Are graphs really the new star schema? What do graphs look like to non-insiders, and what is it that attracts them to the graph community, methodologies, applications, and innovation? के साथ जुड़ने की प्रक्रिया में वक्ताओं के रूप में, हमने खुद को बातचीत में शामिल किया, जो समुदाय के मूल और विकास और उस तकनीक के बारे में प्रतिबिंबित और विस्तृत करता है जिसमें यह मिलता है: ज्ञान ग्राफ, ग्राफ एनालिटिक्स, एआई, डेटा विज्ञान, डेटाबेस और सेमेंटिक प्रौद्योगिकी। कनेक्ट डेटा लंदन 2025 जिस तरह से हमने इसे वर्णित किया था - शुरुआती उपयोगकर्ताओं का एक कोर जो अब तक एक दशक से अधिक हो सकता है, साथ ही साथ नए आगंतुकों का एक बढ़ता हुआ सेगमेंट जो ग्राफों पर टकराते हैं जिन्हें या तो GenAI द्वारा प्रेरित किया गया था या यह महसूस करना कि ग्राफ कनेक्टिविटी का मॉडल करने का सबसे अच्छा तरीका है। आज, पहले से कहीं अधिक डेटा बिंदुओं को कनेक्ट करने के लिए हैं. पहले से कहीं अधिक कनेक्शन भी हैं. और लोग इन कनेक्शनों के महत्व को पहले से कहीं अधिक महसूस कर रहे हैं और इसका लाभ उठा रहे हैं. सब कुछ जुड़ा हुआ है. ग्राफ मॉडल कनेक्शन के लिए मौजूद हैं. यही कारण है कि ग्राफ हर जगह हैं यही कारण है कि चार्ट के आसपास अपनाने, विचार नेतृत्व, उपकरणों, सुविधाओं, अनुप्रयोगों और पद्धतियों में विस्फोट होता है। , और लक्षित उपचार दृष्टिकोण नहीं बदला है, यह अब तक का सबसे लंबा मुद्दा है। पहले से ही तीन महीने बीत चुके हैं। यह विषय सभी को संबोधित करता है - शुरुआती लोगों से विशेषज्ञों तक, और रणनीतिक विचारकों और मॉडलरों से इंजीनियरों और वैज्ञानिकों तक. Microsoft Azure, GitLab, Netflix, S&P और SAP पर ग्राफिक्स समर्थन से, डेटाब्रिक्स और स्नोफ्लेक पर समानता और एजेंटों तक, ऑंटोलॉजी, ज्ञान ग्राफिक्स और एआई, ग्राफिक्स ट्रांसफार्मर और वैज्ञानिक विफलताओं तक। To meet the leaders and innovators shaping Knowledge Graph, Graph Databases, Semantic Technology and Graph Analytics / Data Science / AI, come to . Connected Data London 2025 on November 20 – 21 Connected Data लंदन 2025 20 से 21 नवंबर तक सामग्री की तालिका Graph is the new star schema Graphs power Systems of Intelligence A unified semantic knowledge graph for Enterprise AGI Defining and building ontologies Getting started with knowledge graphs Adopting, building and populating knowledge graphs Knowledge graphs and AI: a two-way street The state of GraphRAG Multimodal graphs Graph databases grow and evolve LPG vs. RDF, OWL vs. SHACL Graph AI: GNNs, graph transformers and foundational models Graph science: Strong perfect graphs, the new Dijkstra’s algorithm and convergent neural networks ग्राफ के वर्ष का यह संस्करण आपको जी.वी. (), मेटाफैक्ट्स, लिंक्चरियस और कोने द्वारा लाया गया है। यदि आप एक आने वाले संस्करण में दिखाई देना चाहते हैं और इस काम का समर्थन करना चाहते हैं, तो संपर्क करें! This issue of the Year of the Graph is brought to you by , , , and . G.V() metaphacts Linkurious cognee जीएसटी() मेटाफैक्ट्स लिंक कोने यदि आप एक आने वाले संस्करण में दिखाई देना चाहते हैं और इस काम का समर्थन करना चाहते हैं, ! बाहर पहुंचें Announcing the State of the Graph project Graph परियोजना की स्थिति की घोषणा करना एक व्यापक और अद्यतन भंडारण, विज़ुअलाइज़ेशन, और ग्राफ प्रौद्योगिकी अंतरिक्ष में सभी प्रस्तावों का विश्लेषण। 👉 जल्द ही आ रहा है. अपडेट के लिए साइन अप यहाँ Graph is the new star schema ग्राफ नई स्टार योजना है आईरीना मालकोवा, Salesforce में उत्पाद डेटा और एआई के उपाध्यक्ष, ऐसा सोचते हैं. एआई से पहले, मालकोवा ने महसूस नहीं किया कि ग्राफ मेटाडेटा अपने टीम के लिए एक ROI सकारात्मक निवेश था - हालांकि उन्होंने कभी भी बहुत करीब नहीं देखा। क्या ग्राफ वास्तव में नई स्टार योजना है? अब, हालांकि, मालकोवा को एहसास होता है कि एजेंट स्वतंत्र नहीं हो सकते हैं जब तक कि डेटा एक ग्राफ़ के रूप में संरचित न हो. मालकोवा ने इस धारणा को व्यक्त करने के कुछ दिनों बाद, उसकी पोस्ट ग्राफ़ नेताओं को आकर्षित करती है जो अधिक पृष्ठभूमि और संदर्भ साझा करते हैं। जैसा कि वह इसे डालता है, Malkova आश्चर्य है कि यह कैसा होगा अगर ग्राफ़ इनसाइडर्स और नए आते हैं सभी एक-दूसरे से सीखने के माध्यम से अपने कामों को फिर से कल्पना करते हैं। हम ग्राफ़्स की तीसरी लहर के माध्यम से जी रहे हैं, अब एआई एजेंटों को डेटा खिलाने की आवश्यकता से प्रेरित ग्राफिक्स और डेटा स्टोर स्टार योजना के बीच क्या समान है? वे हर जगह हैं, और वे संगठनों के लिए मूल्य को लॉक करने में मदद करते हैं. स्टार योजना के विपरीत, हालांकि, ग्राफिक्स डेटा मॉडल लचीले हैं और स्पष्ट रूप से समानता का मॉडल कर सकते हैं। जैसा , अच्छी तरह से परिभाषित प्रक्रियाओं और प्रतिरोधी आर्किटेक्चर के बिना, GenAI द्वारा लाए गए तेजकरण कार्य प्रवाहों को सरल बनाने के बजाय अराजकता को बढ़ावा देने का जोखिम उठाता है। चार्ल्स बीट्ज़, VP, मुख्य विश्लेषक फोर्स्टर नोट्स कुंजी एक मजबूत आईटी ऑपरेटिंग मॉडल