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? په پروسه کې د اړیکو سره د خبرې کوونکو، موږ په بحثونو کې ګډون کوو چې د ټولنې او تکنالوژۍ په اړه د سرچینې او پرمختګ په اړه تفکر او پراختیا کوي: Knowledge Graphs، Graph Analytics، AI، Data Science، Databases او Semantic Technology. د انټرنیټ ډاټا لندن 2025 لکه څنګه چې موږ دا بیان کړ - د لومړي adopters جوړه شوې ده چې د هغه څه چې اوس د ده کلونو څخه زيات کېدای شي شتون لري، او همدارنګه د نوارانو په پراخه کچه چې د ګرافونو له خوا GenAI یا د پوهې له خوا د ګرافونو له خوا د متحرکیت نمونې لپاره غوره لاره ده. امروزه، د ډاټا ټکټونو ته د هر وخت په پرتله اړیکه ونیسئ. همدارنګه د اړیکو په پرتله هر وخت په پرتله سرعت لري. او خلک د دې اړیکو مهماتو په پرتله هر وخت په پرتله درکوي او ګټه ورکوي. هر څه د اړیکو سره تړل کیږي. ګرافونه د ماډل اړیکو لپاره شتون لري. د دې امله ګرافونه په هر ځای کې دي دا د دې لپاره چې د ګرافونو په اړه د تصویب، فکر د لارښوونې، وسایل، ځانګړتیاوې، غوښتنلیکونه او methodologies په پراخه کچه شتون لري. د ګرافونو د کال په دې موضوع کې ښودل کیږي. که څه هم ، او د هدفمند curation روښانه نه بدل، دا تر ټولو اوږد موضوع دی. دا یوازې د مخکښ تر منځ د 3 میاشتو دا ستونزه د هرڅوک ته اړتيا لري - له نوارانو څخه د متخصصانو ته، او له ستراتیژیک تفکرانو او ماډلرونو څخه د انجنيرانو او څیړونکو ته. د Microsoft Azure، GitLab، Netflix، S&P او SAP په اړه د ګرافو ملاتړ څخه، د Databricks او Snowflake په اړه د سمیټیک او ایجنټونو، انټولوژیکونه، د معلوماتو ګرافونه او AI، ګرافو ترانسپورتونه او علومو پرمختګونه. 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 لندن 2025 د نومبر 20 - 21 د موادو جدول 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 د Graph کال د دې نسخه تاسو ته د G.V()، metaphacts، Linkurious، او cognee لخوا راځي. که تاسو غواړئ چې په راتلونکي نندارې کې ښودل شي او د دې کار ملاتړ وکړئ، د لاس رسی! This issue of the Year of the Graph is brought to you by , , , and . G.V() metaphacts Linkurious cognee د فورمه () د متوافقې لنډول د کانونو که تاسو غواړئ چې په راتلونکي نندارې کې ښودل شي او د دې کار ملاتړ وکړئ، د لاس رسی! Announcing the State of the Graph project Announcing the State of the Graph project A comprehensive and up to date repository, visualization, and analysis of all offerings in the graph technology space. 👉 په لوړه وخت کې هلته راځي. د تازه معلومات لپاره په لارښوونې کې دلته Graph is the new star schema Graph ده د نوي ستوري سیسټم Irina Malkova، د Salesforce د محصول ډاټا او AI VP، دا فکر کوي. د AI مخکې، Malkova نه احساس کړ چې د ګرافونو میټاټاټونه د خپل ټیم لپاره د ROI مثبت پانګونې دي - که څه هم دوی هیڅکله ډیر دقت نه وګورئ. آیا Graf په حقیقت کې د نوي ستارې سیسټم دی؟ اوس، په هرصورت، Malkova درکوي چې اټکلونه کولی شي د اټکلونو په توګه د ډاټا جوړ نه شي. یوازې ځینې ورځو وروسته Malkova د دې تصدیق ته ونیسئ، خپل پست د ګرافو لارښوونه جذب کړ چې نور پیژندل او کنکټور شریک کړي. لکه څنګه چې هغه یې وساتي، Malkova فکر کوي چې څنګه وي که د ګراف انټرنیټانو او نوارانو ټول د دوی د کارونو له لارې د نورو څخه زده کړي. موږ د ګرافونو په درې ګرځنده کې ژوند کوي، اوس د ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو ایاالتو د ګرافونو او د معلوماتو د ذخیره ستارې سیسټم کې څه شتون لري؟ دوی په ټوله نړۍ کې شتون لري، او دوی د سازمانونو لپاره د ارزښت د حل کولو کې مرسته کوي. د ستارې سیسټم په پرتله، په هرصورت، د ګرافې د معلوماتو ماډلونه انعطاف لري او کولی شي د سمینټیک په واضح ډول ماډل کړي. په بل ډول - د ګرافې سیسټم د سیسټمونو ستاره دی. As ، د مناسب پروسهونه او موثریت آرکټیکټونه له الرې ، د GenAI لګولو ګرځنده خطرونه کولی شي د کار له لارې د ګرځنده کولو بدلون بدلون ته وده ورکړي. Charles Betz، VP، د Forrester اصلي تجارتي نوټونه د کلیدي پوهه د یو قوي IT عملیاتو ماډل جوړوي چې GenAI په مدیریت سیسټمونو نښلیدو کې یوځای کوي. Graph ډاټا بیسونه او د ترلاسه کولو زیاتوالی تولید د دې بدلون لپاره بنسټیز تکنالوژۍ دي. د ګرافونو په انعطافه توګه انټرنټونه او اړیکو رامینځته کوي، د GenAI اجازه ورکوي چې په پیچلي ډاټا جغرافیې کې د فکر کولو لپاره. له خوا د ګراف پر بنسټ د معلوماتو انټرنېټونو کې د سرمایه کولو له لارې، سازمانونه کولی شي د AI بشپړ پیاوړتیا له لارې د شفافیت، څارنې او توازن تضمین کړي. Matan-Paul Shetrit، په Writer کې د محصول د مدیریت مدیر، د دې یو پړاو ته ورسیږي. په روښانه شرکت کې، تعقیب manually.In hybrid enterprise، تعقیب پروګرام شي. د ګرافونو په تصور کې د راتلونکي شرکتونو لپاره د orchestration layer دا د کار د څېړنې اصلي نقشه نه دی. د orchestration ګراف دی: د خلکو، اګانو، او سیستمونو په دوامداره، اغیزمن شبکې، چې د delegation منطق، execution loops، and escalation paths لخوا اړیکه لري. G.V() د ګراف بیس کلینټ او IDE دی چې تاسو ته د هر کار له لارې وړاندیز کوي: No matter what graph technology you work with, G.V() makes you more productive Write, execute, and profile queries ستاسو د معلوماتو ماډل وګورئ ستاسو ډاټا سره د لوړ کړنو Graph Visualization کشف کړئ د الوتنې په اړه د معلوماتو اضافه یا ترميم لکه څنګه چې په پراخه کچه د ګرافې ډاټا بیس IDE، G.V() د 20 څخه زيات وسایلو، په شمول Amazon Neptune، Google Spanner Graph، Neo4j، او JanusGraph ملاتړ کوي - او اوس د Ultipa Graph GQL ملاتړ سره. خپل ځان هڅه وکړئ او په 5 دقیقې کې ستاسو د ډاټا ډاټا پوښتنې پیل کړئ: د نندارتون Graphs power Systems of Intelligence Graphs د بریښنا د انټرنیټ سیسټمونه Graphs are evolving alongside GenAI, influencing as well as being influenced by it. ، Generative AI وړتیاوې په چټکۍ سره پرمختګ کوي او د وسایلو چې په راتلونکي 2-5 کاله کې شتون لري به د بدلون بدلون وي. According to the Gartner 2025 AI Hype Cycle Al د پانګونې قوي دي، مګر تمرکز د GenAl hype څخه د بنسټیز نوښتونو ته بدل کیږي لکه Al-ready data، Al agents، Al engineering او ModelOps. د دغو تکنالوژۍ او تکنالوژۍ په چټکۍ سره پرمختګ کوي، لکه څنګه چې د اړونده hype کوي، د دې تشناب پړاو ته چمتو کوي. د دې شرایطو له امله GenAI د C-suite لپاره ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټولو ترټ . د معلوماتو گرافونه هم د انټرنیټ سیسټمونو بنسټ دي دا یوه اصطلاح دی چې د او د SiliconANGLE & theCUBE تحلیلونکو David Vellante او George Gilbert په خپل . د اندیښنې سیستمونه جورفری موور د Snowflake څنګه د نوي رقابتي ډینامیکونو ته لارښوونه کوي د انټرنیټ سیسټمونه د modern enterprise آرکټیکټیک لګښت دی ځکه چې د AI ایجنټونه یوازې د معلوماتو ګراف کې ښودل شوي سوداګرۍ حالت په توګه سمارټ دي. که یو