اگر آپ کے LLM ایک گراف ہے تو کیا؟ محققین AI Stack کو دوبارہ تصور کرتے ہیں

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

کیا آپ مارکیٹ تحقیق کے رپورٹوں پر اعتماد کرتے ہیں؟ اگر آپ ایسا کرتے ہیں تو، یہاں غور کرنے کے لئے ثبوت نمبر 1 ہے: عالمی علم گراف مارکیٹ کی توقع ہے کہ 2030 تک $ 6.93 بلین تک پہنچ جائے گا، 2024 میں $ 1.06 بلین سے، 36.6٪ کی CAGR پر بڑھتی ہوئی ہے.

کیا آپ تجزیہ کار کمپنیوں پر بھروسہ کرتے ہیں؟ اگر آپ ایسا کرتے ہیں تو، یہاں غور کرنے کے لئے ثبوت #2 ہے: گارٹنر کے گاہکوں کے سوالات میں سے تقریباً 50٪ AI کے موضوع پر گراف ٹیکنالوجی کے استعمال کے ارد گرد بحث شامل ہیں.

کیا آپ مارکیٹ سگنل پر بھروسہ کرتے ہیں؟ اگر آپ ایسا کرتے ہیں تو، یہاں غور کرنے کے لئے ثبوت نمبر 3 ہے: RDFox اور data.world جیسے گراف پر مبنی مصنوعات Samsung Galaxy S25 اور ServiceNow کے طور پر گھریلو مصنوعات کو طاقتور کر رہے ہیں.

ان تمام ثبوتوں کو ایک ہی سمت کی طرف اشارہ کرتا ہے: گراف زمین کی تنوع، گہرائی اور گہرائی کے لحاظ سے تیزی سے ترقی کر رہا ہے اور نقطہ نظر مثبت ہے، اوپر اور نیچے کے باوجود.

لیکن اس گراف سے متعلق اخبارات اور نقطہ نظر کے اس دورے کو پڑھنے کے لئے ایک اچھا وجہ ہے اگر آپ مندرجہ ذیل میں سے کسی بھی پر اعتماد نہیں کرتے ہیں، یا اس کے بارے میں فکر نہیں کرتے ہیں. گراف کے ڈیزائن، نئے گراف ڈیٹا بیس انجن، گراف RAG پر متغیر، گراف تجزیہ کے لئے ایک راستہ کار، اور گراف فاؤنڈیشن ماڈل، پیمانے پر ایپلی کیشنز، LLMs اور گرافز کے بارے میں سیکھنے کے لئے پڑھیں.

مواد کی میز

• Graph ٹیکنالوجی کے میدان
• گراف مارکیٹ Outlook
• پائیدار اثاثوں کے طور پر علم گرافز کی تعمیر اور ارزیابی
• علم گرافز M&A کے ذریعے گھریلو ناموں کو طاقت دیتے ہیں
• علم گرافز pragmatic AI کے لئے ضروری حقیقت کی سطح کے طور پر
• گراف RAG Galore
• نئے گراف ڈیٹا بیس انجن، معیاری اور کارکردگی
• Graph Analytics and Visualization: Roadmap، خصوصیات اور پلیٹ فارمز
• Graph Foundation ماڈل، مقیاس میں درخواستیں، LLMs اور Graphs

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

اگر آپ ایک آنے والی پوسٹ میں پیش کیا جانا چاہتے ہیں اور اس کام کی حمایت کرنا چاہتے ہیں،باہر آؤٹ!

You already understand the power of graph technology.

G.V() helps you understand your graph.

G.V() ایک گراف ڈیٹا بیس IDE ہے جو آپ کو لکھنے، عمل کرنے اور ٹیسٹ کے سوالات کی مدد کرتا ہے؛ آپ کے ڈیٹا ماڈل کو ٹریک کریں؛ آپ کے گراف ڈیٹا کو پرواز پر تلاش کریں اور ترمیم کریں؛ اور طاقتور گراف ڈیٹا ویڈیوز کے ساتھ آپ کے کام کو دکھائیں. 18 مختلف گراف ٹیکنالوجیوں کے ساتھ مطابقت رکھتا ہے اور بڑھتا ہے، G.V() استعمال کرنے کے لئے آسان، کم قیمت، کم ذمہ داری، فروخت کرنے والے غیر معمولی ہے، اور کسی بھی سیکورٹی آرکیٹیکل کے ساتھ اچھی طرح کام کرتا ہے.