का निर्माण करने में है जो प्रबंधन प्रणालियों के कपड़े में GenAI को एकीकृत करता है। ग्राफ इंटेंट्स और रिश्तों को लचीले तरीके से प्रतिनिधित्व करते हैं, जिससे GenAI जटिल डेटा परिदृश्यों पर विचार करने में सक्षम होता है. ग्राफ-आधारित ज्ञान बुनियादी ढांचे में निवेश करके, संगठन पारदर्शिता, ट्रैकिंग और समायोजन सुनिश्चित करते हुए एआई की पूरी क्षमता को खोल सकते हैं। Matan-Paul Shetrit, Writer में उत्पाद प्रबंधन के निदेशक, यह एक कदम आगे ले जाता है, पारंपरिक उद्यम में, समन्वय मैन्युअल था. हाइब्रिड उद्यम में, समन्वय प्रोग्रामिंग योग्य हो जाता है. भविष्य की कंपनियों के लिए ऑर्केस्ट्रेशन परत के रूप में ग्राफ की कल्पना करना यह अब कार्य प्रवाह की प्राथमिक मानचित्र नहीं है. ऑर्केस्ट्रेशन ग्राफ है: लोगों, एजेंटों और प्रणालियों का गतिशील, अक्सर अदृश्य नेटवर्क जो प्रतिनिधिमंडल तार्किक, निष्पादन लूप और एस्केलेशन पथों द्वारा जुड़ा हुआ है। G.V() एक ग्राफ़ डेटाबेस क्लाइंट और आईडीई है जो आपको प्रत्येक कार्य के माध्यम से सक्षम करता है: No matter what graph technology you work with, G.V() makes you more productive लिखें, निष्पादित करें, और प्रोफ़ाइल पूछताछ अपने डेटा मॉडल की जांच करें उच्च प्रदर्शन ग्राफ विज़ुअलाइज़ेशन के साथ अपने डेटा का पता लगाएं Fly पर डेटा जोड़ें या संपादित करें सबसे व्यापक रूप से संगत ग्राफ़ डेटाबेस आईडीई के रूप में, G.V() 20 से अधिक उपकरणों का समर्थन करता है, जिसमें Amazon Neptune, Google Spanner Graph, Neo4j और JanusGraph शामिल हैं - और अब Ultipa Graph के लिए GQL समर्थन के साथ। इसे अपने लिए आज़माएं और 5 मिनट से भी कम समय में अपनी डेटाबेस की पूछताछ शुरू करें: गूगल.com Graphs power Systems of Intelligence ग्राफ्स पावर सिस्टम की बुद्धि ग्राफ GenAI के साथ-साथ विकसित हो रहे हैं, प्रभावित करते हैं और इसके द्वारा प्रभावित होते हैं। जनरेटिव एआई क्षमताएं तेजी से आगे बढ़ रही हैं और अगले 2-5 वर्षों में उपलब्ध होने वाले उपकरणों में परिवर्तन होगा। Gartner 2025 AI Hype Cycle के अनुसार अल निवेश मजबूत रहता है, लेकिन ध्यान GenAl hype से Al-ready डेटा, Al एजेंट, Al इंजीनियरिंग और ModelOps जैसे बुनियादी नवाचारों के लिए बदल रहा है। इन शर्तों का मतलब है GenAI C-suite के लिए एक शीर्ष प्राथमिकता है. Knowledge Graphs इस का एक महत्वपूर्ण हिस्सा हैं, प्रकाश के पथ पर स्थित हैं। . ज्ञान ग्राफ सिस्टम की जानकारी के लिए भी आधार हैं यह एक शब्द है जिसके द्वारा और SiliconANGLE & theCUBE विश्लेषकों डेविड Vellante और जॉर्ज गिल्बर्ट द्वारा उनके . सूचना प्रणालियों Geoffrey Moore Snowflake नई प्रतिस्पर्धी गतिशीलता को कैसे नेविगेट करता है पर विश्लेषण सूचना प्रणाली आधुनिक उद्यम आर्किटेक्चर का आधार है क्योंकि एआई एजेंट केवल ज्ञान ग्राफ में प्रतिनिधित्व किए गए व्यवसाय की स्थिति के रूप में स्मार्ट हैं. यदि एक प्लेटफॉर्म उस ग्राफ को नियंत्रित करता है, तो यह "क्यों यह होता है, अगले में क्या होता है, और हमें क्या करना चाहिए? A unified semantic knowledge graph for Enterprise AGI एंटरप्राइज़ एजीआई के लिए एक एकीकृत सेमेंटिक ज्ञान ग्राफ Vellante और Gilbert भी अपने विश्लेषण में कैसे सेमेन्टिक्स के महत्व पर जोड़ते हैं रणनीति को समझना यह पहचानना है कि कैसे बुद्धि प्रणाली, प्रतिबद्धता प्रणाली, और एजेंसी प्रणाली एक फ्लाईवेल बनाती हैं: डेटाब्रिक्स के लिए अली गॉडसी का डेटा खुफिया प्लेबुक डेटा को एजेंसी लाभ में बदल रहा है User Intent Feeds Semantics: प्रत्येक प्रश्न अंततः कैटलॉग को समृद्ध संदर्भ के साथ समृद्ध करता है, डेटा को अर्थ जोड़ता है ताकि दूसरों को इससे अधिक मूल्य निकाल सकें। सेमेन्टिक्स फ़ीड एजेंट: बेहतर निर्णय लेने और अंततः स्वायत्त रूप से कार्य करने के लिए समृद्ध संदर्भ हथियार एजेंट। एजेंट परिणाम पैदा करते हैं: एजेंट व्यापार लक्ष्यों के साथ अधिक प्रभावी ढंग से परिणाम प्रदान करते हैं। यह कंपनी की डेटा इंटेलिजेंस रणनीति का मूल पत्थर है. संगत, नियंत्रित और समृद्ध समानता के बिना, डैशबोर्ड, एजेंट, या ऑपरेटिंग एप्लिकेशन एकीकृत और कार्य नहीं कर सकते। अली गोडसी ने दांवों को स्पष्ट कर दिया है, जिसने समानता के स्वामित्व को "अस्तित्ववादी" कहा है लक्ष्य एजेंटों को सक्षम करना है जो न केवल जानते हैं कि क्या हुआ है, बल्कि यह भी निष्कर्ष निकाल सकते हैं कि क्यों, भविष्यवाणी कर सकते हैं कि अगला क्या है और निर्धारित करें कि क्या करना है. यह उद्यम एआई का पवित्र ग्रेल है - "इंटरप्राइज़ एजीआई" के लिए नींव। रणनीतिक विचारकों को समानता के स्वामित्व के महत्व को समझना चाहिए, और यह कारण है कि लोग सीमेंटिक परतों के बारे में बात कर रहे हैं - लेकिन वास्तव में एक सीमेंटिक परत क्या है? एआई युग में सेमेंटिक परतें पहले से कहीं अधिक महत्वपूर्ण हैं Connected Data समुदाय के सदस्य Sofus Macskássy, Jessica Talisman, Juan Sequeda और Andreas Blumauer . कई कोणों से सेमेंटिक परतों का दृष्टिकोण, परिभाषाओं और दिशानिर्देशों को साझा करना Why AI alone can’t solve all your data problems एलएलएम अक्सर "हल्सीन" करते हैं क्योंकि वे व्यापक, सांख्यिकीय