Šta ako je vaš LLM graf? istraživači Reimagine AI Stack

Knowledge Graphs and Graph RAG Galore, New Graph Database Engines, Graph Analytics and Visualization, and Graph Foundation Models.

Ako jeste, evo dokaza # 1 za razmatranje: Globalno tržište grafova znanja predviđa se da će dostići 6,93 milijardi dolara do 2030 od 1,06 milijardi dolara u 2024. godini, rastući na CAGR od 36,6%.

Ako jeste, evo dokaza #2 koje treba uzeti u obzir: Do 50% Gartnerovih upita klijenata oko teme AI uključuje raspravu oko upotrebe grafne tehnologije.

Ako jeste, evo dokaza # 3 koje treba uzeti u obzir: proizvodi zasnovani na grafu kao što su RDFox i data.world pokreću proizvode za kućanstvo kao što su Samsung Galaxy S25 i ServiceNow, nakon njihovih odgovarajućih akvizicija.

Svi ovi dokazi ukazuju na isti smjer: graf se brzo razvija u smislu raznolikosti, dubine i gustoće, a izgledi su pozitivni, unatoč usponima i padovima.

Ali postoji dobar razlog za čitanje kroz ovaj krug graf-relaterane vijesti i uvid čak i ako ne vjerujete, ili brinu, bilo koje od gore navedenih. Čitajte dalje da biste saznali o tome kako izgraditi i vizualizaciju grafova, nove graf baze podataka motore, varijante na Graph RAG, putovnicu za graf analize, i Graph Foundation Modeli, aplikacije na skali, LLMs i grafovi.

Tablica sadržaja

• Graph tehnologija krajolik
• Grafički pregled tržišta znanja
• Izgradnja i evaluacija grafova znanja kao održive imovine
• Grafi znanja koji pokreću imena kućanstava kroz M&A
• Grafi znanja kao esencijalni sloj istine za pragmatičnu AI
• Uslovi korišćenja RAG Galore
• Novi Graph Database motori, standardizacija i performanse
• Graph Analytics i vizualizacija: Roadmap, funkcije i platforme
• Graph Foundation Modeli, aplikacije na skali, LLM i grafikonima

This issue of the Year of the Graph is brought to you by G.V(), metaphacts, Connected Data London, and Built to Last.

Ako želite biti predstavljeni u nadolazećem izdanju i podržati ovaj rad, dođite!

You already understand the power of graph technology.

G.V() helps you understand your graph.

G.V() je graf baze podataka IDE koji vam pomaže da napišete, izvršite i testirajte upite; pratite vaš model podataka; istražite i uredite vaše graf podataka na let; i prikazati svoj rad sa snažnim graf podataka vizualizacije. Kompatibilan sa 18 različitih graf tehnologija i rastući, G.V() je jednostavan za upotrebu, niske troškove, niska predanost, agnostički dobavljač, i igra dobro sa bilo koje bezbednosne arhitekture.

Try out G.V() for yourself and start querying your database in less than 5 minutes: gdotv.com

Graph tehnologija krajolik

NašiGraph tehnologija krajolik infografikaje pomogao mapiranje svet graf tehnologije od 2014. godine. Njegov cilj je da uvede ključne kategorije u svetu graf tehnologije, i ključnih igrača unutar tih kategorija.

Naravno, kao što njegovi kreatori u Linkurious priznaju, ovo je samo polazna točka, a ne potpuni popis. To ne bi moglo biti, za domen koji se tako brzo razvija kako u pogledu inovacija R & D tako i rasta tržišta.

Praćenje tehnologije graf zahtijeva stalnu pažnju i naporan rad, zbog čega se infografika i prateći izveštaj ažuriraju samo jednom svakih 5 godina.

Preuzimanje iz verzije 2024 je da sve više i više organizacija usvaja grafnu tehnologiju, jer smatraju da je to sredstvo za sve veći broj slučajeva upotrebe.Izgledi grafskih tehnologija u 2025. godiniZa Paco Nathan,Predviđanja za grafove znanja u 2025. godiniza Tony Seale, iObnavljanje još jednog graf-tehničkog krajolikaza Nicolasa Figaja.