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

Graph ٹیکنالوجی پرچم

کےgraph technology landscape infographic کے بارے میں معلوماتیہ 2014 کے بعد سے گراف ٹیکنالوجی کی دنیا کا نقشہ بنانے میں مدد کر رہا ہے. اس کا مقصد گراف ٹیکنالوجی کی دنیا میں اہم اقسام اور ان اقسام میں اہم کھلاڑیوں کو پیش کرنے کے لئے ہے.

یقینی طور پر، جیسا کہ لنکوریوس میں ان کے تخلیق کاروں نے تسلیم کیا ہے، یہ صرف ایک شروع نقطہ ہے، مکمل فہرست نہیں ہے. یہ ممکن نہیں ہوسکتا ہے، ایک ڈومین کے لئے جو تحقیق اور ترقی کے نوٹ اور مارکیٹ کی ترقی دونوں کے لحاظ سے اتنا تیزی سے ترقی کر رہا ہے.

گراف ٹیکنالوجی کے میدان کی پیروی کرنے کے لئے مسلسل توجہ اور سخت کام کی ضرورت ہے، اس وجہ سے infographic اور پیروی کی رپورٹ صرف ہر 5 سال میں ایک بار اپ ڈیٹ کی جاتی ہے.

2024 ورژن سے منسلک کیا گیا ہے کہ زیادہ سے زیادہ تنظیموں کو گراف ٹیکنالوجی کو قبول کر رہے ہیں، کیونکہ وہ یہ استعمال کی صورتوں کی ایک بڑھتی ہوئی تعداد کے لئے ایک اثاثہ بناتے ہیں.2025 میں گراف ٹیکنالوجی کے منتظرکی طرف سے Paco Nathan،2025 میں علم گراف کے لئے پیش گوئیTony Seale کی طرف سے، اورایک اور graph tech landscape کا دوبارہ ترمیمNicolas Figay کی طرف سے

AI you can trust, powered by semantics

جب AI کارپوریٹ مخصوص کنٹیکٹ کی کمی ہوتی ہے، تو یہ صرف گمان ہے. جولائی 2025 میں، metis metaphacts کے نئے علم ڈھانچے AI پلیٹ فارم ہے جو غیر متصل کارپوریٹ ڈیٹا کو حقیقی کاروباری قدر میں تبدیل کرتا ہے.

metis کے ساتھ، کمپنیوں کو کر سکتے ہیں:

● درستگی اور اعتماد کے لئے انٹرپرائز سیانٹک میں زمین AI جوابات

● Conversational انٹرفیس کے ساتھ سامان کے ساتھ اپنی مرضی کے علم کی طرف سے ڈیزائن اور انسٹال AI ایجنٹ

● انٹرپرائز ڈیٹا کے استعمال کا کنٹرول اور ایڈجسٹ

● summarization، entity linking اور query execution جیسے اوزار کا مجموعہ کریں — bybusiness-specific Semantics کی طاقت

Semantics میں AI کی بنیاد پر، metis آپ کے کاروبار کو واقعی سمجھتا ہے کہ AI فراہم کرتا ہے، جبکہ سیکورٹی، وضاحت اور قابل اعتماد کو یقینی بناتا ہے.

رابطے کے مترادفاتمزید جاننے کے لئے!

علم گراف مارکیٹ کے نقطہ نظر

گراف ٹیکنالوجی کی بڑھتی ہوئی قبولیت کے اہم ڈرائیور، جس کی شناخت کی گئی ہےتحقیق اور مارکیٹوں کے علم گراف تحقیق رپورٹ 2025AI / generative AI حلوں کے لئے بڑھتی ہوئی طلب، ڈیٹا حجم اور پیچیدگی میں تیزی سے اضافہ، اور سمینٹک تلاش کے لئے بڑھتی ہوئی طلب.

علم گراف مارکیٹ 2024 میں 1.06 بلین ڈالر تک کی توقع کی جاتی ہے، 2030 تک 6.93 بلین ڈالر تک، 36.6٪ کے مرکب سالانہ ترقی کی شرح (CAGR) کے ساتھ.

تحقیق اور مارکیٹز نے مہارت اور واقفیت کی کمی اور معیار اور انٹرفیس کے طور پر مارکیٹ کی ترقی کو روکنے کے لئے اہم چیلنجوں کے طور پر اشارہ کیا ہے - اگرچہ یہ بدل رہا ہے.

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 since 2016. Connected Data London ہر چیز پر ایک کمیونٹی، واقعات، اور سوچ کی قیادت فراہم کرتا ہے Knowledge Graph، Graph Analytics، AI، Data Science، Graph Databases اور Semantic Technology.

