Le graphe de connaissances d’expert.ai représente le monde réel au travers de concepts, de leurs significations et de leurs relations. Conçu pour interagir efficacement avec le moteur sémantique expert.ai , il lève, pour chaque mot, toute ambiguïté de sens, une étape fondamentale dans le processus de compréhension du langage naturel (NLU ou Natural Language Understanding).
De même que la connaissance humaine peut être enrichie par l’apprentissage de nouvelles notions, la connaissance de expert.ai peut l’être à travers l’acquisition de nouvelles connaissances, qu’elles soient fournies par des experts métier, via des outils comme expert.ai Studio ou via le machine learning appliqué à des contenus étiquetés.
Le graphe de connaissance d’expert.ai est un système ouvert, à l’opposé d’une boîte noire. Créé par des humains, il reste compréhensible par les humains, contrairement aux systèmes de pur machine learning.
Chaque élément du graphe dispose d’un ensemble d’attributs (type grammatical, lien sémantique, définition/signification, domaine, fréquence), qui caractérise chaque mot et chaque concept. Chaque mot est regroupé avec ses synonymes au sein de nœuds conceptuels (aussi appelés sycones), eux-mêmes interconnectés par des millions de liens logiques, linguistiques, et hiérarchiques qui décrivent leurs relations. Par exemple, les concepts sont organisés en allant du général au particulier (véhicule => voiture => monospace), ou par lien de sujet à verbe ou d’objet verbe, et ainsi de suite.
Grâce à cette architecture, la signification et les attributs attachés à chaque nœud conceptuel du graphe de connaissances expert.ai s’enrichissent de la signification et des attributs des nœuds voisins.