AI you can trust, powered by semantics

Kada AI nedostaje kontekst specifičan za poduzeća, to je samo nagađanje.Do srpnja 2025. godine, metis je nova AI platforma metafaktova zasnovana na znanju koja pretvara odvojene poduzetničke podatke u pravu poslovnu vrijednost.

Uz metis, preduzeća mogu:

● Zemljišne AI odgovore u enterprise semantici za točnost i poverenje

● Dizajn i primena prilagođenih AI agenata zasnovanih na znanju opremljenih interfejsom za razgovor

● Kontrola i revizija upotrebe podataka preduzeća

● Kombinirajte alate kao što su sažetak, povezivanje entiteta i izvršenje upita – zasnovan na poslovnoj specifičnoj semantici

Osnovanjem AI u semantici, metis pruža AI koji zaista razumije vaše poslovanje, a istovremeno osigurava sigurnost, objašnjavajuću i pouzdanost.

Kontaktirajte metafaktDa naučimo više!

Izgledi tržišta znanja graf

Ključni pokretači za rastuće usvajanje graf tehnologije, kao što je utvrđenoIzveštaj o istraživanju i istraživanju tržišta 2025, su rastuća potražnja za AI / generativnim AI rešenjima, brz rast volumena i složenosti podataka, i rastuća potražnja za semantičkim pretraživanjem.

Tržište grafova znanja procjenjuje se na 1,06 milijardi dolara u 2024. godini na 6,93 milijardi dolara do 2030. godine, pri kompozitnoj godišnjoj stopi rasta (CAGR) od 36,6%. Kao što Research and Markets napominje, predviđa se da će segment Graph Database Engine imati najveću tržišnu veličinu, a segment usluga prognozira se da će zabilježiti najbržu stopu rasta tokom perioda prognoze.

Istraživanje i tržišta napominje nedostatak stručnosti i osviještenosti, kao i standardizaciju i interoperabilnost kao glavne izazove koji zaustavljaju rast na tržištu – iako se to mijenja.

Connected Data London is back!

The go-to conference for those who use the relationships, meaning, and context in Data to achieve great things.Connecting Data, People & Ideas od 2016. Connected Data London pruža zajednicu, događaje i vodstvo misli na svim stvarima Knowledge Graph, Graph Analytics, AI, Data Science, Graph Databases i Semantic Technology.

Bilo da ste inženjer, naučnik podataka, arhitekt ili donositelj odluka, ovo je vaša prilika da se povežete sa najsjajnijim umovima koji oblikuju budućnost povezanih podataka i punog programa:

Ekspertski razgovori

Networking sa inovatorima

Studije stvarnog sveta

Praktične radionice

Zajednička večera

Leonardo Royal Hotel Tower Bridge od 20. do 21. novembra 2025.

Smanjene ulaznice za ranu pticu sada dostupne na2025.connected-data.london u Londonu

Izgradnja i evaluacija grafova znanja kao trajnih sredstava

Izvješće o istraživanju i tržištima identificira “brzu proliferaciju grafova znanja” kao priliku.

Kako popularnost grafova znanja raste, složenost njihove implementacije naglašava potrebu za procjenom jesu li oni pravo rješenje za slučaj upotrebe organizacije.Kako procijeniti primjenjivost grafova znanja za vaše slučajeve upotrebe» »

Gartner je identificirao grafike znanja u srcu tehnologija kritičnog omogućavanja u svom 2024 Hype ciklusu za nove tehnologije i napomenuo da je "Dodavanje semantičke integracije podataka i grafika znanja" bio jedan od Top 10 trendova u integraciji podataka i inženjeringu za 2024.

Međutim, Gartner nalazi da čak i ako je svest o slučajevima upotrebe grafova znanja u porastu, spremnost ili kupovina poslovanja za ulaganje u takve inicijative je niska.

Majk DillingerNapomene, bogati grafovi znanja su trajna imovina - imovina koja ima dugačak vijek trajanja, pruža korisnost ili vrijednost tijekom produženog razdoblja, obično u poslovnom ili ekonomskom kontekstu.

Grafi znanja su organizacijski CapEx, i oni bi trebali biti procijenjeni kao takvi.Mjerenje njihove vrednosti trebalo bi se zasnivati na tome što omogućuju, što se kreće od upravljanja podacima do aplikacija AI.