چاہے آپ انجینئر، ڈیٹا سائنسدان، آرکیٹیکل یا فیصلے کرنے والے ہیں، یہ آپ کے بہترین ذہنوں کے ساتھ رابطہ کرنے کا موقع ہے جو کنکٹ ڈیٹا اور مکمل پروگرام کے مستقبل کو تشکیل دیتے ہیں:

ماہرین کی باتیں

Innovators کے ساتھ نیٹ ورکنگ

حقیقی دنیا کے واقعات کا مطالعہ

عملی کامرس

کشمیر شام

🔸 Leonardo Royal Hotel Tower Bridge نومبر 20-21، 2025

سستے ابتدائی پرندوں کے ٹکٹ اب دستیاب ہیں2025.connected-data.لینڈن

پائیدار اثاثوں کے طور پر علم گرافز کی تعمیر اور ارزیابی

تحقیق اور مارکیٹوں کی رپورٹ ایک موقع کے طور پر "علم گراف کی تیزی سے پھیلنے" کی شناخت کرتا ہے. اگرچہ ہم یقینی طور پر اس کے علامات دیکھتے ہیں، یہاں کچھ نقطہ نظر کرنے کے قابل ہیں.

جیسا کہ علم گرافوں کی مقبولیت بڑھتی ہے، ان کی تنصیب کی پیچیدگی اس بات پر توجہ مرکوز کرتی ہے کہ وہ تنظیم کے استعمال کے معاملے کے لئے صحیح حل ہیں یا نہیں.آپ کے استعمال کے کیسوں کے لئے علم گراف کی قابلیت کا اندازہ کیسے کریں’’۔

گارٹرن نے 2024 میں نئے ٹیکنالوجیوں کے لئے ہائپ سائیکل میں Critical Enabler ٹیکنالوجیوں کے دل میں علم گرافوں کی شناخت کی، اور اس بات کا ذکر کیا کہ 2024 کے لئے ڈیٹا یونٹنگ اور انجینئرنگ میں سب سے اوپر 10 رجحانات میں سے ایک تھا.

تاہم، گارٹرن کا پتہ چلتا ہے کہ اگرچہ علم گراف استعمال کے واقعات کے بارے میں آگاہی بڑھ رہی ہے، اس طرح کے منصوبوں میں سرمایہ کاری کرنے کی خواہش یا کاروباری خریداری کم ہے.

Mike Dillinger کے طور پرنوٹیں، امیر علم گراف طویل عمر کے اثاثے ہیں، جو ایک طویل وقت کی زندگی رکھتے ہیں، عام طور پر ایک کاروباری یا اقتصادی kontext میں، طویل وقت کے دوران فائدہ یا قدر فراہم کرتے ہیں. وہ عام طور پر فروخت کے لئے نہیں ہیں لیکن آپریشن کے لئے مکمل طور پر ضروری ہیں، جیسے دیگر اثاثے جیسے مال، آلات، اور مشینیں.

علم گراف تنظیم کی CapEx ہیں، اور انہیں اس طرح کا اندازہ کیا جانا چاہئے. ان کی قیمت کو ان کی صلاحیتوں پر مبنی ہونا چاہئے، جس میں ڈیٹا حکمرانی سے AI ایپلی کیشنز تک ہے.

میں »کیوں گراف اپلی کیشن ناکام"، Lulit Tesfaye نوٹ کرتا ہے کہ اکثر وقت، تنظیموں کو منافع اور منافع مساوات کی ایک محدود سمجھ ہے.ایک عظیم گراف بنانے کے لئے کیا کرنا چاہئے“اور Gartner کا حصہ ہے”AI-Driven Enterprise Applications کی اجازت دینے والے علم گراف کیسے بنائیں’’

جیکسی Talisman chimes in کے ساتھOntology پائپ لائن Semantic Knowledge Systems کو طاقت دینے کے لئے، نوٹ کرتے ہوئے کہ سمینٹک علم کے انتظام کے لئے ایک منظم، وسیع پیمانے پر نقطہ نظر اچھی طرح سے مقرر شدہ ROI میٹرک کے ساتھ سرمایہ کاری کی وضاحت کرسکتا ہے اور ڈیٹا کی معیار اور حکومت کو بہتر بناتا ہے، AI کی کامیابی کے لئے ضروری ہے.کہاں سے شروع کریں جب آپ ایک انٹولوجی کی تعمیر کرنا چاہتے ہیں.

علم گراف بنانے کے لئے آلات کی کمی بھی نہیں ہے. Yassir Lairgi نے اشتراک کیا2 کلو گرام, ایک پائٹون پیکج جس میں حل شدہ اشیاء اور تعلقات کے ساتھ متوازن علم گرافوں کو بڑھتی ہوئی طور پر تعمیر کرنے کے لئے ڈیزائن کیا گیا ہے.WhyHow Open Sourced اس کے Knowledge Graph سٹوڈیواورOpenSPG کے(Semantic-Enhanced Programmable Graph) ایک نئی نسل کے کارپوریٹ علم گراف (EKG) انجن ہے، دو طرفہ طور پر LLMs اور علم گرافوں کی طرف سے بہتر.

