, y captura la relación de interés entre ellos. Por ejemplo: amistad, negocio, red, etc
- Labels (etiqueta), capturan el significado de la relación, por ejemplo: la relación de amistad entre dos personas.
Una ruta (path) en un grafo G es una serie de nodos (v1, v2, …, vn) donde para cualquier i, 1 ≤ i < n, donde los bordes van de vi a vi+1.
Aplicaciones de KG en el internet
KG en internet! un ejemplo muy ilustrativo: Wikidata, que actua como el almacenamiento central de los datos estructurados de Wikipedia.
Las versiones recientes de Wikidata contienen más de 80 millones de objetos, con más de mil millones de relaciones entre esos objetos.
KG en Inteligencia Artificial
KG, conocidas como redes semánticas, han sido usadas en representación de la Inteligencia Artificial desde sus inicios.
Entre sus aplicaciones conocidas, respecto a la representación de lenguajes, se menciona a la captura de ontologías.
Una ontología es una especificación formal de la conceptualización de un dominio.
Esta ontología es muy importante en el intercambio de información y en la captura del conocimiento previo de un dominio que podría usarse para razonar y responder preguntas.
Ortogonal a la representación del conocimiento, un desafío central en la IA es el cuello de botella en la adquisición del conocimiento
KG ha sido usado para la presentación tanto en el procesamiento del lenguaje natural NLP (Natural Language Processing) como en la visión por computadora.
La extracción de entidades y de relaciones del texto son las dos tareas fundamentales en el NLP. Por ejemplo, en la siguiente imagen, hablando de Albert Einstein, Alemania, etc. se hace una representación del Knowledge Graph.
En Visión por Computadora, se busca entender la imagen, creando un modelo que puede nombrar y detectar objetos, describiendo sus atributos y sus relaciones entre ellos (como muestra la imagen).
KG como entradas en Machine Learning
Embeddings que transforman una entrada simbólica en un vector de números han surgido como una representación de elección para la entrada de modelos de Machine Learning.
Estos conceptos son explorados a detalle en el mundo de embeddings y graph embedding.
KG son una construcción fundamental en matemáticas discretas y tienen aplicaciones en todas las áreas de la informática.
Los usos más notables de los gráficos en la representación del conocimiento y las bases de datos han tomado la forma de gráficos de datos, taxonomías y ontologías.
Fuente: https://web.stanford.edu/class/cs520/2020/notes/What_is_a_Knowledge_Graph.html