پلیټ فارم دا ګراف کنټرول کوي، دا د "چې دا ترسره کیږي، هغه څه چې راتلونکي وي، او هغه څه چې موږ باید ترسره کړو؟" لګښت جوړونکي وي. A unified semantic knowledge graph for Enterprise AGI د Enterprise AGI لپاره یوځای Semantic Knowledge Graph Vellante او ګیلبرټ هم په څیر د Semantics په اړه د انحصار په اړه د مهمو په اړه وده کوي. د ستراتیژۍ درک کول د معلوماتو سیسټمونه، د شرکتونو سیسټمونه، او د ایجنټونو سیسټمونه څرنګړنه کوي چې څرنګړنه کوي: Ali Ghodsi د ډاټاګریکس لپاره د ډاټاګریکس د ډاټاګریکس لپاره د ډاټاګریسی ګټې بدلون کوي User Intent Feeds Semantics: هر پوښتنه په پایله کې د کټګورۍ سره د ګټور کنکشن غړی کوي، د معلوماتو لپاره معنی اضافه کوي ترڅو نورو یې له دې څخه ډیر ارزښت اخلي. Semantics Feed Agents: په پراخه کچه د اسلحې د افسرانو لپاره ښه تصمیمونه ونیسئ او په پایله کې په اتومات ډول عمل وکړي. افسرونه پایلې جوړوي: افسرونه د سوداګرۍ اهدافو سره په اغیزمنه توګه پایلې وړاندې کوي. دا د شرکت د ډاټا انټرنیټ ستراتیژۍ د پیاوړتیا پیاوړتیا دی. که څه هم، همدارنګه، همدارنګه، همدارنګه، نندارتونونه، ایجنټونه، یا عملیاتي غوښتنلیکونه د یوځای کولو او فعالیت نه کوي. Ali Ghodsi د شرطونو په چټکۍ سره بیان کړ، د Semantics د مالکیت "د وجودي" په نامه هدف دا ده چې د انټرنیټ انټرنټ (AI) مقدس ګرانه ده - د "انټرنیټ AGI" بنسټ. په دې توګه، دا به د RDBMSs او جدولونو څخه بهر، د یوځای سمینټیک معلوماتو ګراپ ته استازیتوب کوي. د ستراتیژیک تفکرانو پوه شي چې د سیمانیک د مالکیت مهمه ده، او . This is part of the reason why people are talking about semantic layers – but what is a semantic layer, actually? Semantic layers په AI عمر کې تر ټولو مهم دي د Connected Data ټولنه غړي Sofus Macskássy، Jessica Talisman، Juan Sequeda او Andreas Blumauer . د semantic layers څخه د ډیری زاويه څخه روښانه کړي، د تعریفونو او لارښوونې شریک کړي Why AI alone can’t solve all your data problems LLMs ډیری وختونه "تعجب" کوي ځکه چې دوی په پراخه، اټکلونو پر بنسټ دي، نه ستاسو د سوداګرۍ ځانګړي معلوماتو. د AI په خپل سمیټیک ماډلونو کې جوړ کول ډاډه کوي چې د شرکت ډاټا کې د منطقي اړیکو څخه ګټه واخلئ. د metis سره، تاسو کولی شئ د AI سره سمینټیک ماډلونه جوړ او مدیریت کړئ، د ګمرک کنټرول ایجنټونه ډیزاین او تادیه کړئ، او د خلاص کولو، پوښتنې ترسره کولو او نور وسایل ترکیب کړئ. د باور وړ، باور وړ AI کارول چې په حقیقت کې ستاسو د سوداګرۍ درکوي. د میټیس په ورځ کې کشف کړئ! Defining and building ontologies Defining and building ontologies د سمینټیک کټګوریو د تعریف کولی شي د میتا سمینټیک نامول شي، کوم چې یو څه عصري دی، مګر په ورته وخت کې اړتیا لري. دقیق تعریفونه دا ده چې سمینټیک په اړه څه دي، او سره په سيمه کې تازه دلچسپي او نوارانو، مخنیوی، hype او د ګرمو بحثونه ناقانونه شتون لري. د ontology په اړه هم کولی شي. کله چې CTOs فکر کوي. " ” او د متخصصانو په وزن کې، د گفتگو کولی شي په پرتله تکنالوژۍ ډیره سرعت وي. نورو په پرتله د عملي اړخونو کې تمرکز کوي، لکه . د ontology په اړه what organizations can learn from the poster child for ontology in use: Palantir This points towards another perpetually ongoing conversation: even assuming people agree on what an ontology is, what is the best way to build one? Is او ? ontology انجنيرۍ په حقیقت کې د ستونزو why