علم کی گرافیاں منجمد اور خریداری کے ذریعہ گھریلو ناموں کو طاقت دیتے ہیں

حقیقت یہ ہے کہ علم گراف ان تنظیموں کے لئے ایک سرمایہ کاری ہیں جو AI کی تعمیر کے بارے میں سنجیدگی سے سمجھتے ہیں.ServiceNow اس کو حاصل کرتا ہے، اور AI کے لئے ڈیٹا میں مزید گہری جانچ کرنے کے لئے data.world کی خریداری کر رہا ہےجیسا کہ جیو ہیلگر نے ذکر کیا ہے، یہ جاری ہےسمارٹ سافٹ ویئر کی صنعت میں توسیع‫‪ ،‬جیسا کہ جنم اور سیگنال کی سطح پر‬

"گٹارٹرن کی فہرست گروپ کے مطابق، تکنیکی رہنماؤں کے 4٪ کا خیال ہے کہ ان کے اعداد و شمار AI کے لئے تیار ہیں - یہ کافی نوکری ہے.انفرادی رپورٹ2026 تک، AI منصوبوں میں 60٪ ناکام ہو جائے گا کیونکہ اعداد و شمار AI کے لئے تیار نہیں ہیں. "اس بات کو Gaurav Rewari، Senior Vice President اور ServiceNow کے ڈیٹا اور تجزیہ کی مصنوعات کے جنرل مینجمنٹ نے data.world کی خریداری کے سلسلے میں کہا.

دیگر اعداد و شمار کیٹیکل ماہرین موجود ہیں، لیکن ریوی نے کہا کہ ڈیٹا.ورلڈ کے علم گراف کے انضمام نے اسے ServiceNow کے لئے اچھی طرح سے مناسب بنایا ہے. ServiceNow نے پہلے ہی علم گراف کی حمایت کی ہے، لیکن data.world میٹا ڈیٹا جمع کرنے والوں اور علم گراف کے تجربے کو بھیجتا ہے جو ServiceNow کے گراف کو مزید غنی کر سکتا ہے.

اس سال کے آغاز میں،سامسونگ نے آکسفورڈ سیمنٹک ٹیکنالوجی کی ٹیکنالوجی پر مبنی نئے AI خصوصیات کے ساتھ نئے گلیکس S25 سیریز کا آغاز کیاآکسفورڈ یونیورسٹی کی 2017 میں تین دنیا کے معروف کمپیوٹر سائنس پروفیسرز کی طرف سے علم پر مبنی AI ٹیکنالوجی کے شعبے میں، آکسفورڈ سیمنٹک ٹیکنالوجی نے جولائی 2024 میں سامسونگ الیکٹرانکس کی طرف سے خریدا تھا.

کمپنی کی RDFox® ٹیکنالوجیسامسونگ کے ذاتی ڈیٹا انجینئر کے پیچھے علم گراف کا استعمال کرتے ہوئے ہیرپراجیز صارف کے تجربات پیدا کرنے کے لئے، اور تازہ ترین Galaxy S25 سیریز میں شامل کیا جائے گا.Ian Horrocks نے سامسونگ کے Unpacked ایونٹ میں بات چیت میں حصہ لیا.

Year of the Graph Newsletter پر دستخط کریں

اگر آپ اس نیٹ ورک سے لطف اندوز ہیں تو، اس بات کو یقینی بنائیں کہ یہ ہمیشہ آپ کے ای میل باکس میں براہ راست پہنچتا ہے.

علم گرافز Pragmatic AI کے لئے ضروری حقیقت کی سطح کے طور پر

تنظیموں کو ای ای اے کو قبول کرنے کے لئے ایک اہم چیلنج کا سامنا کرنا پڑتا ہے: کس طرح ان کے ڈومین مخصوص علم کو اس طرح استعمال کرنے کے لئے AI کا استعمال کریں جو قابل اعتماد نتائج فراہم کرتا ہے.

یہ ایک گہری بات چیت کے بارے میں ہےعلم گرافز Pragmatic AI کے لئے ضروری حقیقت کی سطح کے طور پرٹونی سیل کے ساتھ. یہ علم گراف سب سے پہلے اصولوں سے محفوظ، تصدیق شدہ AI، حقیقی دنیا کے تجربے، رجحانات، پیش گوئیوں، اور مستقبل کے راستے کے لئے ایپلی کیشن کے نمونوں کے لئے سب کچھ پر مشتمل ہے. سیل، بھی "The Knowledge Graph Guy" کے طور پر جانا جاتا ہے.