पैटर्न पर भरोसा करते हैं, न कि आपके व्यवसाय के अद्वितीय ज्ञान। metis एक ज्ञान-आधारित एआई प्लेटफॉर्म है जो कनेक्ट किए गए डेटा को व्यवसाय मूल्य में परिवर्तित करता है. metis के साथ, आप एआई के साथ व्यावहारिक मॉडल बना सकते हैं और प्रबंधित कर सकते हैं, कस्टम वार्ताकार एजेंट डिजाइन और तैनात कर सकते हैं, और संक्षेप, पूछताछ निष्पादित करने के लिए उपकरणों को जोड़ सकते हैं और अधिक। एक विश्वसनीय, विश्वसनीय एआई का उपयोग करें जो वास्तव में आपके व्यवसाय को समझता है। आज मेटाबॉक्स की खोज करें! Defining and building ontologies Ontologies को परिभाषित और बनाना सार्थक परतों को परिभाषित करना मेटा-सामानिकी कहा जा सकता है, जो थोड़ा इरॉनिक है, लेकिन एक ही समय में आवश्यक है। सटीक परिभाषाएं यह हैं कि सार्थकता क्या है, और क्षेत्र में नवीनीकृत रुचि और नए लोगों के साथ, भ्रम, हाईप और गर्म तर्क अनिवार्य दुष्प्रभाव हैं। यह भी कहा जा सकता है कि जब CTOs सोचते हैं " ” और विशेषज्ञों का मानना है, बातचीत काफी तेजी से तकनीकी हो सकती है. अन्य अधिक व्यावहारिक पहलुओं पर ध्यान केंद्रित करते हैं, जैसे कि . Ontology क्या है क्या संगठन उपयोग में ऑन्टोलॉजी के लिए पोस्टर बच्चे से सीख सकते हैं: Palantir यह एक और निरंतर बातचीत की ओर इंगित करता है: यहां तक कि मानते हुए कि लोग एक ऑन्टोलॉजी के बारे में सहमत हैं, एक का निर्माण करने का सबसे अच्छा तरीका क्या है? ? And ? इंजीनियरिंग वास्तव में एक गड़बड़ी क्यों ऑन्टोलॉजी और डेटा आर्किटेक्चर टीमें अलग-अलग भाषाओं के साथ एक ही समस्या को हल करती हैं Palantir के पास अपने स्वयं के, स्वायत्त परिभाषा और ऑन्टोलॉजी के कार्यान्वयन हैं. कुछ लोग मानते हैं कि यह विरोधी उत्पादक है. OWL, RDF, SKOS और SHACL जैसे मानक मौजूद हैं, इसलिए व्हील को फिर से आविष्कार करने का कोई कारण नहीं है. दूसरों का मानना है कि यद्यपि बातचीत अच्छी है, और समूह सोचता है कि विकास की सीमाएं हैं। ये नियम हमेशा उद्देश्य के लिए उपयुक्त नहीं होते हैं। एक बढ़ती सहमति है कि जो होलर का तर्क है कि ऑन्टोलॉजी विकास मुश्किल है क्योंकि यह विषय विषय विशेषज्ञों पर भरोसा करता है जो ऑपरेटिंग भाषा, कार्य प्रवाहों और शब्दकोश के गहन समझ लाते हैं, लेकिन आमतौर पर सख्त ढांचे के भीतर उस ज्ञान का प्रतिनिधित्व करने के लिए आवश्यक औपचारिक प्रशिक्षण की कमी है। आध्यात्मिकता, जितनी कठिन हो सकती है उतनी कठिन Basic Formal Ontology (BFO), Common Core Ontology (CCO), या SUMO (Suggested Upper Merged Ontology) जैसे शीर्ष स्तर के ओंटोलॉजी (TLOs) ऐसे कठोर ढांचे हैं। . TLOs दो तरीकों से ROI की मदद करता है सबसे पहले, पुन: आविष्कार से बचें - आपको हर परियोजना के लिए बुनियादी श्रेणियों पर बहस करने या पुनर्निर्माण करने की आवश्यकता नहीं है. दूसरा, जब डोमेनों को बातचीत करने की आवश्यकता होती है - वित्त के साथ रसद, संचालन के अनुपालन, स्वास्थ्य देखभाल के साथ बीमा - साझा फाउंडेशन नाटकीय रूप से एकीकरण की लागत को कम करता है। is something that people like Tony Seale have been advocating. Stardog CEO & Founder Kendall Clark claims that . Ontology विकास का समर्थन करने के लिए एलएलएम का उपयोग करना बुनियादी मॉडल का लाभ उठाने वाली बिल्डिंग ऑन्थोलॉजी "शास्त्रीय" है जो त्वरित स्टैफ़ॉल्डिंग, प्रतीकात्मक समायोजन, औपचारिक कोडिंग और पुनरावृत्तिपूर्ण सत्यापन के माध्यम से काम करती है हालांकि, यह, वह दावा करता है, यह धारणा पर आधारित है कि हमें कई ऑन्टोलॉजी का निर्माण करने की आवश्यकता है, क्योंकि प्रत्येक परियोजना को एक ऑन्टोलॉजी की आवश्यकता होती है। सीमेंटिक आर्ट्स सीईओ और संस्थापक डेव मैककोम्ब इस धारणा को चुनौती देता है कि एक एलएलएम प्राप्त करने के लिए यहां तक कि एक खराब ऑन्टोलॉजी बनाने के लिए एक अच्छा प्रारंभिक बिंदु है हमें क्या चाहिए, मैककोम्ब का तर्क है, बड़े पैमाने पर कम ऑन्थोलॉजी के आदेश हैं. आप वास्तव में ऑन्थोलॉजी की सुपरशक्तियों को देखते हैं जब आपके पास एक उद्यम में जटिल अवधारणाओं का सबसे सरल संभव अभिव्यक्ति है. इस विश्वास में प्रतिबिंबित है , एक ओपन-सॉर्ड, बिजनेस उन्मूलन ontology सक्रिय रूप से Semantic Arts द्वारा विकसित किया गया है. इसके हल्के डिजाइन और दैनिक शब्दकोश का उपयोग इसे कई क्षेत्रों में डोमेन ontology विकास को kickstart करने के लिए एक उपयोगी उपकरण बना दिया है। . जॉब gist is now aligned with BFO Regardless of how you choose to build your ontology, tools and methodologies to help do exist. From books such as ओपन सोर्स जैसे उपकरणों के लिए और . Ontology इंजीनियरिंग में प्रवेश पैकेजिंग के आधार पर Ontology Maker OntoAligner, ontology समायोजन के लिए एक व्यापक मॉड्यूलर और मजबूत Python टूलकिट Sneak peek: Graph visualization and analytics, reimagined for the cloud 2013 में स्थापित, Linkurious ग्लोबल 2000 कंपनियों और सरकारी एजेंसियों को जटिल कनेक्टेड डेटा को स्पष्ट अंतर्दृष्टि में बदलने में मदद करता है। अब, हम अपने प्रमुख ग्राफ़ विज़ुअलाइज़ेशन और विश्लेषणात्मक समाधान को क्लाउड में ला रहे हैं. Linkurious Enterprise Cloud (लंबे सप्ताह लॉन्च से दूर ... इसे करने के लिए पहले लोगों में से एक बनें!) आपके ग्राफ़ डेटा का पता लगाने के लिए सबसे उपयोगकर्ता-अनुकूल, लचीला और स्केलेबल तरीका है. मिनटों में, एक खाता बनाएं, अपने ग्राफ़ डेटाबेस को कनेक्ट करें, और पैमाने पर रिश्तों का पता लगाएं - कोई बुनियादी ढांचे या रखरखाव की आवश्यकता नहीं है। 