are ontology and data architecture teams solving the same problems with different languages Palantir د انټولوژۍ د خپل ځانګړي تعریف او عملیاتو لري. ځینې خلک فکر کوي چې دا contraproductive دی. د OWL، RDF، SKOS او SHACL په څیر معیارونه شتون لري، نو د څرخ د دوبلو اختراع لپاره هیڅ دلیل نه شتون نلري. نورو فکر کوي چې په داسې حال کې چې د انټرنېټ وړتیا ښه دی، ، او د ډلې فکر کوي د پرمختګ محدودیتونه. دا معیارونه تل د هدف لپاره مناسب نه دي د یوځای توازن لري چې جو هیلر argue ontology پراختیا سخت دی ځکه چې دا د موضوع موضوع د متخصصانو پرته چې د عملیاتي ژبه، د کار له لارې، او د اصطلاحاتو په اړه د عمیق پوهې وړاندې کوي، مګر عموما د formal training needed to represent that knowledge within rigorous frameworks لخوا اړتیا لري. ontologies matter, hard as they may be to develop Top Level Ontologies (TLOs) لکه د Basic Formal Ontology (BFO)، Common Core Ontology (CCO)، او SUMO (Suggested Upper Merged Ontology) لکه د سختو چارجر دي. J Bittner بیان کوي چې . TLOs help with ROI in two ways لومړی، د reinvention څخه مخنیوی کول - تاسو د هر پروژې لپاره د بنسټیزو کټګوریو بحث یا بیا جوړولو ته اړتیا نلري. دوهم، کله چې ډومینونو ته اړتيا لري چې د انټرنېټ سره د مالیاتو سره، د فعالیتونو سره مطابقت، د روغتیا سره د بیمه - د مشترکه بنسټ د انټرنېټ لګښت کموي. دا یو څه دی چې د ټونی سیل په څیر خلکو ته وده ورکړي. Stardog CEO & Founder Kendall Clark ادعا کوي چې . Using LLMs to support ontology development د جوړولو انټولوژیکونه د بنسټیز ماډلونو څخه ګټه ورکوي، دا "مګ" دی چې په چټکۍ سره کار کوي، د نمونوي توازن، رسمي کوډ کولو او iterative تصدیق However, دا، هغه ادعا کوي، د فرضیت پر بنسټ دی چې موږ باید ډیری انټولوژۍ جوړ کړي، ځکه چې هر پروژې د انټولوژۍ ته اړتيا لري. د Semantic Arts CEO & Founder Dave McComb د مفکوره ته هڅه کوي چې د LLM ترلاسه کولو لپاره حتی یو ناڅاپي انټولوژۍ جوړولو یو ښه پیل نقطې ده هغه څه چې موږ ته اړتيا لري، McComb argue کوي، دا ده چې په اندازه کم ontologies. تاسو په حقیقت کې د ontologies superpowers وګورئ کله چې تاسو په یو شرکت کې د پیچلي مفهومونو د ساده تر ټولو وړاندیز لري. دا باور په د Semantic Arts په فعالانه توګه پراختیا شوی، د open-source، د سوداګرۍ په تمرکز کې ontology. د دې رڼا ډیزاین او د ورځني اصطلاحاتو د کارولو لپاره دا د ډومین ontology پراختیا په مختلفو سيمو کې د پیل لپاره یو ګټور وسایلو جوړ شوی. . ژانر 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 , to tools such as the open source and . د انټولوژیک انجنيرۍ په اړه د سپارلو پاڼه پر بنسټ Ontology Maker OntoAligner، د ontology توازن لپاره یو جامع ماډولر او قوي Python Toolkit Sneak peek: Graph visualization and analytics, reimagined for the cloud په 2013 کال کې جوړ شوی، Linkurious د Global 2000 شرکتونو او حکومتونو سره مرسته کوي چې پیچلي اړیکو ډاټاونه په شفافي معلوماتو کې بدل کړئ. Now, we’re bringing our flagship graph visualization and analytics solution to the cloud. Linkurious Enterprise Cloud (just weeks away from launch…be among the first to try it!) is the most user-friendly, flexible, and scalable way to explore your graph data. In minutes, create an account, connect your graph database, and explore relationships at scale – no infrastructure or maintenance required. 