کچھ متعلقہ مضامین: "مختلف قسم کے گراف کیا ہیں؟ سب سے زیادہ عام غلط فہمی اور ان کے اطلاقات کو سمجھنے’’اور اس کے علاوہ ‘‘Semantics کیا ہے اور یہ کیوں اہم ہے؟” – دونوں انٹرپرائز Knowledge کی طرف سے، علم کے مختلف پہلوؤں کو ظاہر کرنے کے لئے پہلا اصول. اور Veronika Heimsbakk وضاحت کرتا ہےDummies کے لئے علم گرافاور اس کے علاوہ

گراف RAG گالری

GenAI اپنانے میں ہتھیاروں کے باوجود، یا بالکل اس کی وجہ سے، GenAI کی طرف سے طاقتور سسٹموں کو کنٹرول ماحول میں قابل اعتماد معلومات کے ساتھ مل کر سب سے زیادہ حاصل کرتے ہوئے، RAG (Retrieval Augmented Generation) مسلسل توجہ حاصل کر رہا ہے.

Graph RAG کے لئے ایک داخلہ کے لئے، چیک کریں “Graph RAG کے ساتھ اعداد و شمار کو جمہوری بنانے: یہ کیا ہے، یہ کیا کر سکتا ہے، اس کا اندازہ کیسے کریں’’اُس نے اُس کو لے لیا‘‘Connected Data Knowledge Graph چیلنجاور ایکKuzu پر مبنی کھلی سافٹ ویئراورG.V پر نظر رکھنے کے لئے ()A کےGraph RAG کے مترادفاتیہ بھی جانا جاتا ہے کہ Jakob Pörschmann، جو اس کے بعد تفصیل سے ایکGoogle Cloud Stack پر انسٹال.

گزشتہ چند ماہوں میں، ہم نے مائیکروسافٹ کو دیکھا ہےOpen-sourcing اس Graph RAG اپلی کیشنبہتر بنانے کے لئے، جیسےنئے ڈومینز کے لئے تیزی سے اپ ڈیٹ کرنے کے لئے آٹو ٹوننگاورڈینمک کمیونٹی انتخابآزاد کرنے کے لئےلامحدودLazyGraphRAG Graph RAG کے لئے ایک اہم انتباہ کا حل کرنے کے لئے ہے، یعنی یہ ہے کہاستعمال کرنے کے لئے قیمتیلیکن وہاں ہیںGraph RAG کے ساتھ مزید مسائل.

یہی وجہ ہے کہ آئیریا Adamchic کی طرح لوگ ان کو حل کرنے کے لئے اختیارات کے ساتھ آتے ہیں.ڈراپ پر مؤثر RAG کے لئے تین قسم کی فکسڈ انٹرفیس آرکیٹیکلیہ ڈومین کے علم کو ایک کہا جاتا ontology layer میں استعمال کرنے پر منحصر ہے.She also developed aNLP پر مبنی تبدیلیاںیہ ڈومین کے علم پر منحصر نہیں ہے، جبکہ Elena Kohlweyاعلی درجے کے RAG ماڈلوں کی دنیا پر چلتا ہے.

رگاس کے برعکس، ایک RAG متبادل ہے جو بڑے زبان ماڈل کے لئے ontology پر مبنی تلاش کی بڑھتی ہوئی نسل پیش کرتا ہے.کینسر10x سستا، ذہین معلومات کی وصولی کا وعدہ.مینیجرچھوٹے زبانوں کے ماڈل کے لئے تقریبا LLM درست RAG کو صرف 25٪ اسٹوریج کے ساتھ پیش کرتا ہے.غصے سےintention-based اور contextally aligned knowledge retrieval کے لئے ڈیزائن کیا گیا ہے.

زمرہ:RAGRAG کے لئے ایک graph foundation ماڈل ہے.زینبLLM تفہیم کے لئے ایک Graph Neural Retrieval استعمال کرتا ہے.نوٹ کریںایک Graph RAG متغیر ہے جو ہومونگ گرافوں کے بجائے اچھی طرح سے چمکنے والی سیانٹک یونٹس، یونٹس، رشتے اور اعلی سطح کے خلاصے کے ساتھ heterogeneous گراف استعمال کرتا ہے.سمیراگسوالوں کو گراف نمونوں میں تبدیل کرتا ہے اور ایک گراف semantic فاصلے میٹرک کا استعمال کرتے ہوئے کانگریٹ subgraphs کے ساتھ ان کی توازن کرتا ہے.

mms کے لئےغیر ٹیکسٹائل ڈیٹا جیسے تصاویر اور آڈیو پر کلک کریں.پیٹرنمؤثر طریقے سے flow-based کاٹنے کے ساتھ اضافی معلومات کو کم کرتا ہے، جبکہ LLMs کو path-based پلوٹنگ کے ساتھ زیادہ منطقی اور مطابقت پذیر جوابات پیدا کرنے کے لئے ہدایت دیتا ہے.CDF-RAG کے لئےدوبارہ سوالوں کو بہتر بناتا ہے، ساختہ وجہی گراف حاصل کرتا ہے، اور ایک دوسرے کے ساتھ منسلک علم کے ذرائع پر multi-hop وجہی تفہیم کی اجازت دیتا ہے.

