Ga naar de hoofdinhoud
BVDNET
Arnhem · websites & automatiseringBVDNET
Praktische Toepassingen

Knowledge Graph

Een knowledge graph slaat real-world entiteiten en hun relaties op als een gestructureerd netwerk, zodat machines kunnen redeneren over verbonden feiten en AI-nauwkeurigheid verhogen.

Ook bekend als: kennisgraaf, KG, entity graph, semantic graph

Wat is een Knowledge Graph?

Een knowledge graph is een gestructureerde datarepresentatie die entiteiten (personen, plaatsen, concepten) en hun relaties modelleert als een netwerk van knooppunten en verbindingen. Het organiseert kennis als feiten: "Amsterdam" → "is hoofdstad van" → "Nederland" — waardoor machines gestructureerd kunnen redeneren over informatie.

Waarom het ertoe doet

Knowledge graphs combineren de redeneer-kracht van gestructureerde data met de flexibiliteit van grafennetwerken. Google's Knowledge Graph drijft de informatievensters in zoekresultaten aan, Wikidata structureert de kennis van Wikipedia, en bedrijven gebruiken knowledge graphs voor aanbevelingssystemen, fraudedetectie en compliance. In combinatie met LLM's verminderen ze hallucinaties door het model te gronden in verifieerbare feiten.

Hoe het werkt

Kernstructuur (triples):

  • Subject — de entiteit ("Amsterdam")
  • Predicate — de relatie ("is hoofdstad van")
  • Object — het doel ("Nederland")
  • Samen: (Amsterdam, isHoofdstadVan, Nederland)

Componenten:

  • Ontologie — het schema dat definieert welke typen entiteiten en relaties bestaan
  • Instanties — de daadwerkelijke feiten in de graaf
  • Inferentie — nieuwe feiten afleiden uit bestaande (als X hoofdstad is van Y, dan ligt X in Y)

Querytalen:

  • SPARQL — de standaard querytaal voor RDF-gebaseerde knowledge graphs
  • Cypher — querytaal voor Neo4j (property graph)
  • GraphQL — API-laag bovenop grafdata

Knowledge graphs + LLM's:

  • GraphRAG — gebruik de knowledge graph als bron voor RAG, betere contextuele antwoorden
  • Fact-checking — verifieer LLM-output tegen de knowledge graph
  • Gestructureerd redeneren — combineer de generatieve kracht van LLM's met de precisie van gestructureerde kennis

Voorbeeld

Google's Knowledge Graph bevat miljarden feiten. Wanneer je zoekt op "Wie is de koning van Nederland?", haalt Google uit zijn knowledge graph: (Willem-Alexander, isKoningVan, Nederland), (Willem-Alexander, geborenOp, 1967-04-27), (Willem-Alexander, partnerVan, Máxima) — en toont dit als een gestructureerd informatievenster naast de zoekresultaten.