Knowledge graph हा एक database आहे जो तथ्ये गोष्टींमधल्या जोडण्यांच्या रूपात साठवतो: एखादी कंपनी, व्यक्ती, ठिकाण किंवा उत्पादन (nodes), जी नाव असलेल्या नात्यांनी जोडलेली असतात जसे “founded by” किंवा “located in” (edges). Google चा Knowledge Graph, Wikidata आणि तुमच्याच वेबसाइटचा JSON-LD, हे सगळे वेगवेगळ्या आकाराचे knowledge graphs आहेत. Search engines आणि AI systems त्यांवरून जाणतात की एखादे पान खऱ्या जगातल्या कोणत्या entity बद्दल आहे.
Nodes, edges आणि triples
मूलभूत एकक एक triple आहे: subject, predicate, object.
| Subject | Predicate | Object |
|---|---|---|
| Brilad | founded by | Gunakesh Parmar |
| Brilad | founded by | Rohit Bhisey |
| Brilad | founded by | Ashruba Pankhade |
| Brilad | located in | Pune |
| Gunakesh Parmar | profile | LinkedIn URL |
प्रत्येक subject आणि object एक node आहे; प्रत्येक predicate एक edge आहे. कारण nodes सामायिक असतात, तथ्ये जोडली जातात: एकदा system ला कळले की Brilad कोणी स्थापले आणि Brilad कुठे आहे, ती त्या प्रश्नांची उत्तरे देऊ शकते जे दोन्ही एकत्र करतात.
जे knowledge graphs महत्त्वाचे आहेत
Google चा Knowledge Graph
Google ने आपला Knowledge Graph मे 2012 मध्ये “things, not strings” या वाक्यांशासह सादर केला, ज्याचा अर्थ होता शब्द जुळवण्यापासून entities समजण्याकडे वळणे. तो knowledge panels चालवतो, ती तथ्यांची खोकी जी काही search निष्कर्षांशेजारी येतात. त्यातल्या entities ना machine IDs असतात ज्या Google च्या Knowledge Graph Search API मार्फत पाहता येतात.
Wikidata
Wikidata, जे Wikimedia Foundation ने 2012 मध्ये सुरू केले, हा एक खुला knowledge graph आहे जो कोणीही संपादित करू शकतो, आणि ज्यात प्रत्येक entity ची ओळख एका Q संख्येने होते. त्याचा data व्यापकपणे पुन्हा वापरला जातो, ज्यात search engines सुद्धा समाविष्ट आहेत, आणि तो त्या text संग्रहांत येतो ज्यांतून language models शिकतात.
तुमचा स्वतःचा graph
तुमच्या वेबसाइटचा JSON-LD हा तुमच्या व्यवसायाबद्दलचा एक छोटा knowledge graph आहे. जेव्हा त्याचे nodes स्थिर @id मूल्ये वापरतात आणि sameAs ने इतरत्रच्या त्याच entities पर्यंत जोडतात, तेव्हा तो मोठ्या graphs शी जोडला जातो. JSON-LD guide सांगते कसे.
Knowledge graphs आणि AI उत्तरे
Language models ज्ञान आपल्या weights मध्ये साठवतात, ज्यामुळे ते तपासणे आणि अद्ययावत करणे कठीण होते. Knowledge graphs स्पष्ट तथ्ये साठवतात जी तपासता आणि बदलता येतात. अनेक AI systems दोन्ही एकत्र करतात: ते entities ओळखण्यासाठी आणि तथ्यांची पुष्टी करण्यासाठी एखादा graph किंवा structured स्रोत वापरतात, आणि उत्तर लिहिण्यासाठी language model. जी कंपनी या स्रोतांमध्ये स्पष्ट नोंदवलेली असते, तिचे वर्णन बरोबर करणे सोपे असते.
आपला व्यवसाय नोंदवून कसा घ्यावा
- मूलभूत तथ्ये आपल्याच साइटवर स्पष्ट प्रसिद्ध करा: एक About पान, एक contact पान, संस्थापकांची profiles.
- sameAs दुव्यांसह Organization आणि Person schema जोडा.
- Google Business Profile तयार करा आणि त्याची पडताळणी करून घ्या.
- LinkedIn, Crunchbase आणि उद्योग directories वरची profiles एकसारखी ठेवा.
- स्वतंत्र कवरेज कमवा, जी Wikidata item आणि एक व्यापक knowledge panel शक्य करते.
- Google तुमच्यासाठी knowledge panel दाखवत असेल, तर तो Google च्या पडताळणी प्रक्रियेमार्फत आपल्या नावावर घ्या जेणेकरून तुम्ही दुरुस्त्या सुचवू शकाल.
वारंवार विचारले जाणारे प्रश्न
मी पैसे देऊन knowledge panel मिळवू शकतो का?
नाही. Google panels आपल्याच data मधून तयार करते. ज्या सेवा शुल्क घेऊन panels चे वचन देतात त्या त्यांची हमी देऊ शकत नाहीत.
Google माझ्या कंपनीला entity मानते हे मला कसे कळेल?
आपल्या कंपनीचे नेमके नाव search करा आणि panel पाहा, किंवा Knowledge Graph Search API ला विचारा. Google Business Profile मधून आलेला एक local panel हा सामान्य पहिला संकेत आहे.