U »Zašto Graph implementacije ne uspevaju“, Lulit Tesfaye napominje da često, organizacije imaju ograničeno razumijevanje ravnoteže troškova i koristi.Šta je potrebno za izgradnju velikog grafikona“, i Gartner diže”Kako izgraditi znanje grafove koji omogućuju AI-Driven Enterprise aplikacije» »

Jessica Talisman hime u saOntologija Pipeline za napajanje semantičkih sistema znanja, napominjući da strukturirani, skalabilni pristup semantičkom upravljanju znanjem može opravdati investicije s dobro definiranim metrikama ROI i poboljšati kvalitet podataka i upravljanje, bitno za AI uspeh.Gde početi kada želite izgraditi ontologiju.

Nema nedostatka alata za izgradnju grafova znanja. - Yassir LairgiSljedeći članak2kg, Python paket dizajniran da postepeno konstruiše dosljedne grafike znanja sa rešene entiteta i odnosa.WhyHow otvorio svoj Knowledge Graph Studioiotvaranje(Semantic-Enhanced Programable Graph) je nova generacija Enterprise Knowledge Graph (EKG) motor, bidirekcionalno unapređen od strane LLMs i znanje grafikona.

Grafovi znanja koji pokreću imena kućanstava kroz spajanja i akvizicije

Činjenica da grafovi znanja predstavljaju investiciju za organizacije koje su ozbiljne u izgradnji AI postaje sve razumljivije.ServiceNow dobija ovo i stječe data.world kako bi duboko ušao u podatke za AIKao što je Joe Hilger napomenuo, postojiKonsolidacija u industriji semantičkog softvera, pokrenut GenAI i semantičkim slojevima.

“Prema Gartnerovoj fokusnoj skupini, 4% tehnoloških lidera smatra da su njihovi podaci spremni za AI – to je prilično budno.Odvojeni izveštajda će do 2026. godine 60% projekata AI biti neuspješno jer podaci nisu spremni za AI“, rekao je Gaurav Rewari, viši potpredsjednik i generalni direktor podataka i analitičkih proizvoda u ServiceNow-u u kontekstu akvizicije data.world-a.

Postoje i drugi stručnjaci za katalog podataka, ali Rewari je rekao da je implementacija Data.world-ovog grafika znanja učinila da se dobro uklapa u ServiceNow. ServiceNow već ima podršku za grafike znanja, ali data.world donosi kolektore metapodataka i stručnost grafika znanja koja može dodatno obogatiti ServiceNow-ov grafikon.

Ranije ove godine,Samsung predstavio novu Galaxy S25 seriju sa novim AI funkcijama zasnovanima na tehnologiji Oxford Semantic TechnologiesSpinout Univerziteta Oxford 2017. od strane triju vodećih svjetskih profesora informatičkih nauka u oblasti tehnologije AI-a zasnovanog na znanju, Oxford Semantic Technologies je kupljen od strane Samsung Electronics u julu 2024. godine.

Tehnologija RDFox® kompanije jeSamsungov Personal Data Engine za stvaranje hiper-personalizovanih korisničkih iskustava koristeći grafike znanja, i bit će uključen u najnoviju Galaxy S25 seriju. suosnivačIan Horrocks bio je među govornicima na Samsungovom događaju Unpacked.

Prijavite se za Godišnji newsletter Graph

Ako uživate u ovom biltenu, pretplatite se ovde kako biste bili sigurni da se uvek nalazi u vašoj poštanskoj kutiji.

Grafovi znanja kao esencijalni sloj istine za pragmatičnu AI

Organizacije se suočavaju s kritičnim izazovom za usvajanje AI: kako iskoristiti svoje znanje specifično za domenu da koriste AI na način koji pruža pouzdane rezultate.

Ovo je preuzimanje iz dubokog razgovora nagrafovi znanja kao esencijalni sloj istine za pragmatičnu AIsa Tony Seale. To se odnosi na sve od principa znanje graf prvi aplikacije obrasci za sigurnu, provjerljiv AI, stvarno iskustvo, trendove, predviđanja, i put napred. Seale, takođe poznat kao “The Knowledge Graph Guy”, je osnivač istoimenog konzultantske firme.

