Semantisches Netz (Wissensgraph)

Was ist ein semantisches Netz?

Ein semantisches Netz ist eine Wissensstruktur, die darstellt, wie Konzepte miteinander in Beziehung stehen und wie sie miteinander verbunden sind. Semantische Netze nutzen KI-Algorithmen (künstliche Intelligenz), um Daten zu analysieren, Konzepte miteinander zu verbinden und auf Beziehungen aufmerksam zu machen. In der Wirtschaft kann diese Fähigkeit den Kundenservice effektiver machen, indem sie eine bessere Produktsuche ermöglicht. Sie kann auch Marketing- und Vertriebsabteilungen unterstützen, bei der Ansprache neuer Interessenten genauer zu sein.

Obwohl semantische Netze größtenteils im Hintergrund von Geschäftsprozessen arbeiten und sich nicht direkt auf das tägliche Leben der Mitarbeiter auswirken, können sie eine Vielzahl von Branchen verbessern, darunter Vertrieb, Marketing, Einzelhandel und Gesundheitswesen.

Neue Technologien wie Microsoft Graph und Microsoft Copilot nutzen semantische Netzwerke, um verwandte Konzepte am Arbeitsplatz zusammenzubringen. Solche Tools können zum Beispiel die E-Mail eines Mitarbeiters nutzen, um relevante Dokumente für eine Besprechung zu sammeln, Mitarbeiter mit Mitarbeitern zu verbinden, die über hilfreiches Wissen verfügen, und sogar Daten von Dritten zu sammeln.

Wie funktioniert ein semantisches Netz?

Semantische Netze werden verwendet, um Wissen in KI-Systemen darzustellen, indem Beziehungen zwischen verschiedenen Konzepten abgebildet werden.

Diese Netze bilden Kategorien bekannter Wortbeziehungen als Synonyme und Hyponyme. Hyponyme sind Wörter, die eine spezifischere Bedeutung haben als ein verwandter allgemeiner Begriff; so ist beispielsweise das Wort Vogel ein Hyponym des Wortes Tier.

Semantische Netze werden in einer Hub-and-Spoke-Architektur aufgebaut und bestehen aus folgenden Komponenten:

• Knoten. Dies sind Objekte und Konzepte, die grafisch als Kreise, Ellipsen oder Rechtecke dargestellt werden.
• Kante/Link. Diese werden auch Bogen genannt und drücken die Beziehung zwischen den Knoten durch Pfeile aus.
• Label/Beschriftung. Diese spezifizieren die Beziehungen zwischen den Konzepten weiter. Label werden an Verbindungen und Knoten angebracht.
• Brückenknoten. Diese Knoten verbinden zwei verschiedene semantische Netze. Das Wort Bauernhof kann beispielsweise ein Brückenknoten sein, der Knoten für verschiedene semantische Netze wie Tiere und Pflanzen miteinander verbindet.

Die Knoten, Links und Labels bilden zusammen einen Graphen, aus dem die Beziehungen und Bedeutungen zwischen verschiedenen Wörtern abgeleitet werden. Konstruktoren und Destruktoren sind für das Erstellen und Entfernen von Links und Knoten zuständig. Konstruktoren legen den Anfangszustand eines Objekts fest und Destruktoren entfernen Klassenobjekte.

Jede Verbindung ist mit beschreibenden Faktoren versehen, zum Beispiel „ist ein“ oder „hat ein“. Dies sind zwei gängige Arten von Labels, wobei "ist ein" anzeigt, dass ein Objekt zu einer größeren Objektkategorie gehört, und "hat ein" die Eigenschaften eines Objektknotens angibt.

Dieser Prozess hilft KI-Systemen, die Verbindungen zwischen Schlüsselwörtern, die im Text vorkommen, besser zu verstehen.