👉 प्रारंभिक पहुंच प्राप्त करें - मुफ्त परीक्षण के लिए प्रतीक्षा सूची में शामिल हों। Getting started with knowledge graphs ज्ञान ग्राफ के साथ शुरू करना ज्ञान ग्राफिक्स के साथ बनाई गई एक सेमेंटिक परत डेटा को तेजी से एकीकृत करने और संदर्भ संबंधों और साझा मॉडल के साथ डेटा की गुणवत्ता और भरोसा में सुधार करने के द्वारा डेटा के अंतर्निहित मूल्य को बढ़ाती है। पेरिस के बारे में बात करें। संगठनों को एआई पर बेहतर ROI के लिए पारंपरिक ETL (उत्पादित करें, परिवर्तित करें, लोड करें) के बजाय ECL (उत्पादित करें, संदर्भित करें, लोड करें) की नई परिदृश्य को अपनाने की आवश्यकता है पहला, क्योंकि आपका तालिका डेटा मूर्ख है, भले ही आपका व्यवसाय नहीं है, और दूसरा, क्योंकि एलएलएम पर आधारित पूर्वानुमान (विदेशीय) निष्कर्ष के विपरीत, ज्ञान ग्राफों पर आधारित ऑंटोलॉजिकल (लॉजिकल) निष्कर्ष निर्धारित और समझाया जा सकता है। Businesses must ground their AI in knowledge graphs आप सोच सकते हैं कि ज्ञान चार्ट लागू करने के लिए बहुत जटिल हैं, या कि उन्हें बड़े डेटा सेट की आवश्यकता है। कि Vasilije Markovic को संबोधित करने की कोशिश करता है. लेकिन यहां तक कि अगर आप ग्राफ के लिए नए हैं, तो आपको शुरू करने के लिए बहुत सारे संसाधन हैं। ज्ञान ग्राफ के आसपास आम गलतफहमी में » ", फ्रैंक ब्लू ग्राफ सोच के लिए एक गाइड प्रदान करता है। ” series, Paco Nathan shares how to get up to speed on graph fundamentals. Max De Marzi shares और . Graph से संबंधित ग्राफ टेक्नोलॉजी demystified ग्राफ मॉडलिंग मास्टरी टिप्स यदि आप एक ज्ञान ग्राफ इंजीनियर की भूमिका निभाना चाहते हैं, तो थॉमस थेलन ने साक्षात्कार के प्रश्नों की एक सूची तैयार की एक ज्ञान ग्राफ का निर्माण बहुत अच्छा लगता है, लेकिन कुछ महत्वपूर्ण बुनियादी प्रश्नों का जवाब देने के बिना बहुत जल्दी में कूदना समय और अत्यधिक इंजीनियरिंग के लिए बर्बाद हो सकता है। . आपको स्मार्ट शुरू करने में मदद करने के लिए 15 प्रश्न, चाहे आप एक सरल आंतरिक ग्राफ का निर्माण कर रहे हों या एक जटिल GenAI-आधारित प्रणाली की योजना बना रहे हों एक उद्यम ज्ञान ग्राफ को लागू करना एक बहु-स्तरीय यात्रा है. परियोजनाओं को प्रारंभिक अवधारणा प्रमाण से पूरी तरह से उत्पादित, बहु-डॉमेन ग्राफ तक ले जाने के रूप में, लागत जमा होती है। . जो होलर विशिष्ट चरणों (PoC, पायलट, और पूर्ण उद्यम तैनाती) और प्रत्येक में शामिल लागत को तोड़ता है Cognee turns any data into a queryable knowledge graph backed by embeddings Cognee turns unstructured, structured and semi-structured data into a queryable knowledge graph backed by embeddings. कॉग्नी रिट्रिवर सटीक, बहु-हॉप उत्तरों और पुनरावृत्ति योग्य संदर्भ के लिए ग्राफ़ पारदर्शिता के साथ वेक्टर समानता को मिश्रित करते हैं - इसलिए एजेंट तर्क और संरचना के साथ याद रखें। कॉग्नी की समृद्धता परत, समय जागरूकता, स्वचालित अनुकूलन, और इसके नए यूआई को और भी बेहतर अनुभव के लिए जोड़ें। Cognee is open source, with a hosted version – cogwit. Try it. Cognee is open source, with a hosted version – cogwit. Try it. Adopting, building and populating knowledge graphs ज्ञान ग्राफ को अपनाना, बनाना और जननांग करना अधिक लोग ज्ञान ग्राफ का निर्माण करना चाहते हैं, और इसे करने के लिए पहले से कहीं अधिक उपकरण और दृष्टिकोण हैं। SAP पर, आप अब कर सकते हैं . कोडबेस आरएजी, कोड नेविगेशन, प्रभाव विश्लेषण और वास्तुकला विज़ुअलाइज़ेशन के लिए इस्तेमाल किया जा सकता है। . SAP HANA Cloud Knowledge Graph के साथ व्यावहारिक पूछताछ का उपयोग करें GitLab’s knowledge graph Graph-Code is an open source graph-based RAG system for any codebase Synalinks एक केरास-आधारित न्यूरो-सामान्य ढांचा है जो न्यूरो नेटवर्क और प्रतीक तर्क के बीच अंतर को पुल करता है। features optimized and constrained knowledge graph extraction and retrieval, integration with agents, Neo4j support, Cypher query generation and automatic entity alignment. SynaLinks latest release 0.3 Cognee is a modular framework for end-to-end knowledge graph construction and retrieval. A joint post by the cognee and Kuzu teams shows . Similarly, Amber Lennox shares . Relational Data को Knowledge Graph में कैसे परिवर्तित करें how to go from raw data to a knowledge graph with SynaLinks अन्य उपकरणों पर ट्यूटोरियल की कमी भी नहीं है। . Thu Hien Vu shares Alain Airom के बारे में . how to build a knowledge graph from structured & unstructured data using FalkorDB and Graphiti how to extract knowledge graphs from text with GPT4o builds a knowledge graph from documents using Docling (extracting semantic triples) from documents