Nekoliko povezanih materijala pozadine: “Koje su različite vrste grafova? najčešće zablude i razumijevanje njihovih primjena“, kao i “Šta je semantika i zašto je važna?” – oboje od strane Enterprise Knowledge, naglašavajući različite aspekte znanja graf prva načela.Grafičke informacije za dummiesi izvan njega.

Grafički opis RAG galore

Unatoč preprekama u usvajanju GenAI-a, ili upravo zbog toga, što najviše koristimo sustave zasnovane na GenAI-u kombinirajući ih s pouzdanim informacijama u kontrolisanim okruženjima, aka RAG (Retrieval Augmented Generation) dosljedno prima pažnju.

Za uvod u Graph RAG, pogledajte “Demokratizovanje podataka s Graph RAG-om: Šta je to, što može učiniti, kako ga procijeniti“To je dovelo doPovezani podaci Knowledge Graph izazovi jedanimplementacija otvorenog koda zasnovana na KuzuiVizualizacija na G.V()• AKonceptualni uvod u Graph RAGtakođe daje Jakob Pörschmann, koji zatim detaljnoImplementacija na Google Cloud stack.

U proteklih nekoliko meseci vidjeli smo MicrosoftOpen-sourcing implementacija Graph RAGPruža poboljšanja kao što suautomatsko podešavanje za brzu prilagodbu novim domenamaiDinamički izbor zajednicei oslobađanjeLazyGrafRagLazyGraphRAG je namijenjen rješavanju ključne kritike Graph RAG-a, odnosno da jeKosti za implementacijuAli postojeViše informacija o Graph RAG.

To je razlog zašto ljudi poput Irine Adamchic dolaze s alternativama za rješavanje tih problema.Trostruka fiksna entitetska arhitektura za efikasno RAG na grafikonimaOna se oslanja na iskorištavanje domena znanja u takozvanom ontološkom sloju.NLP-based varijanteto se ne oslanja na znanje o domenama, dok Elena Kohlweynavigira svetom naprednih RAG uzoraka.

Uslovi rada, za razliku od toga, je RAG varijanta koja nudi ontološki utemeljenu generaciju za povećanje pronalaženja za modele velikih jezika.Uslovi radaobećava 10x jeftinije, pametnije preuzimanje znanja.Minijaturniuvodi blizu-LLM precizne RAG za male jezike modela sa samo 25% od skladišta.Uslovi korišćenjaje okvir osmišljen za namjerno i kontekstualno usklađeno preuzimanje znanja.

Uslovi korišćenjaje graf osnova model za RAG.Uslovi korišćenjakoristi Graph Neural Retrieval za LLM razmatranje.NodeRagje varijanta Graph RAG koja koristi heterogene grafove s finim semantičkim jedinicama, entitetima, odnosima i sažetcima na visokoj razini umjesto homogenih grafova.Simfonijapretvara upite u grafičke obrasce i usklađuje ih sa kandidatnim podgrafima koristeći grafičku semantičku metru udaljenosti.

mmgrafdodiruje ne-tekstualne podatke kao što su slike i audio.putovanjaučinkovito smanjuje redundantne informacije s rezanjem na osnovu protoka, dok vodi LLM-ove da stvore logičnije i koherentnije odgovore s pozivom na osnovu puta.Uslovi korišćenjaiterativno rafinira upite, preuzima strukturirane uzročne grafikone i omogućuje višestruko uzročno obrazloženje preko međusobno povezanih izvora znanja.

AUslovi korišćenja Graph RAGformalizira GraphRAG tok posla, opisuje osnovne tehnologije i metode obuke u svakoj fazi, ispituje zadatke u daljnjem toku, domene primjene, metodologije evaluacije i slučajeve industrijske upotrebe i istražuje buduće smjernice istraživanja.

Tagovi: Paco NathanRazdvojite grafikon u GraphRAGU pitanju jeLetonijaU pitanju jeDžej YuiMože HabibBenchmark to, i Francois Vanderseypendijeli konceptualni pregled za izgradnju robustnih rešenjai azbirka grafika RAG otvorenog koda za generisanje i vizualizaciju grafika znanja.

