Knowledge Graph on rakenteinen tietokanta, joka tallentaa tietoa entiteeteistä (ihmiset, paikat, asiat, käsitteet) ja niiden välisistä suhteista. Hakukoneet ja tekoälyjärjestelmät käyttävät knowledge graph -tietokantoja tiedon ymmärtämiseen ja yhdistämiseen.
Knowledge Graph -tietokantojen ansiosta tekoälyjärjestelmät ymmärtävät, että "Apple" voi tarkoittaa yritystä tai hedelmää asiayhteyden mukaan, voivat yhdistää toisiinsa liittyviä käsitteitä ja entiteettejä, vastata monimutkaisiin kysymyksiin, jotka vaativat suhteiden ymmärtämistä, ja antaa tarkkaa tietoa entiteeteistä.
GEO:n kannalta läsnäolo Knowledge Graphissa on tärkeää. Brändit, tuotteet ja henkilöt, jotka tunnistetaan entiteeteiksi knowledge graph -tietokannoissa, esitetään todennäköisemmin oikein tekoälyn vastauksissa.
Keskeiset tekijät
- Entity recognition
- Wikipedia presence
- Schema markup
- Consistent information
- Authority signals
Esimerkit
- Googlen Knowledge Graph yhdistää yrityksen sen tuotteisiin, perustajiin ja kilpailijoihin
- Tekoälyjärjestelmä käyttää knowledge graphia ymmärtääkseen, että "Teslan toimitusjohtaja" viittaa tiettyyn henkilöön
- Haku sanalla "iPhone" palauttaa Knowledge Graphin tietoja Applesta
Ihmisten kysymyksiä
Miten brändini näkyy Knowledge Graphissa?
Pääset Knowledge Graphiin luomalla Wikipedia- ja Wikidata-merkinnät, ottamalla käyttöön schema markupin, hankkimalla mainintoja arvovaltaisissa lähteissä, pitämällä tiedot yhdenmukaisina kaikkialla verkossa ja rakentamalla entiteetin tunnettuutta.
Miksi Knowledge Graph on tärkeä tekoälylle?
Tekoälyjärjestelmät käyttävät knowledge graph -tietokantoja entiteettien ja suhteiden ymmärtämiseen. Entiteeteiksi tunnistetut brändit esitetään todennäköisemmin oikein. Läsnäolo knowledge graphissa vahvistaa auktoriteettisignaaleja.
Voinko vaikuttaa Knowledge Graphin tietoihin?
Voit vaikuttaa Knowledge Graphin tietoihin välillisesti pitämällä tiedot oikeina virallisissa lähteissä (verkkosivusto, Wikipedia), ottamalla käyttöön schema markupin ja varmistamalla yhdenmukaisuuden kaikissa digitaalisissa kanavissa.
Onko kaikilla tekoälyjärjestelmillä knowledge graph -tietokannat?
Useimmat suuret tekoälyjärjestelmät hyödyntävät jonkinlaista rakenteista tietoa, joko omia knowledge graph -tietokantoja tai olemassa olevia (kuten Wikidata). Lähestymistavat vaihtelevat, mutta periaate pysyy samana: rakenteinen tieto parantaa tekoälyn ymmärrystä.