using an agentic, ontology-driven approach. It combines ontology management, natural language processing, and knowledge graph serialization to turn unstructured text into structured, queryable data. OntoCast ज्ञान ग्राफ बनाने के लिए एक ओपन सोर्स फ्रेमवर्क है is a framework for fully autonomous knowledge graph construction that eliminates the need for predefined schemas. It leverages LLMs to extract knowledge triples and induce comprehensive schemas directly from text. . AutoSchemaKG AutoSchemaKG नवीनतम अनुसंधान है, जिसके साथ कोड GitHub पर जारी किया गया है बाजार में एक प्रणाली है जो पीडीएफ और टेक्स्ट फ़ाइलों को ज्ञान ग्राफ में बदलती है। . ब्लू मोरफो iText2KG, एक ओपन सोर्स पायथन पैकेज जो संतुलित इंटेंट्स और रिश्तों के साथ लगातार ज्ञान ग्राफ का निर्माण करने के लिए डिज़ाइन किया गया है, अब गतिशील ज्ञान ग्राफ का निर्माण कर सकता है , जो पाठ से ज्ञान ग्राफ बनाने के सबसे दर्दनाक हिस्से को स्वचालित करने के लिए एलएलएम का उपयोग करता है: रिकॉर्ड डिडुप्लिकेशन। Russel Jurney introduces the emerging field of semantic entity resolution for knowledge graphs Andrea Volpini shares a notebook , और Prashanth Rao प्रदान करता है . DSPy और Google की नई LangExtract लाइब्रेरी का उपयोग करके सेमेंटिक इंटेंट रिज़ॉल्यूशन और निकासी का पता लगाना a gentle introduction to DSPy for graph data enrichment Year of the Graph Newsletter के लिए साइन अप करें सभी चीजों का ट्रैक रखना Graph Year over Year Year of the Graph Newsletter के लिए साइन अप करें Year of the Graph Newsletter के लिए साइन अप करें सभी चीजों का ट्रैक रखना Graph Year over Year Knowledge graphs and AI: a two-way street ज्ञान ग्राफ और एआई: एक दो दिशा की सड़क In the real world, . using predefined entities and relationships while cleaning up and resolving duplicates and flagging inconsistent sources is a requirement for building knowledge graphs जैसा कि पानोस अलेक्ज़ोपोलोस ने उल्लेख किया है, ये प्रकार के . And . ज्ञान ग्राफ गुणवत्ता मुद्दों जो नीचे अनुप्रयोगों को बाधित करते हैं ज्ञान ग्राफों को स्वचालित करने की कोशिश भी अप्रत्याशित परिणामों के साथ समाप्त हो सकती है The authors of “ ” मानते हैं कि ज्ञान चार्ट और एलएलएम एक साथ काम कर सकते हैं. वे दिखाते हैं कि व्यापार की जरूरतों और गैर संरचित पाठ डेटा स्रोतों के आधार पर ज्ञान चार्ट को मॉडलिंग कैसे करें, ऑन्टोलॉजी, टैक्सोनॉमी, संरचित डेटा, मशीन सीखने एल्गोरिथ्म और तर्क का उपयोग कैसे करें। Knowledge Graphs and LLMs in Action The relationship goes the other way round, too. As part of their interpretability research, Anthropic introduced a new method to trace the “thoughts” of a large language model. The approach is to generate attribution graphs, which (partially) reveal the steps a model took internally to decide on a particular output. , releasing a frontend to explore graphs. Michael Hunger wrote a , and Srijan Shukla . Anthropic open sourced a library that supports the generation of attribution graphs on popular open-weights models script to import the graph json into Neo4j Claude की छिपी हुई स्मृति को इंटरैक्टिव ज्ञान ग्राफ में परिवर्तित करने के लिए खुले स्रोत कोड एलएलएम की दुनिया में, शब्द "संदर्भ इंजीनियरिंग" आकर्षण प्राप्त कर रहा है। सही प्रारूप में सही जानकारी और उपकरण प्रदान करने के लिए गतिशील प्रणालियों का निर्माण, ताकि एलएलएम संभावित रूप से कार्य को पूरा कर सके। LangChain’s CEO Harrison Chase defines context engineering जैसा कि Jérémy Ravenel नोट करता है, . And if AI is going to scale beyond demos and copilots into systems that reason, track memory, and interoperate across domains, then context alone isn’t enough. We need ontology engineering. context without structure is narrative, not knowledge संदर्भ इंजीनियरिंग इनपुट को क्यूरेट करने के बारे में है: प्रिम्प्ट, स्मृति, उपयोगकर्ता निर्देश, एम्बेडमेंट. यह फ्रेमिंग की कला है. ऑन्टोलॉजी इंजीनियरिंग दुनिया को मॉडल करने के बारे में है: इकाइयों, रिश्तों, एक्सामों और प्रतिबंधों को परिभाषित करना जो तर्क संभव बनाते हैं। . Knowledge graphs excel at providing structured, semantic context to LLMs by organizing information as interconnected entities and relationships, making them great options for Memory and Retrieval, as . Knowledge graphs backed by ontologies are the ultimate context layer for LLMs Anthony Alcaraz notes Agentic knowledge graph construction and temporal graphs एजेंटिक ज्ञान ग्राफ निर्माण और समय ग्राफ is the latest in automated knowledge graphs. The idea Anthony Alcaraz promotes based on a tutorial by Andrew Ng and Andreas Kolleger is to deploy an AI agent workforce, treat AI as a designer, not just a doer, and use