👉 Get early access – join the waitlist for a free trial. Getting started with knowledge graphs د معلوماتو ګرافونو سره پیل کړئ د معلوماتو ګرافونو سره جوړ شوی سمیټ کټګوریو د معلوماتو د عادي ارزښت زیاتوي له لارې د معلوماتو د انټرنېټ په چټکۍ سره وکاروي او د معلوماتو کیفیت او د اړیکو او مشترکه ماډلونو سره اعتماد زیاتوي. دا د دې امله دی. د سپارلو په اړه خبرې کوي. سازمانونو ته اړتیا لري چې د انټراټ، تودوخې، تودوخې (Extract, Contextualize, Load) لپاره د انټراټ، تودوخې (Extract, Transform, Load) بدلون لپاره د انټراټ، تودوخې (Extract, Contextualize, Load) نوی پیرامیډ ترلاسه کړي. په لومړي کې، ځکه چې ستاسو د ټابلیور ډاټا احمق دی، که څه هم ستاسو د سوداګرۍ نه دی. او دوهم، ځکه چې د LLMs پر بنسټ پیژندل (اټیټیکي) پایلو په پرتله، د معلوماتو ګرافونو پر بنسټ انټولوژیک (لوژیکي) پایلو د تشخیص او توضیح وړ دی. شرکتونه باید خپل AI په معلوماتو ګرافونو کې جوړ کړي تاسو کولی شئ فکر وکړئ چې د معلوماتو گرافونه د پیژندلو لپاره ډیر پیچلي دي، یا چې دوی د ډاټا سیټونو ته اړتیا لري. دا یوازې ځینې دي که Vassilije Markovic هڅه کوي چې د حل کړي. خو حتی که تاسو د ګرافونو لپاره نوي یاست، دلته ډیری سرچینې شتون لري چې تاسو پیل کړئ. د معلوماتو ګرافونو په اړه عمومي غلط تصورونه په » "، Frank Blau د Graph Thinking لارښود وړاندې کوي. په " ” سیریز، Paco Nathan په ګراف کې د بنسټیزو په اړه چمتو کوي. Max De Marzi برخه ده . And . د Graph په اړه Graph تکنالوژۍ demystified د ګراپ ماډل Mastery Tips که تاسو غواړئ د Knowledge Graph انجنیر رول ته ځي، توماس Thelen د انټرنیټ پوښتنو لیست جوړ کړ د معلوماتو ګراف جوړولو ښه ښکاري، مګر د ځینې مهمو بنسټیز پوښتنو ځواب نه مخنیوی، کولی شي د وخت او د انجنيرۍ په پرتله کولی شي. Sabika Tasneem ګډون کوي . 15 پوښتنو چې تاسو ته د سمارټ پیل کې مرسته وکړي، که تاسو یو ساده داخلي ګراف جوړ یا یو پیچلي GenAI-powered سیسټم طرح کړئ Implementing an enterprise knowledge graph is a multi-phase journey. As projects move from an initial proof-of-concept to a fully productionalized, multi-domain graph , costs accumulate. . جیو هیلر د عادي مرحلو (PoC، پټلۍ، او بشپړ تصدۍ پراختیا) او په هر کې اړونده لګښتونو له لاسه ورکوي Cognee turns any data into a queryable knowledge graph backed by embeddings Cognee غیر ساختار، جوړ شوي او نیمه جوړ شوي معلوماتو ته د پوهه وړ معلوماتو ګراف جوړوي چې د انډولونو لخوا ملاتړ کیږي. Cognee retrievers blend vector similarity with graph traversal for precise, multi-hop answers and reproducible context – so agents reason and remember with structure. Add Cognee’s enrichment layer, time-awareness, auto-optimization, and its new UI for an even better experience. For teams building domain-aware agents, copilots, and search for knowledge-heavy domains. Cognee is open source, with a hosted version – cogwit. Try it. Cognee د پرانیستې سرچينې ده، د hosted نسخه سره - cogwit. هڅه وکړئ. Adopting, building and populating knowledge graphs Adopting, building and populating knowledge graphs Knowledge graph adoption is peaking. There are more people wanting to build knowledge graphs, and more tools and approaches to do this than ever before. On SAP, you can now . can be used for codebase RAG, code navigation, impact analysis and architecture visualization. . use semantic querying with the SAP HANA Cloud knowledge graph GitLab’s knowledge graph Graph-Code د هر کوډ بیس لپاره د Open Source Graph-based RAG سیستم دی. Synalinks is a Keras-based neuro-symbolic framework that bridges the gap between neural networks and symbolic reasoning. 