A کےGraph RAG کے بارے میں معلوماتGraphRAG کے کام کی رفتار کو رسمی بناتا ہے، ہر مرحلے میں بنیادی ٹیکنالوجیوں اور تربیت کے طریقوں کی وضاحت کرتا ہے، بعد میں کاموں، ایپلی کیشن ڈومینز، تجزیہ کے طریقوں، اور صنعتی استعمال کے کیسوں کا مطالعہ کرتا ہے اور مستقبل کی تحقیق کی ہدایتوں کا مطالعہ کرتا ہے.

پیکا ناتانGraphRAG میں Graph کے مترادفات،لیٹرا،جی یواورہابھی ہابھیبرائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائے مہربانی برائےمضبوط حلوں کی تعمیر کے لئے ایک نظریاتی نقطہ نظر کا اشتراک کرتا ہےاور Aعلم گراف پیدا کرنے اور بصیرت کرنے کے لئے گراف RAG کھلے ذریعہ سٹاک کا مجموعہ.

آخر میں، یہ ہو سکتا ہےہائبرڈ RAGبہت سے ایپلی کیشنز کے لئے، ایک سمارٹ راٹور کی طرف سے متعارف کرایا گیا ہے کہ ایک ترکیب کی تلاش کے طریقوں،کارکردگی اور انعطاف پذیری کا بہترین توازن فراہم کرسکتا ہے.

نئے گراف ڈیٹا بیس انجن، معیاری اور کارکردگی

اگرچہ Graph RAG گراف بیس فراہم کرنے والوں کے لئے ایک فائدہ ہے، یہ بھی ممکن ہےGraph RAG کو ایک Graph ڈیٹا بیس کے بغیر لاگو کریںگراف ڈیٹا بیسوں اور علم گرافوں کو ایک قسم میں جمع کرنے کے طور پر تحقیق اور مارکیٹوں کی رپورٹ کے طور پر ممکنہ طور پر ہر کوئی اس بات سے اتفاق نہیں کرے گا لیکن یہ سمجھدار ہے کہ کیوں گراف ڈیٹا بیسوں کو اس مجموعی قسم میں سب سے بڑا حصہ کے طور پر درج کیا جاتا ہے.

گراف ڈیٹا بیس طویل عرصے سے موجود ہیں اب تک.فائدہ کبھی کبھی سوال کیا جاتا ہےاور ان کے پاسMindshare کے لحاظ سے اوپر اور نیچےلیکن مجموعی طور پر، وہ ترقی کے راستے پر ہیں، استعمال کے کیسز کو زیادہ سے زیادہ سمجھایا جاتا ہے، معیار اور تعلیمی وسائل adoption کو آسان بناتے ہیں، اور مارکیٹ میں اہم نئے ترقی.

میں »گراف ڈیٹا بیس کے بعد 15 سال - وہ کہاں جائیں گے؟"، Gábor Szárnyas گراف ڈیٹا بیس سسٹموں کی تاریخ کا خلاصہ کرتا ہے، ان کے بنیادی اقسام اور استعمال کے کیسز پر توجہ مرکوز کرتے ہوئے، اس کے بعد وہ اہم چیلنجز پر بحث کرتا ہے جو گراف ڈیٹا بیسوں کی قبولیت کو روکنے کے لئے جاری رکھتا ہے، یہاں تک کہ ایک پراکٹمنٹ پرانی اور کارکردگی کی حدیں بھی شامل ہیں.

انہوں نے حالیہ مثبت ترقیوں کے ساتھ منسلک کیا ہے: (1) معیاری ترقی جس نے آئی ایس او GQL اور SQL / PGQ زبانوں کی پیدائش کی، (2) کارکردگی میں بہتریاں، (3) ایک نئی نسل کے کھلے ذریعہ گراف ڈیٹا بیس کے نظام.گراف ڈیٹا بیس پر داخلہ اور پس منظرJoe Dreyer کے بارے میںگراف ڈیٹا بیس کے لئے ہدایات.