Beispiele für semantische Netze in der KI

Drei Beispiele aus der Praxis für semantische Netze, die in KI-Systemen verwendet werden, sind WordNet, Gellish und SciCrunch:

• WordNet ist eine lexikalische Datenbank auf Englisch. Sie gruppiert englische Wörter in Synsets – oder Gruppen von Synonymen –, liefert Definitionen und gruppiert sie in semantischen Netzen.
• Gellish ist eine Informationsrepräsentationssprache und Wissensdatenbank, die für die Darstellung von Wissen, Fakten, Abfragen und Antworten verwendet wird.
• SciCrunch ist eine Wissensdatenbank für wissenschaftliche Ressourcen. Sie nutzt Techniken zur semantischen Datenintegration und Informationsextraktion, um Biologen bei der Erstellung von Hypothesen und der Erklärung von Versuchsergebnissen zu unterstützen.

Anwendungen von semantischen Netzen in verschiedenen Branchen

Semantische Netze werden in verschiedenen KI-gestützten Tools eingesetzt. Das Swiss Personalized Health Network (SPHN) beispielsweise baut eine Infrastruktur auf, die auf der Nutzung und dem Austausch von Gesundheitsdaten basiert. Zu diesem Zweck definiert das SPHN Data Coordination Center die Semantik der Gesundheitsdaten. Die Gesundheitsdaten und die zugehörige Semantik werden in einem Framework gespeichert, das den Bedarf gesundheitsbezogener Forschungsprojekte abdeckt.

Andere Implementierungen semantischer Netze umfassen:

• Beantwortung von Abfragen. In KI-Programmen zur Beantwortung von Benutzeranfragen unterstützen semantische Netze dabei, die Beziehungen zwischen verschiedenen Wörtern und Konzepten in der Eingabefrage zu erkennen.
• Chatbots. Chatbots verarbeiten in der Regel Eingaben, die in natürlicher Sprache erfolgen. Semantische Netze können Chatbots dabei unterstützen, die Bedeutung hinter den Eingaben eines Benutzers zu verstehen und entsprechende Antworten zu geben. Allerdings müssen nicht alle Chatbots semantische Netze verwenden.
• Datenabfrageaufgaben. Semantische Netze können in Datenabfragesoftware verwendet werden, um Informationen aus einem großen Datensatz wiederzufinden. In diesem Zusammenhang identifizieren semantische Netze die Beziehungen zwischen verschiedenen Wörtern, um relevante Informationen zu finden.
• Wissensmanagement. KI-gestützte Wissensmanagement-Tools unterstützen beim Organisieren, Speichern, Verwalten und Analysieren von Daten. Semantische Netze bieten eine strukturierte Möglichkeit, gesammelte Daten darzustellen.
• Verarbeitung natürlicher Sprache (Natural Language Processing, NLP). Bei NLP unterstützen semantische Netze bei der Zuordnung von Wörtern und Sätzen zu ihren entsprechenden Darstellungen. Dies hilft KI-Systemen, die Bedeutung von Sprache besser zu erfassen.

Vorteile semantischer Netze

Semantische Netze bieten folgende Vorteile:

• Einfachheit. Semantische Netze sind leicht zu verstehen, was sie zu einer guten Technik für die Darstellung von Daten macht.
• Effizienz. Semantische Netze sind geeignet, den Speicherbedarf zu optimieren.
• Gute Organisation. Semantische Netze strukturieren zusammenhängende Daten auf eine Weise, die sowohl für Menschen als auch für Maschinen lesbar ist.
• Verständliche Bedeutungen. Zusammenhängende Wörter und Konzepte sind für Menschen leicht darstellbar.

Nachteile semantischer Netze

Bei der Implementierung eines semantischen Netzes können sich folgende Nachteile ergeben:

• Fehlende Vererbung. Es ist schwierig für semantische Netze, Merkmale von einem Datenpunkt auf einen anderen zu vererben.
• Beschränkung auf Objektverknüpfungen. Semantische Netze können nur binäre Objektverbindungen darstellen, was die möglichen Beziehungen einschränkt.
• Fehlen von Metawissen. Semantische Netze können Metawissen nicht gut darstellen.
• Herausforderungen beim Ausdrücken spezifischer Eigenschaften. Verschiedene Arten von Dateneigenschaften, wie die Negation, sind in semantischen Netzen schwieriger darzustellen.