a 3-part graph architecture to augment humans instead of replacing them. एजेंटिक ज्ञान ग्राफ निर्माण The authors of the book “ ” aim to equip data scientists to build intelligent AI agents that reason, retrieve, and interact dynamically, empowering them to deploy AI solutions. They dedicate a chapter to creating and connecting a knowledge graph to an AI Agent. Building AI Agents with LLMs, RAG, and Knowledge Graphs गूगल क्लाउड ने गूगल एजेंटस्पेस को लॉन्च किया, जो व्यक्तियों, टीमों और उद्यमों के लिए आईए एजेंट्स का निर्माण, प्रबंधन और अपनाने के लिए एकल मंच प्रदान करता है। . Google Agentspace is powered by a knowledge graph, built on Spanner Graph , claiming to be the largest open source financial knowledge graph built from unstructured data. FinReflectKG वित्तीय ज्ञान ग्राफों के एजेंटिक निर्माण और मूल्यांकन का एक व्यावहारिक उदाहरण है and performing multi-hop retrieval directly over those graphs. While the cookbook focuses on OpenAI models and some other specific tooling, the underlying framework and logic are model-agnostic and easily adaptable to other stacks. OpenAI ज्ञान ग्राफ के साथ अस्थायी एजेंट बनाने के लिए एक व्यावहारिक गाइड जारी करता है एक और दृष्टिकोण Fareed Khan द्वारा साझा किया गया है “ कैन दिखाता है कि एक अंत से अंत समय एजेंट पाइपलाइन कैसे बनाया जाए जो कच्चे डेटा को गतिशील ज्ञान आधार में परिवर्तित करता है, और प्रदर्शन को मापने के लिए एक बहु एजेंट प्रणाली का निर्माण करता है। आधुनिक आरएजी सिस्टम में विकसित ज्ञान आधारों को अनुकूलित करने के लिए एक अस्थायी एआई एजेंट का निर्माण TGM एक अनुसंधान ओपन सोर्स पुस्तकालय है जो गतिशील ग्राफों पर प्रशिक्षण कार्य भार को तेज करने और टाइमर ग्राफ सीखने के तरीकों के प्रोटोटाइप को सुविधाजनक बनाने के लिए डिज़ाइन किया गया है। टाइमर ग्राफ़ मॉडलिंग यह है कि TGM पर ध्यान केंद्रित करता है The state of GraphRAG GraphRAG की स्थिति And what about GraphRAG? Just over a year ago, GraphRAG was the hottest topic in AI. GraphRAG is an emerging set of techniques to enhance retrieval-augmented generation by integrating knowledge graphs, using their structured nature to provide richer, more nuanced context than standard vector search could offer. Several architectural blueprints for harnessing these graphs to capture the complex relationships between entities were laid out, with the goal of producing more accurate and contextually aware AI-generated responses. Since then, Ben Lorica has been watching for signs of these techniques taking root in practice. While evidence of widespread adoption is scarce, forward-looking applications are emerging. In agentic AI systems, the graph is evolving from a simple data source for retrieval into a foundational map for reasoning and coordination. लोरिया का कहना है। ग्राफ-केंद्रित दृष्टिकोण का सच्चा मूल्य स्पष्ट हो जाता है जब एजेंटिक एआई पर लागू किया जाता है GraphRAG अभी भी गर्म है. Neo4j ने प्रकाशित किया and . Avi Chawla shares a , while a . claims to decrease RAG retrieval error rate by 67%. Developer’s Guide to Graph RAG मूल GraphRAG किताब visual explainer of RAG vs Graph RAG अनुभवी अध्ययन विश्लेषण करता है कि RAG के लिए ज्ञान ग्राफ का उपयोग कब और कैसे करें Anthropic’s Contextual Retrieval There are more new GraphRAG variants too. takes cues from the brain to improve LLM retrieval. HippoRAG combines GraphRAG with Reinforcement Learning. Graph-R1 introduces a novel distillation framework that transfers RAG capabilities from LLMs to SLMs through evidence-based distillation and Graph-based structuring. DRAG uses hierarchical clustering to link disparate topic clusters to enhance global reasoning. HiRAG Andreas Kolleger highlights , और बेन लॉरीका शेयर . innovative approaches from the GraphRAG Track at AI Engineer World’s Fair 2025 RAG Reimagined में आपको जानने की जरूरत के 5 विफलताएं Sergey Vasiliev argues इसके विपरीत, Huawei के शोधकर्ताओं ने प्रकाशित किया . GraphRAG में विचारों की कमी नहीं है, लेकिन यह बढ़ने के लिए संघर्ष करता है GraphRAG सिस्टम में तर्क गहराई के साथ स्केलेबलता संतुलन में एक व्यावहारिक मामले का अध्ययन Multimodal graphs Multimodal graphs एक विषय जो GraphRAG में और उससे परे चल रहा है वह मल्टी-मॉडालिटी है। is an all-in-one RAG system that leverages multimodal knowledge graphs for automatic entity extraction and cross-modal relationship discovery for enhanced understanding. RAG-Anything is a framework designed by David Hughes and Amy Hodler to seamlessly integrate visual and textual data for more comprehensive insights and more accurate responses. It combines embeddings that capture