ہم نے پیشہ ور اخبارات میں معیاری ترقی کا احاطہ کیا ہے. Keith Hare sharesموجودہ حالت, اور Alastair گرین Highlightsنئے GQL خصوصیات"اور بند کرنے کے لئے جاری کوششیں "زمرہ: ontology gap» اورRDF الفاظ اور LPG شیڈولز کی توازنAlex Milowski بھی کام کرتا ہےGQL نظام اور اقسام.

ڈیٹا بیس ڈویلپرز ترقی کر رہے ہیںگوگل نے سپنر گراف کے ساتھ گراف بیس مارکیٹ میں داخل کیا، AWS نے نیپوتن کے لئے ایک گراف کے خیالات کی طرف ایک قدم بڑھایا، اور Neo4j نے نئے خود خدمت اور GenAI خصوصیات کو جاری کیا.Spanner Graph اب GA ہے،Neo4j نے Aura Graph Analytics کو پیش کیااورایمیزون نیپتون Graph RAG کے ساتھ ایمیزون Bedrock Knowledge Bases کو طاقت دیتا ہے.

ایک ہی وقت میں، ہم گراف ڈیٹا بیس کی کارکردگی میں ترقی بھی دیکھتے ہیں، نئے سپلائرز اور انجن جیسے:Neo4j بیفرسٹ،ستارے بارک،ایئرپورٹ گراف،ڈیٹا گراف،چودہ،کھویااورHugeGraph کے.

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

"Built To Last" صرف ایک اور فٹنس کتاب نہیں ہے. یہ ایک عملی، اپنی مرضی کے مطابق دستیاب گائیڈ ہے جو آپ کو صحت، ورزش اور طویل زندگی کے لئے ایک مستحکم نقطہ نظر بنانے میں مدد کرنے کے لئے ڈیزائن کیا گیا ہے. چاہے آپ اپنے سفر کو شروع کر رہے ہیں یا آپ کی موجودہ روٹین کو اچھی طرح سے ترتیب دیتے ہیں، یہ کتاب آپ کو آپ کی فٹنس کو کنٹرول کرنے کے لئے آلات فراہم کرتی ہے - آپ کی شرائط پر.

آخر تک تعمیر کیوں مختلف ہے: دیگر فٹنس کتابوں کے برعکس جو تیزی سے اصلاحات اور شدید نظام کو فروغ دیتے ہیں،آخر میں بنایا گیایہ حقیقی سائنس، حقیقی نتائج اور حقیقی بحالی پر مبنی ہے.

Graph Analytics and Visualization: roadmap، خصوصیات اور پلیٹ فارمز

مستقبل کے گراف پروسیسنگ سسٹموں کو کس طرح حقیقی دنیا کے حالات کے مختلف مطالبات کو پورا کرنے کے لئے وسیع پیمانے پر پیمائش، کارکردگی، اور وسیع پیمانے پر پوچھنے اور تجزیہ کے افعال فراہم کرسکتے ہیں؟ یہ عام سوال ہے کہ ماہرین کی ایک گروپ نے ایک ACM Sigmod پینل میں حل کرنے کے لئے تیار کیا.Graph Analytics کے لئے ایک روڈ نقشہ’’۔

بصری تجزیہ گراف تجزیہ کے لئے ایک قدرتی مکمل ہے. i2 گروپ نے ایک فہرست شائع کیاKnowledge Graph Visualization and Analytics کے لئے تفہیمات, انعطاف پذیری، انٹولوجی توازن، بصیرت، متحرک سٹائلنگ، مجموعہ، گروپنگ اور خلاصہ، اپنی مرضی کے مطابق، سیمٹیکس، ڈائپلیکیشن اور یونٹ حل، ڈیٹا لائننگ اور خصوصی اقسام کے لئے حمایت.

G.V() ایک گراف ڈیٹا بیس کلائنٹ اور بصری کرنے کا آلہ ہے جو Gremlin کے ساتھ شروع ہوا اور اب بھی ہےNeo4j، Memgraph، اور Neptune Analytics کی حمایت کرتا ہےکےRDF-to-Gephi کے لئےRDF علم گرافوں کو بصری طور پر دیکھنے کے لئے ایک کھلے ذریعہ آلہ ہے. اور ایک نیا yFiles کھلے ذریعہ ویجٹ یہ شامل کرنے کے لئے آسان بناتا ہے.Jupyter نوٹ بک کے لئے SPARQL سوالات کے گراف ویزیشنز.