Konačno, to može bitiHibridni RAGpristupi koji se mogu pokazati dovoljno fleksibilnim da se prilagode različitim scenarijima. Za mnoge aplikacije, kombinacija metoda preuzimanja, orkestrirana od strane pametnog usmjerivača,može pružiti najbolju ravnotežu između performansi i fleksibilnosti.

Novi graph database motori, standardizacija i performanse

Iako je Graph RAG bio blagotvoran za grafičke baze podataka dobavljača, moguće je iimplementacija Graph RAG bez grafičke baze podatakaAgregiranje grafskih baza podataka i grafova znanja u jednoj kategoriji, kao što je to učinio izveštaj o istraživanju i tržištima, možda neće biti nešto s čime će se svi složiti.

Graph baze podataka postoje već dugo vremena. kao i svi SQL antagonisti, njihoviKorisnost se ponekad dovodi u pitanjeI oni imajuUps i downs u pogledu mindshareAli općenito, oni su na trajektoriji rasta, sa slučajevima upotrebe koji se sve više razumeju, standardizacijom i obrazovnim resursima koji olakšavaju usvajanje, i važnim novim razvojem na tržištu.

U »Graph baze podataka nakon 15 godina - Gde su oni usmjereni?„, Gábor Szárnyas sažima istoriju graf baza podataka, fokusirajući se na njihove glavne kategorije i slučajeve upotrebe. On zatim raspravlja o ključnim izazovima koji i dalje sprečavaju usvajanje graf baza podataka, uključujući fragmentiran krajolik i ograničenja performansi.

On se uklapa s nedavnim pozitivnim dešavanjima: (1) Napredak u standardizaciji koji je doveo do ISO GQL i SQL/PGQ jezika, (2) poboljšanja performansi, (3) Nova generacija sistema grafičkih baza podataka otvorenog koda.Uvod i pozadina u grafičke baze podatakaSljedeći članak Joe DreyerVodič za graf baze podataka.

Pokrili smo razvoj u standardizaciji u prethodnim newsletterima. Keith Hare dijeliAktuelni status, i Alastair Green ističeNove GQL karakteristike, i kontinuirani napor da se zatvori "ontološka razlika» Iusklađivanje RDF rečnika i LPG shemaAlex Milowski također razrađuje naGQL sheme i vrste.

Graph baze podataka prodavci nastavljaju da se razvijajuGoogle je ušao na tržište grafičkih baza podataka sa Spanner Graph, AWS je napravio još jedan korak ka One Graph viziji za Neptune, a Neo4j je objavio nove funkcije samoposluživanja i GenAI.Spanner Graph sada je GAU pitanju jeNeo4j predstavio Aura Graph AnalyticsiAmazon Neptune pokreće Amazon Bedrock baze znanja sa Graph RAG-om.

Istovremeno, primjećujemo i evoluciju performansi graf baze podataka, s novim dobavljačima i motorima kao što su:Uslovi korišćenja Neo4j BifrostU pitanju jeUslovi korišćenjaU pitanju jeAerospike grafikonU pitanju jeGrafički podaciU pitanju jeSmeštajU pitanju jeKuzuiHugeGraf.

What if fitness wasn’t about following a strict routine—but about building a plan that works for YOU?

“Built To Last” nije samo još jedna knjiga o fitnesu. To je praktičan, prilagodljiv vodič dizajniran kako bi vam pomogao da stvorite održiv pristup zdravlju, pokretu i dugovječnosti. Bez obzira da li tek počinjete svoje putovanje ili fino prilagodite svoju trenutnu rutinu, ova knjiga vam daje alate za preuzimanje kontrole nad vašom fitnesom – na vašim uvjetima.

Zašto je Built To Last drugačiji: za razliku od drugih fitness knjiga koje guraju brze popravke i ekstremne režime,Izgrađen za poslednjetemelji se na stvarnoj nauci, stvarnim rezultatima i stvarnoj održivosti.