visual and audio semantics, graph-based reasoning and explainable outcomes. multimodal GraphRAG combines structured knowledge representations with deep learning techniques to handle diverse information sources. के Multimodal for Knowledge Graphs (MM4KG) In “ “, researchers propose a unified framework of multi-modal graph data, task, and model, discovering the inherent multi-granularity and multi-scale characteristics in multi-modal graphs. Multi-modal Graph बड़े भाषा मॉडल के लिए Graph databases grow and evolve Graph databases grow and evolve as Joe McKendrick writes on ZDNet. Graph databases are projected to have a five-year CAGR of 24% – 26% according to and कुल डेटाबेस बाजार हर साल 16% बढ़ेगा। Graph databases are exploding, thanks to the AI boom, Gartner the Business Research Company चूंकि एआई और आरएजी ने ग्राफ़ और वेक्टर डेटाबेस दोनों को एक महत्वपूर्ण प्रोत्साहन दिया है, लोग यह निर्धारित करने की कोशिश कर रहे हैं कि इन दोनों की तुलना कैसे करें, और कब और कैसे प्रत्येक का उपयोग करें। Andreas Blumauer . : they encode logic, preserve causality, and let you do symbolic + neural hybrid search, Shobhit Tankha chimes in. In André Lindenberg’s words: . compares vector and graph database semantics Graphs don’t just store facts A database tells you what is connected. A knowledge graph tells you why ग्राफ डेटाबेस गतिविधि से भरे हुए हैं. सबसे पहले, हमने पिछले कुछ महीनों में एक नहीं बल्कि दो नए विक्रेताओं की घोषणा देखी है। , RDF ज्ञान ग्राफिक्स के लिए एक कुशल डिस्क-आधारित ग्राफिक्स डेटाबेस, अब ओपन बेटा में है। , एक कम देरी में मेमोरी ग्राफ़ डेटाबेस इंजन, अब प्रारंभिक पहुंच के लिए खुला है। टेंडर TuringDB Existing graph database vendors are making progress too. , a new graph architecture that aims to eliminate data silos between transactional and analytical systems. Neo4j went HTAP by launching Infinigraph introduced engine improvements and support for AWS Graviton-based r8g instances. Amazon Neptune 1.4.5 , bringing improvements in developer ease, performance, and cost efficiency. Aerospike Graph Database 3.0 was announced , bringing broad LLM compatibility, MCP support, precision entity linking, native GraphQL support and performance improvements. Graphwise announced the availability of versions 11 and 11.1 of GraphDB , bringing single-file databases, improvements to vector and full-text search indices, and new LLM support. Kuzu v0.11.0 was released . TigerGraph announced a strategic investment from Cuadrilla Capital GQL, हाल ही में बनाया गया ग्राफिक्स पूछताछ भाषा मानक, अपनाया जा रहा है। , उपयोगकर्ताओं को किसी भी Fabric Eventhouse या Azure Data Explorer पर GQL पूछताछ चलाने की अनुमति देता है। . And integrated with deep search. Microsoft is adding GQL support to KQL graph semantics Microsoft Fabric ने Real-Time Intelligence में ग्राफ विश्लेषण की पेशकश शुरू की Siren GQL Graph Querying की पेशकश करने वाली पहली जांच प्लेटफॉर्म है For a guide to designing, querying, and managing graph databases with GQL, check the newly released book और अब आप सीधे , Ultipa VS Code Extensions के लिए धन्यवाद। Getting Started with the Graph Query Language (GQL) run GQL queries in VS Code Graph data models: LPG vs. RDF, OWL vs. SHACL Graph data models: LPG vs. RDF, OWL vs. SHACL The LPG vs. RDF debate over graph data models never really goes away. Bryon Jacob explored RDF’s complete stack – (IRIs), (triples), (RDFS/OWL), (SPARQL), and . Jacob argues that . identity structure सेमिनार इच्छाएं compared it to property graphs major enterprises are discovering they’ve been rebuilding RDF piece by piece और Atanas Kiryakov एक जाओ पर है good insights in the comment section. In , Enterprise Knowledge share ways to manage and apply a selection of these frameworks to meet enterprise needs. Ora Lassila agrees, आरडीएफ के बारे में शहरी मिथकों को उजागर करना और समझाने के लिए कैसे ontologies GraphRAG मदद करता है; एलपीजी और आरडीएफ फ्रेमवर्क In his exploration on , Kurt Cagle claims that we are soon likely to see the unification of LPG and RDF. Cagle also predicts that event-driven and dynamic knowledge graphs SHACL-based modeling will be more important going forward. He follows up . ज्ञान ग्राफ का भविष्य arguing it’s time to rethink Linked Data , enabling to transpile domain models into schema definition languages like GraphQL, Avro, SQL, RDF, and Java while preserving semantics. . Netflix unveiled its UDA (Unified Data Architecture) to model once, represent everywhere S&P launched its new AI-ready Metadata