저자에 대해 자세히 알아 보려면 클릭하십시오. 매트 태너.
지식 그래프는 새로운 것은 아니지만 사람들과 회사가 얼마나 다재다능한 지 깨닫는 최신의 가장 큰 트렌드입니다. 전자 상거래 비즈니스에서 고객에게 더 나은 제품 추천 및 대상 쿠폰을 제공해야하거나 결제 처리자가 방대한 실시간 데이터 세트에서 사기 감지를 제공해야하는지 여부에 관계없이 지식 그래프는 성공의 기본이 될 수 있습니다.
지식 그래프가 이미 당신의 삶을 어떻게 형성하고 있으며 어떻게 할 수 있는지에 대해 자세히 알아보십시오. 당신의 사업을 변화 시키십시오.
지식 정보 란 무엇이며 어떻게 사용됩니까?
지식 그래프는 엔티티 간의 데이터와 서로 간의 관계를 구성합니다. 그것은 우리가 그 본질과 내재적 관계를 포착 할 수있게 해주는 기계 판독 가능한 데이터 조직입니다. 지식 그래프에서 연결된 데이터를 사용할 수있게되면 사람, 소프트웨어 또는 인공 지능 (AI).
지식 그래프에 대해 생각할 때 우리가 설명하는 대부분의 내용은 인간이 인식하기 쉽지만 컴퓨터가 이해하기는 더 어렵다는 것을 이해하는 것이 중요합니다. 따라서 질문이나 문구의 맥락은 사람들에게 분명 할 수 있지만 기계는 핵심 의미를 파악하기 위해 지식 그래프가 필요합니다. 데이터 내의 관계를 추론하기 위해 분석 할 수있는 대규모 데이터 세트는 기계가 핵심 의미를 추출 할 수있는 가장 좋은 방법입니다.
Google은 지식 그래프를 구축 한 최초의 빅 데이터 회사 중 하나였습니다. 거의 10 년 전, 검색 경험 향상을 목표로했습니다. Google 팀은 어떤 용어가 함께 사용되는지 검색 알고리즘을 가르쳐야했습니다. 예를 들어 'Michael B Jordan 영화'를 검색하면 제목에 'Michael'또는 출연진에 'Michael Jordan'이라는 단어가 포함 된 영화가 아니라 Michael B. Jordan이 출연 한 영화를 검색 할 가능성이 가장 높습니다. 여기에 "Space Jam"!
Google의 지식 그래프는 검색 할 때마다 표시되는 매우 유용한 답변 상자를 제공하는 기능의 기반이었습니다. Siri 또는 Alexa에게 "오늘 날씨는 어때?"라고 물었다면 또는 Netflix에서 빙빙하는 동안 쇼의 캐스트를 검색하면 지식 그래프가 이러한 검색 결과를 가능하게했습니다.
또한 즉시 드러나지 않을 수있는 데이터 측면 간의 연결을 식별하는 데 도움이됩니다. 예를 들어, Uber는 먹는다. 추천하기 시작했지만 요리 나 의도에 대한 명확한 이해가 없었습니다. 초밥을 검색하면라면을 사게 될지도 모릅니다. 태국 음식을 검색 할 수 있지만 한식 바베큐를 사게됩니다.
지식 그래프를 사용하여 Uber Eats 팀은 일반적으로 관련된 요리 입맛뿐만 아니라 고객의 취향을 매핑 할 수 있습니다. 이를 통해 더 나은 추천을 제공하여 더 많은 주문을 유도 할 수 있습니다.
지식 정보가 필요한가요?