Grafska analiza i vizualizacija: putovnica, značajke i platforme

Kako bi nadolazeći sustavi za obradu grafika mogli pružiti opsežnu skalabilnost, efikasnost i svestranost upita i analitičkih funkcionalnosti kako bi zadovoljili raznolike zahtjeve realnih scenarija?Uslovi korišćenja za Graph Analytics» »

Vizualna analiza je prirodni dodatak grafnoj analitici. grupa i2 objavila je popisRazmatranja za vizualizaciju grafa znanja i analizu, naglašavajući fleksibilnost, ontologiju usklađivanja , vizualizaciju, dinamičko stilizovanje, agregiranje, grupiranje i sažetak, prilagođavanje, semantiku, de-duplikovanje i rezoluciju entiteta, lineiranje podataka i podršku za specijalne tipove.

Nove alate i mogućnosti za vizualizaciju grafika su nedavno predstavljeni. G.V() je graf baza podataka klijenta i vizualizacija alat koji je počeo sa Gremlin i sada takođerpodržava Neo4j, Memgraph i Neptune AnalyticsNašiUslovi korišćenja RDF-to-Gephije alat otvorenog koda za vizualizaciju RDF grafova znanja. I novi widget otvorenog koda yFiles čini prikladnim dodavanjeGrafičke vizualizacije SPARQL upita za Jupyter beležnice.

Graph Foundation Modeli, aplikacije na skali, LLM i grafikonima

U oblasti Graph AI, neki od njih potaknuti LLM valom, neki nastavljaju postojeći talas inovacija.Epoha Graph Foundation Modela je počela, i pruža nekoliko primjera kako ih se može koristiti već danas.AnyGraph, Graph Foundation Model u divljini.

Galkin također upozorava daGraph Learning može izgubiti važnost zbog loših referentnih točaka, dok grupa istraživača iz Huaweia i istraživačkih instituta istražujeOsnove i granice Graph učenja teorijeAko želite da dođete do brzine sa GNN-ovima, ovoUvod u Graph Neural NetworksOva lista odMust-read papiri na GNNsBiće to ručno.

Istraživači iz Amazona uvodeGraphStorm, sve-u-jednom otvorenog koda graf machine learning framework za industrijske aplikacijekoji je korišćen i raspoređen za više od dvanaest milijardi industrijskih aplikacija. Snapchat takođe koristi velike grafičke neuralne mreže u proizvodnji, koristeći svoj vlastiti okvir otvorenog koda zvanGiGL (Gigantic Graph učenje).

Google Bryan Perozzi otkriva kakografikoni mogu pomoći u predstavljanju strukturiranih podataka za LLM-ove, pokrivajući graf kodiranje, GraphTokens, Transformer graf razmatranje, i koristeći grafike za sintetičke generisanje podataka.RDFGrafGeniLinkovi.

U »Plan kao graf”, istraživači poboljšati LLM izvršenje zadataka razgradnjom ih u pod-zadataka koje može ili da se reši LLM paralelno ili sekvencijalno.Građanije referentna točka za razumijevanje grafikona i kompleksno razmatranje u LLM-ovima.

Bryan Perozzi je također podijelio rad svog tima naGraph razmatranje sa LLMsi »Istraživanje velikih jezičnih modela za grafeuvodi novu taksonomiju za kategorizaciju postojećih metoda koje kombiniraju LLM i GNN.

Drugačiji način mešanja grafika i jezičnih modela:Grafički jezični modelisu grafički transformatori, koji omogućuju grafičko razmišljanje. Istovremeno, oni nasljeđuju i iskorištavaju težine jezičnog modela, omogućujući im da predstavljaju i kontekstualizuju triplete u grafu tripleta.Relativni grafni transformatorije nova arhitektura koja transformira način na koji izvučemo inteligenciju iz relacijskih baza podataka.

Uključivanje s mislima - izaziva pitanje, i novi način gledanja na LLM:Šta ako je vaš LLM grafikonKao što je Pierre-Carl Langlais rekao,analiza podeljena od strane Petar Veličković, kada počnete da vidite LLM-ove kao grafne neuronske mreže, mnoge strukturne čudnosti iznenada padaju na mjesto.Razlike između LLM-ova i grafova znanja.

This issue of the Year of the Graph is brought to you by G.V(), metaphacts, Connected Data London, and Built to Last.

Ako želite biti predstavljeni u nadolazećem izdanju i podržati ovaj rad, dođite!