گراف فاؤنڈیشن ماڈل، مقیاس میں درخواستیں، LLMs اور گراف

ہم نے بھی گراف AI کے علاقے میں نئی ترقییں ہیں، ان میں سے کچھ ایل ایل ایم اوفیا کی طرف سے چمک دیا گیا ہے، کچھ موجودہ ترقی کے اوفیا کو جاری رکھتا ہے.گراف فاؤنڈیشن ماڈلوں کی عمر شروع ہوئی ہے، اور کچھ مثالیں فراہم کرتا ہے کہ کس طرح آج بھی استعمال کیا جا سکتا ہے.AnyGraph، wild میں ایک Graph بنیاد ماڈل.

گلوکار نے یہ بھی کہا ہے کہگراف سیکھنے برا مقاصد کی وجہ سے اہمیت کھو سکتا ہے، جبکہ Huawei اور تحقیقاتی انسٹی ٹیوٹ کے محققین کا ایک گروپ اس کی تحقیق کر رہا ہےGraph Learning Theory کی بنیادیں اور سرحدیںاگر آپ GNNs کے ساتھ تیز رفتار حاصل کرنا چاہتے ہیں تو، یہGraph Neural Networks کے مترادفاتاور یہ فہرستGNNs پر Must-read کاغذاتہینڈل ہو جائے گا

ایمیزون کے محققین نے پیش کیاGraphStorm، صنعت ایپلی کیشنز کے لئے ایک سب سے اوپن سسٹم گراف مشین سیکھنے کے فریم ورکیہ استعمال کیا گیا ہے اور ایک دہائی سے زیادہ صنعت ایپلی کیشنز کے لئے تقسیم کیا گیا ہے. Snapchat بھی بڑے پیمانے پر گراف نیورل نیٹ ورک کا استعمال کرتا ہے، پیداوار میں، اپنے اپنے کھلے ذریعہ فریم ورک کا استعمال کرتے ہوئے کہا جاتا ہے.GiGL (Gigantic Graph Learning).

گوگل کے Bryan Perozzi نے کس طرح اشتراک کیاگرافکس LLMs کے لئے ساختہ ڈیٹا کی نمائندگی کرنے میں مدد کرسکتے ہیں، گراف کوڈنگ، GraphTokens، ٹرانسفرورر گراف منطق، اور مصنوعی ڈیٹا پیداوار کے لئے گراف کا استعمال.ریفریجنگاورلنک.

میں »ایک گراف کی طرح منصوبہ بندی”, محققین LLM کے کاموں کو حل کر سکتے ہیں یا paralelly یا sequentially LLM کے ذریعہ حل کیا جا سکتا ہے کے تحت کاموں میں ان کو تقسیم کرتے ہوئے LLM کاموں کو بہتر بناتے ہیں.گرافکسLLMs میں گراف سمجھنے اور پیچیدہ سوچ کے لئے ایک بینک ہے.

Bryan Perozzi نے بھی اپنی ٹیم کے کام کا اشتراک کیاLLMs کے ساتھ Graph reasoning’’اور‘‘Graphs کے لئے بڑے زبان کے ماڈل کا ایک سروےموجودہ طریقوں کو قسم کرنے کے لئے ایک نیا ٹیکسنومیا پیش کرتا ہے جو LLMs اور GNNs کا مجموعہ کرتا ہے.

گراف اور زبان کے ماڈل کو ملنے کا ایک مختلف طریقہ:Graph زبان کے ماڈلایک ہی وقت میں، وہ وارث اور زبان ماڈل وزن کا استعمال کرتے ہیں، جس سے انہیں ایک ٹریپلٹ گراف میں ٹریپلٹس کی نمائندگی کرنے اور کنٹیکٹو کرنے کی اجازت دیتا ہے.Relational Graph ٹرانسفررزیہ ایک نئی آرکیٹیکل ہے جو تبدیل کرتی ہے کہ ہم رشتہ دار ڈیٹا بیس سے ذہنی معلومات نکالتے ہیں.

ایک سوچ کے ساتھ منسلک کرنا - پوچھنے والا سوال، اور LLMs کو دیکھنے کا ایک نیا طریقہ:اگر آپ کے LLM ایک گراف ہے تو کیاکے بارے میں Pierre-Carl Langlais کا کہنا ہے کہPetar Veličković کی طرف سے اشتراک کردہ تجزیہ، ایک بار جب آپ LLMs کو گراف نیورل نیٹ ورک کے طور پر دیکھنا شروع کرتے ہیں تو، بہت سے ساختار عجیبیاں ایک بار پھر جگہ میں آتے ہیں.LLMs اور علم گراف کے درمیان اختلافات.

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

اگر آپ ایک آنے والی پوسٹ میں پیش کیا جانا چاہتے ہیں اور اس کام کی حمایت کرنا چاہتے ہیں،باہر آؤٹ!