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 یو ماډولر فریم ورک دی چې د معلوماتو په پای کې جوړولو او ترلاسه کولو لپاره کارول کیږي. د Cognee او Kuzu ټیمونو لخوا یو مشترکه پست ښيي . Similarly, Amber Lennox shares . how to transform relational data into a knowledge graph how to go from raw data to a knowledge graph with SynaLinks There’s no shortage of tutorials on other tools either. Gal Shubeli shows د نندارتونونو په برخه کې , and Alain Airom . 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 is an open source framework for creating knowledge graphs 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 is cutting edge research, with the code released on GitHub markets a system that turns PDFs and text files into knowledge graphs. . Blue Morpho iText2KG, an open source Python package designed to incrementally construct consistent knowledge graphs with resolved entities and relations, can now build dynamic knowledge graphs , which uses LLMs to automate the most painful part of building knowledge graphs from text: deduplicating records. Russel Jurney introduces the emerging field of semantic entity resolution for knowledge graphs Andrea Volpini د نوټونو په ګډه , and Prashanth Rao offers . exploring semantic entity resolution & extraction using DSPy and Google’s new LangExtract library د graph data enrichment لپاره د DSPy لپاره د نرمو لارښوونې Subscribe to the Year of the Graph Newsletter Keeping track of all things Graph Year over Year Subscribe to the Year of the Graph Newsletter Subscribe to the Year of the Graph Newsletter Keeping track of all things Graph Year over Year Knowledge graphs and AI: a two-way street Knowledge graphs and AI: a two-way street 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 As Panos Alexopoulos notes, these are the types of . And . knowledge graph quality issues that hamper downstream applications trying to automate knowledge graphs may also end up having unforeseen consequences د انټرنېټ د » دوی ښيي چې څنګه د سوداګرۍ اړتیاوو او غیر تخنیکي متن ډاټا سرچینو پر بنسټ د معلوماتو ډاټا ماډل کړي، څنګه ontologies، taxonomies، تخنیکي ډاټا، ماشین زده کړې algorithms او دلیلونو ګټه واخلئ. 