Die ist ein Gastbeitrag von Bill Slawski.
Ich habe einige Beiträge über Patente bei Google zu personalisierten Knowledge Graphen geschrieben (ein Thema, über das es sich lohnt, ernsthaft nachzudenken).
Als Google 2012 den Knowledge Graph einführte, erzählte man uns nur von einem einzigen Knowledge Graph. Es scheint jedoch nicht beabsichtigt gewesen zu sein, dass es sich bei der Idee eines Wissensgraphen um eine singuläre Idee handelt – es gibt mehr als einen Knowledge Graph.
Später kam Google mit einem Patent heraus, das uns darüber informierte, wie jede Abfrage eine Reihe von Ergebnissen liefern könnte, aus denen ein neuer Knowledge Graph erstellt werden könnte, um die ursprüngliche Abfrage zu beantworten. Diese Mini-Knowledge Graphen könnten schließlich zu einem großen Knowledge Graph kombiniert werden. Über dieses Patent (2017 angemeldet) habe ich in diesem Beitrag geschrieben:
Answering Questions Using Knowledge Graphs.
Ein weiteres Patent, über das ich geschrieben habe, war eines über benutzerspezifische Wissensgraphen: User-Specific Knowledge Graphs to Support Queries and Predictions zur Unterstützung von Fragen und Vorhersagen. Dieses Patent wurde im November 2013 angemeldet und wurde damals geschaffen. Dabei handelt es sich um personalisierte Wissensgraphen auf der Grundlage von Informationen aus Ihrem Suchverlauf, aus Seiten, die Sie besucht haben, und aus Dokumenten wie E-Mails und Beiträgen in sozialen Netzwerken, die Sie verfasst und erhalten haben. Dieses Patent besagt, dass diese personalisierten Knowledge Graphen zusammengefügt werden können, um einen universellen Knowledge Graph zu erstellen (wobei nicht-benutzerspezifische Wissensgraphen und benutzerspezifische Wissensgraphen kombiniert werden).
Ich habe auch darüber geschrieben, wie Google personalisierte Entitäts-Repositorys erstellen könnte, die die Leute auf ihren mobilen Geräten mit sich herumtragen könnten: A Personalized Entity Repository in the Knowledge Graph. Das Interessante daran ist, dass dadurch eine Wissensdatenbank mit Informationen auf dem jeweiligen Endgerät, z.B. einem Mobiltelefon oder einem Tablet, enthalten ist, was bedeutet, dass die Antwort nicht von einem Server externen kommen muss, sondern aus einem Wissensgraphen stammen kann, der auf dieser personalisierten Wissensdatenbank aufbaut, und zwar aus einem Entity-Repository, das aus einem Machine-Learning-Ansatz auf der Grundlage der Suchhistorie und der Dokumente (E-Mails, Dokumente, Beiträge in sozialen Netzwerken), auf die zugegriffen wurde, erstellt wird.
Ein Google-Whitepaper, das für die International Conference on Theory of Information Retrieval (ICTIR) 2019, 2.-5. Oktober 2019, erstellt wurde – Personal Knowledge Graphs: A Research Agenda von Krisztian Balog and Tom Kenter greift viele der Ideen hinter dem Patent für nutzerspezifische Wissensgraphen (ursprünglich 2013 angemeldet) auf.
Die Zusammenfassung verrät es uns:
Knowledge graphs, organizing structured information about entities, and their attributes and relationships, are ubiquitous today. Entities, in this context, are usually taken to be anyone or anything considered to be globally important. This, however, rules out many entities people interact with on a daily basis.
In this position paper, we present the concept of personal knowledge graphs: resources of structured information about entities personally related to its user, including the ones that might not be globally important. We discuss key aspects that separate them for general knowledge graphs, identify the main challenges involved in constructing and using them, and define our search agenda.
Das Papier informiert uns über den Zweck von Wissensgraphen:
Obvious use cases include enabling rich knowledge panels and direct answers in search result pages, powering smart assistants, supporting data exploration and visualization (tables and graphs), and facilitating media monitoring and reputation management
Dies sind wichtige und wesentliche Aspekte der heutigen Arbeitsweise von Suchmaschinen wie Google. Was dieses Papier interessant macht, ist die Tatsache, dass es uns über Wissensgrafiken berichtet, die diese Dinge tun und auf die Arbeit mit Einzelpersonen zugeschnitten sind. Wie uns die Autoren sagen:
In this position paper, we present the concept of a personal knowledge graph (PKG)—a resource of structured information about entities personally related to its user, their attributes, and the relations between them.
Dieses Papier ist ein guter Blick auf die Richtung, in die sich Knowledge Graphen entwickeln, und es lohnt sich, Zeit darauf zu verwenden. Dies könnte sehr interessant sein, wenn es um etwas wie persönliche Assistenten geht z.B. bei der Reservierung eines Restaurants oder der Buchung eines Fluges, oder bei der Hilfe bei der Unterhaltung für zu Hause, z.B. bei Filmen oder Musik oder Nachrichten.
Das Papier schlägt einige Forschungsarbeiten vor, die in Zukunft zu personalisierten Wissensgrafiken durchgeführt werden könnten, und stellt eine Reihe von Ideen vor, wie diese Konzepte in die Praxis umgesetzt werden können.
Krisztian Balog war über ein Jahr lang Gaststipendiat bei Google und Professor für Informatik, als er die obige Arbeit schrieb. Er hat auf der Springer-Website ein (kostenloses) Buch über Entity Oriented Search, das sehr zu empfehlen ist. Es fängt sehr gut vieles von dem ein, was ich bei Google in Bezug auf Entitäten gesehen habe.
Dies ist ein übersetzter Beitrag des Beitrags Where will we go with Personalized Knowledge Graphs?
- Google-Patent beschreibt ein Machine-Learning-Modell für einen durchsuchbaren Index - 6. April 2021
- E-A-T: Klassifizierung von Websites über Vektorraumanalysen nach Autorität und Expertise - 15. Dezember 2020
- Personalisierte Knowledge Graphen: Dahin kann die Reise gehen! - 24. November 2020
- Wie Google Textpassagen für Featured Snippets nach dem Kontext auswählen kann - 2. November 2020
- Wie Google Ergebnisse für ein Featured Snippet auswählen kann - 29. September 2020
Kommentare sind geschlossen.