知識グラフ

知識表現と推論において、知識グラフは、グラフ構造のデータモデルまたはトポロジーを使用してデータを表現および操作する知識ベースです。知識グラフは、オブジェクト、イベント、状況、または抽象概念などのエンティティの相互リンクされた記述を格納するためによく使用され、これらのエンティティの根底にある自由形式のセマンティクスまたは関係もエンコードします。^{[ 1 ] [ 2 ]}  

セマンティックウェブの開発以来、知識グラフは概念と実体間のつながりに焦点を当てたリンクトオープンデータプロジェクトと関連付けられることが多かった。 ^{[ 3 ] [ 4 ]}また、歴史的にGoogle、Bing、Yahooなどの検索エンジン、WolframAlpha、AppleのSiri、Amazon Alexaなどの知識エンジンや質問応答サービス、LinkedInやFacebookなどのソーシャルネットワークとも関連付けられ、利用されてきた。

データサイエンスと機械学習、特にグラフニューラルネットワーク、表現学習、機械学習における最近の発展により、知識グラフの範囲は検索エンジンやレコメンデーションシステムにおける従来の用途を超えて拡大しています。科学研究​​でますます使用されるようになり、ゲノミクス、プロテオミクス、システム生物学などの分野で注目すべき応用例があります。^{[ 5 ]}

この用語は、1972年にオーストリアの言語学者エドガー・W・シュナイダーが、コース用のモジュール式指導システムの構築方法についての議論の中で初めて用いた。^{[ 6 ]} 1980年代後半、フローニンゲン大学とトゥエンテ大学は共同で知識グラフと呼ばれるプロジェクトを開始し、グラフ上の代数を容易にするために、エッジが限られた関係のセットに制限された意味ネットワークの設計に焦点を当てた。^{[ 7 ]}その後数十年で、意味ネットワークと知識グラフの区別は曖昧になった。

初期の知識グラフの中には、特定のトピックに特化したものもあった。1985年にWordnetが設立され、単語と意味の間の意味的関係を捉えた。これは、このアイデアを言語そのものに応用したものである。2005年には、Marc WirkがGeonamesを設立し、さまざまな地理的名称や場所と関連するエンティティ間の関係を捉えた。1998年には、英国のScience in Finance LtdのAndrew Edmondsが、グラフィカルなコンテキストでファジー論理に基づく推論を提供するThinkBaseと呼ばれるシステムを作成した。^{[ 8 ]} 

2007年に、DBpediaとFreebaseはともに汎用知識のためのグラフベースの知識リポジトリとして設立されました。 ^{[ 9 ]} DBpediaはWikipediaから抽出されたデータに特化していましたが、Freebaseにはさまざまな公開データセットも含まれていました。どちらも自身を「知識グラフ」とは表現していませんでしたが、関連する概念を開発し、説明しました。

2012年、GoogleはDBpediaやFreebaseなどの情報源を基にナレッジグラフを導入しました^{[ 10 ]} 。その後、 CIAワールドファクトブック、Wikidata、Wikipediaなどのインデックス付きウェブページから抽出されたRDFa、マイクロデータ、JSON-LDコンテンツを組み込みました^{[ 10 ] [ 11 ]} 。このナレッジグラフに関連付けられたエンティティとリレーションシップのタイプは、schema.org ^{[ 12 ]}語彙の用語を使用してさらに整理されています。GoogleナレッジグラフはGoogle内の文字列ベースの検索を補完するものとなり、オンラインでの人気により、この用語はより一般的に使用されるようになりました^{[ 12 ] 。}

それ以来、いくつかの大手多国籍企業が知識グラフの利用を宣伝し、この用語をさらに普及させてきました。これには、Facebook、LinkedIn、Airbnb、Microsoft、Amazon、Uber、eBayなどが含まれます。^{[ 13 ]}

2019年、IEEEは毎年開催していた「ビッグナレッジ」と「データマイニングとインテリジェントコンピューティング」に関する国際会議を統合し、知識グラフに関する国際会議を開催した。^{[ 14 ]}

大規模言語モデルの開発により、非構造化テキストから情報を構造化する方法として知識グラフへの関心が高まり、言語処理の進歩により、知識グラフの自動または半自動の生成と拡張が可能になりました。^{[ 15 ] [ 16 ] [ 17 ]}知識グラフという用語はその後、生成システムにおける検索、推論、要約をサポートする動的に構築され適応するグラフ構造を含むように拡大しました。Microsoft Research のGraphRAG (2024) は、LLM で生成されたグラフを検索拡張生成に統合することで、この発展を例示しました。

知識グラフには、一般的に受け入れられている単一の定義はありません。ほとんどの定義は、セマンティック Web の視点からこのトピックを捉え、次の特徴を含んでいます。^{[ 18 ]}