일부 기술자들은 모든 회사에는 지식 그래프가 필요합니다., 이것은 과대 평가 일 수 있습니다. 모든 비즈니스가 지식 그래프의 상호 연결된 특성에서 큰 이점을 얻을 수있는 데이터를 가지고있는 것은 아닙니다. 사람들의 이름, 배송지 주소, 주문 번호가있는 테이블 만 있으면됩니다. 관계형 데이터베이스 충분할 것입니다. 그러나 이러한 세부 정보를 사용하여 주문 내역, 위치 또는 관련 지역 기상 조건을 기반으로 고객에게 개선 된 제품 추천을 제공하려면 이러한 통찰력을 강화하기 위해 지식 그래프가 필요합니다. SQL 데이터베이스는 데이터가 구성되고 연결되는 방식의 특성으로 인해 지식 그래프를 지원할 수 없습니다.
기본적으로 데이터는 점점 더 연결되고 사람들은 진정으로 개인화 된 경험을 기대합니다. 데이터 사일로를 통합하면 이러한 관계가 비즈니스에 어떤 영향을 미치는지 더 깊이 이해할 수 있습니다. 엔터프라이즈 지식 그래프는 회사가 앉아있는 데이터를 가져 와서 의미와 가치를 찾는 데 사용합니다.
다음과 같은 경우 지식 그래프가 필요하다는 것을 알 수 있습니다.
- 사일로 화 된 데이터는 비즈니스에 대한 전체적인 이해를 방해합니다.
- 데이터 및 복잡한 쿼리에 대한 더 빠른 또는 실시간 액세스가 필요합니다.
- 고객, 프로세스 또는 연결에 대한 더 깊은 이해는 비즈니스의 기본입니다.
지식 정보에서 무엇을 찾아야합니까?
지식 그래프에는 그래프 데이터베이스가 필요합니다. 둘 다 이름에 그래프가 있기 때문일뿐만 아니라 데이터의 상호 연결성이 풍부하기 때문입니다. 그래프 데이터베이스를 사용하면 각 정보에 대한 엔터티 데이터뿐 아니라 연결되는 다른 엔터티와 이들 간의 관계 특성도 저장할 수 있습니다. 역 참조, 일대 다 또는 다 대다 관계에 관계없이 그래프 데이터베이스는 지식 그래프 엔진 및 인프라의 성공에 필수적입니다. 그래프 데이터베이스는 가능한 가장 효율적인 방법으로 매우 복잡한 관계를 지원합니다. 이를 통해 데이터 및 관련 관계를 쉽게 저장할 수 있으며 해당 데이터에 대한 쿼리에서 신속하게 결과를 반환 할 수 있습니다.
그렇다면 지식 그래프를 강화할 수있는 그래프 데이터베이스를 어떻게 찾습니까? 지식 그래프에 가장 적합한 그래프 데이터베이스를 찾을 때 염두에 두어야 할 사항에 대해 자세히 설명하지는 않겠지 만, 회사에 영향을 미치는 몇 가지 사항은 다음 범주에 속합니다.
- 사용하기 편한 : 복잡하고 투박한 시스템은 작업하는 데 추가 시간과 비용이 소요될 수 있습니다. 최소한의 학습 곡선으로 사용하기 쉬운 그래프 데이터베이스를 사용하십시오.
- 속도 : 실시간 인텔리전스가 필요한 경우 데이터베이스가 엄청나게 빠른지 확인하고 지금 필요한 인사이트를 얻기 위해 하루 종일 기다리지 않도록해야합니다.
- 성능 : 귀중한 엔지니어링 리소스가 다른 주요 프로젝트를 보는 대신 데이터베이스를 최적화하고 싸우는 데 시간을 낭비해서는 안됩니다. 튜닝 요구 사항은 종종 간과되지만 구현 일정과 팀 성과에 상당한 영향을 미칠 수 있습니다.
다음에 좋아하는 전자 상거래 사이트에서 완벽한 제품 추천을 받거나 Spotify가 듣고 자하는 정확한 노래를 재생하면이를 가능하게 한 지식 그래프라는 것을 알게 될 것입니다. 모든 고객이 마땅히 받아야 할 것이 아닌가?
PlatoAi. Web3 재창조. 데이터 인텔리전스 증폭.
출처 : https://www.dataversity.net/putting-data-in-context-with-knowledge-graphs/