on the S&P Global Marketplace, with RDF under the hood लोग OWL vs. SHACL पर भी बहस कर रहे हैं. Holger Knublauch, Boris Pelakh, Pete Rivett और Jessica Talisman इस बारे में बात करते हैं जबकि माइकल Iantosca का तर्क है कि . the great semantic modeling debate both OWL and SHACL can be employed during the decision-making phase for AI Agents when using a knowledge graph Holger Knublauch shares a preview of . Veronika Heimsbakk’s book “ ” प्री-ऑर्डर के लिए खुला है. और Kurt Cagle दिखाता है , and और . SHACL 1.2 में क्या आता है व्यावहारिक के लिए SHACL AI और SHACL के साथ पिज्जा कैसे बनाएं how to use SHACL to validate anything build user interfaces Graph AI: GNNs, graph transformers and foundational models Graph AI: GNNs, graph transformers and foundational models We have already seen how to approach graph data models and databases coming from the relational world. But » ? what is a ‘relational foundation model The GenAI boom has given us powerful language models that can write, summarize and “reason” over vast amounts of text and other types of data. But these models don’t work for high-value predictive tasks like predicting customer churn or detecting fraud from structured, relational data. Kumo’s approach, “relational deep learning,” promises to change that. Kumo’s relational foundation model generalizes the to automatically represent any relational database as a single, interconnected graph, and learns directly from this graph representation. परिवर्तित आर्किटेक्चर कोहली ने पहली बार ऐसा किया है. हालांकि, इस मामले में and इसी तरह के तरीकों पर भी काम कर रहे हैं। The evolution is far from over, and the future of graph AI promises to be even more deeply connected. Google के Yandex Microsoft’s Janu Verma shares his own take on Graph Transformers. The Connected Data community is a great place for an .The authors of the have recently added a new chapter on graphs. Jure Leskovec shares . के ग्राफ सीखने और जीएनएनएस में परिचय Geometric Deep Learning पाठ्यपुस्तक what every data scientist should know about Graph Transformers and their impact on structured data PyG (PyTorch Geometric) एक पुस्तकालय है जो संरचित डेटा से संबंधित एक विस्तृत श्रृंखला के लिए Graph Neural Networks को आसानी से लिखने और प्रशिक्षित करने के लिए PyTorch पर बनाया गया है। PyG has evolved significantly since its initial release, establishing itself as a leading framework for Graph Neural Networks. जो स्केलेबलता और वास्तविक दुनिया के अनुप्रयोग क्षमताओं में महत्वपूर्ण सुधार लाता है। PyG 2.0 एक व्यापक अपडेट है . It is a PyTorch-based framework that provides a flexible and modular architecture for building and training GNN models for anomaly detection. GraGOD GNN तकनीकों का उपयोग करके समय श्रृंखला अनियमितता का पता लगाने के लिए एक आधुनिक दृष्टिकोण है Graph science: Strong perfect graphs, the new Dijkstra’s algorithm and convergent neural networks ग्राफ विज्ञान: मजबूत सही ग्राफ, नई Dijkstra के एल्गोरिथ्म और संलग्न तंत्रिका नेटवर्क Last but not least, advances on the scientific front for graphs. Starting with a . Chudnovsky’s breakthrough on the यह दिखाता है कि निष्कर्षित गणित वास्तविक दुनिया के समाधान कैसे बनाता है। profile on Maria Chudnovsky, the “superstar mathematician” who solved a 40-year-old puzzle about perfect graphs Strong Perfect Graph Conjecture वास्तविक दुनिया के समाधानों के बारे में बात करते हुए: जब हम सबसे तेज़ मार्ग खोजने के लिए Google मैप का उपयोग करते हैं, तो मंचों के पीछे, यह डिएकस्ट्रा के एल्गोरिथ्म के कुछ संस्करण को चला रहा है। : something people thought couldn’t really be improved in a meaningful way. शोधकर्ताओं ने Dijkstra की सबसे छोटी पथ एल्गोरिथ्म को चलाने का एक तेज़ तरीका पाया है ट्रैविस थॉम्पसन का दावा अलेक्जेंडर स्टेज का कहना है कि इस . यह डेटा उत्पादों को बनाने और उपभोग करने के तरीके में अच्छी तरह से स्थानांतरित करता है महान सिद्धांत मीलस्टेन, लेकिन उत्पादन मार्गदर्शन ने पहले से ही वर्षों पहले प्रीप्रोसेसिंग और स्मार्ट ग्राफ़ इंजीनियरिंग के साथ "नियमों को बदल दिया" Miklós Molnár Szegedy Balázs’ के काम पर रिपोर्ट करता है परिणाम प्लेटोनिक प्रतिनिधित्व हाइपोथेसिस को इंगित करते हैं, जिसके अनुसार न्यूरोलॉजिकल नेटवर्क वास्तविकता के एक साझा सांख्यिकीय मॉडल के लिए मिल रहे हैं। . समान वास्तुकलाओं के साथ तंत्रिका नेटवर्क प्रशिक्षण Graphs का प्रतिनिधित्व Year of the Graph Newsletter के लिए साइन अप करें सभी चीजों का ट्रैक रखना Graph Year over Year Year of the Graph Newsletter के लिए साइन अप करें Year of the Graph Newsletter के लिए साइन अप करें सभी चीजों का ट्रैक रखना Graph Year over Year