• トピック領域における知識間の柔軟な関係：知識グラフは、（i）スキーマ内の抽象的なクラスとエンティティの関係を定義し、（ii）主にグラフに整理された現実世界のエンティティとその相互関係を記述し、（iii）任意のエンティティ同士を相互に関連付けることが可能であり、（iv）さまざまなトピック領域をカバーします。^{[ 19 ]}
• 一般的な構造: エンティティ、その意味タイプ、プロパティ、および関係のネットワーク。^{[ 20 ] [ 21 ]}プロパティを表すために、カテゴリ値または数値がよく使用されます。
• 推論されたオントロジーに対する推論のサポート：知識グラフは情報を取得してオントロジーに統合し、推論エンジンを適用して新しい知識を導き出します。^{[ 3 ]}

しかしながら、これらの特徴の一部が当てはまらない知識グラフ表現も数多く存在します。そのような知識グラフについては、よりシンプルな定義の方が有用かもしれません。

• 知識を概念とそれらの間の関係（事実）として表現するデジタル構造。知識グラフには、人間と機械の両方がその内容を理解し、推論できるようにするオントロジーを含めることができる。^{[ 22 ] [ 23 ]}

知識グラフは、エンティティとその関係を記述することで意味を形式的に表現します。^{[ 31 ]}知識グラフは、スキーマ層としてオントロジーを利用する場合があります。これにより、明示的な知識を要求するクエリだけでなく、暗黙的な知識を取得するための論理推論が可能になります。 ^{[ 32 ]}

知識グラフをさまざまな機械学習タスクで使用できるようにするために、エンティティと関係の潜在的特徴表現を導出するいくつかの方法が考案されました。^{[ 33 ]}これらの知識グラフ埋め込みにより、単語埋め込みなどの特徴ベクトルを必要とする機械学習方法に接続できます。これは、概念的類似性の他の推定を補完することができます。^{[ 34 ] [ 35 ]}

有用な知識グラフ埋め込みを生成するモデルは、一般的にグラフニューラルネットワーク（GNN）の領域です。^{[ 36 ]} GNNは、エッジとノードで構成される深層学習アーキテクチャであり、知識グラフのエンティティと関係によく対応しています。GNNによって提供されるトポロジとデータ構造は、半教師あり学習に便利な領域を提供します。この領域では、ネットワークは、ノード埋め込み（隣接するノードのグループとそのエッジが与えられた場合）またはエッジ（ノードのペアが与えられた場合）の値を予測するようにトレーニングされます。これらのタスクは、知識グラフの推論やアライメントなどのより複雑なタスクの基本的な抽象化として機能します。^{[ 37 ]}

エンティティのアライメント

さまざまな分野やコンテキストで新しい知識グラフが生成されるにつれて、同じエンティティが複数のグラフで表現されることは避けられません。しかし、知識グラフの構築や表現に関する単一の標準が存在しないため、異なるグラフのどのエンティティが同じ現実世界の主題に対応しているかを解決することは容易ではありません。このタスクは知識グラフエンティティアライメントとして知られており、活発な研究分野となっています。^{[ 38 ]}

エンティティアライメントの戦略は一般的に、2つの異なる知識グラフ間で類似したサブ構造、意味的関係、共有属性、またはこれら3つの組み合わせを特定しようとします。^{[ 39 ]}エンティティアライメント手法は、一般的に同型ではないグラフ間のこれらの構造的類似性を使用して、どのノードが同じエンティティに対応するかを予測します。^{[ 40 ]}

2023年、研究者たちは、エンティティアライメントのタスクで大規模言語モデル（LLM）を使用することに成功しました。^{[ 41 ]}これは特に、構文的に意味のある埋め込みを生成する効果によるものです。^{[ 42 ]}

知識グラフに格納されるデータ量が増加するにつれて、知識グラフエンティティのアライメントのための信頼性の高い方法を開発することは、知識グラフデータの統合と一貫性を確保する上でますます重要なステップとなる。

• 概念マップ– 概念間の関係を示す図 
• 形式意味論（自然言語）– 言語の意味を形式的に研究する学問 
• グラフデータベース– クエリにグラフ構造を使用するデータベース 
• 知識ベース– 複数のアプリケーションに対応した情報リポジトリ 
• 知識グラフ埋め込み– グラフベースのセマンティックデータオブジェクトの次元削減 [機械学習タスク] 
• 論理グラフ– 命題論理の図式表記法の一種リダイレクト先の簡単な説明を表示するページ 
• 意味統合– 多様な情報源からの情報を相互に関連付ける 
• セマンティックテクノロジー– 機械がデータを理解するのを助けるテクノロジー 
• トピックマップ– 知識組織化システム 
• Vadalog – 知識グラフ管理システムの一種 
• Wikibase - 知識ベース作成のためのMediaWikiソフトウェア拡張機能
• Wikidata - 無料の知識データベースプロジェクト
• YAGO（データベース）– オープンソースの情報リポジトリ 

• Will Douglas Heaven (2020年9月4日) 「この何でも知っているAIは、ウェブ全体をノンストップで読み込んで学習する」 MIT Technology Review 。 2020年9月5日取得。Diffbotは、数十億のウェブページに画像認識と自然言語処理を適用することで、史上最大の知識グラフを構築している。