Wikontic: Новый Способ Строения Графов Знаний с Экономией и Точностью

Индустрия искусственного интеллекта сталкивается с проблемой, когда большие языковые модели (LLM) генерируют красивый текст, но часто содержат фактические ошибки. Графы знаний предлагают эффективное решение, преобразуя текстовую информацию в структурированные и проверенные триплеты.

Традиционные методы построения графов знаний, такие как GraphRAG и AriGraph, часто приводят к созданию больших и шумных графов, содержащих дубликаты, неверные типы сущностей и бессмысленные связи.

Wikontic использует другой подход: 1) он принимает любой англоязычный текст из широкого спектра тем. 2) Он извлекает триплеты и квалификаторы, используя мощные открытые LLM, такие как Llama-3.1-70B, Mixtral или GPT-4o. 3) Каждая информация проверяется на соответствие онтологии Wikidata. 4) Повторяющиеся сущности объединяются в единый канонический Q-код Wikidata.

Для бизнеса это обеспечивает надежность чат-ботов и виртуальных агентов, позволяет сократить расходы на использование больших моделей ИИ и облегчает проверку и аудит каждого ответа.