Wissensgraphen aufbauen

Kapitel 13. Mit deinem Knowledge Graph sprechen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im vorigen Kapitel hast du gesehen, wie NLP auf die Konstruktion von Wissensgraphen angewandt wird, um die semantische Suche über Sammlungen von Dingen (Artikel, Produkte, Dokumente usw.) zu unterstützen. Dies beruhte auf einer NLP-Aufgabe, die als Entitätsextraktion(NER) bezeichnet wird. Aber NER ist nur eine der Möglichkeiten, wie NLP mit Wissensgraphen interagieren kann, eine von drei großen Kategorien:

1. In den Fällen, in denen Wissensgraphen mit Entitäten gefüllt werden, stammen Fakten und Wissen aus der Anwendung von NLP-Techniken auf natürlichsprachliche Texte. Dazu gehört das, was du in Kapitel 12 gelernt hast, sowie die Fälle, in denen NLP zur Faktenextraktion verwendet wird, um fragende Wissensgraphen zu erstellen. Diese Kategorie ist natürliche Sprache als Input für einen Wissensgraphen.

2. In diesem Kapitel erfährst du, wie aus Wissensgraphen auch natürliche Sprache generiert werden kann. Dies kann z.B. für die Beantwortung einer Anfrage oder für die automatische Erstellung von Berichten genutzt werden. Diese Kategorie ist natürliche Sprache als Output.

3. Irgendwo dazwischen können Wissensgraphen ein Werkzeug sein, das strukturierten Kontext für NLP-Aufgaben liefert, entweder auf lexikalischer oder auf konzeptioneller Ebene (oder beides).

In Abbildung 13-1 sind die drei Kategorien dargestellt. ...