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 ، او 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 open sourced code to transform Claude’s hidden memory into interactive knowledge graphs په نړۍ کې د LLMs، د "context انجنيرۍ" د اصطلاح د ترانسپورت ترلاسه کړ. as “building dynamic systems to provide the right information and tools in the right format such that the LLM can plausibly accomplish the task”. LangChain’s CEO Harrison Chase defines context engineering As Jérémy Ravenel notes, . او که د AI به د ډیمو او CopyPots څخه نور په سیسټمونو کې پراختیا شي چې فکر کوي، د یادښت څارنه کوي، او په ډومینونو کې اړیکه ونیسئ، نو په انفرادي حالت کې کافی نه ده. موږ د انټولوژیک انجنيرۍ ته اړتیا لري. context without structure is narrative, not knowledge Context engineering is about curating inputs: prompts, memory, user instructions, embeddings. It’s the art of framing. Ontology engineering is about modeling the world: defining entities, relations, axioms, and constraints that make reasoning possible. Context guides attention. Ontology shapes understanding. . 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 . د ontologies لخوا د معلوماتو ګرافونه د LLMs لپاره د Ultimate context layer دي Anthony Alcaraz notes Agentic knowledge graph construction and temporal graphs Agentic knowledge graph construction and temporal graphs 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. Agentic knowledge graph construction 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 Google Cloud released Google Agentspace, which provides a single platform to build, manage, and adopt AI agents at scale for individuals, teams, and enterprises. . د Google Agentspace له خوا د معلوماتو ګراف، په Spanner ګراف جوړ شوی دی , claiming to be the largest open source financial knowledge graph built from unstructured data. FinReflectKG is a concrete example of agentic construction and evaluation of financial knowledge graphs 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 د معلوماتو ګرافونو سره د عادي ایجنټونو جوړولو لپاره د عملی لارښود وړاندیز کوي Another approach is shared by Fareed Khan in “ Khan ښیښه کوي چې څنګه د ځمکې agentic پایپ جوړ کړي چې د خام ډاټا ته د ډيزايني معلوماتو بیس بدل کړئ، او د کار کولو د اندازه کولو لپاره د څو agent سیسټم جوړ کړي. د modern RAG سيستمونو کې د پرمختللي معلوماتو بیسونو د ګټورولو لپاره د موقتي AI ایجنټ جوړولو . TGM is a research open source library designed to accelerate training workloads over dynamic graphs and facilitate prototyping of temporal graph learning methods. It natively supports both discrete and continuous-time graphs. Temporal graph modeling is what TGM focuses on The state of GraphRAG The state of GraphRAG 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. , Lorica argues. The true value of the graph-centric approach becomes clear when applied to agentic AI GraphRAG is still hot. Neo4j published the and . Avi Chawla shares a , while a . claims to decrease RAG retrieval error rate by 67%. Developer’s Guide to Graph RAG Essential GraphRAG book visual explainer of RAG vs Graph RAG empirical study analyses when and how to use knowledge graphs for RAG د Anthropic Contextual Retrieval There are more new GraphRAG variants too. HippoRAG له دماغ څخه لارښوونه لري ترڅو د LLM ترلاسه کولو ښه کړي. Graph-R1 سره Reinforcement Learning د GraphRAG ترکیب کوي. DRAG یو نوي ډیسټیلشن فریم ورکونه وړاندې کوي چې د RAG وړتیاوې له LLMs ته SLMs له لارې د شواهد پر بنسټ ډیسټیلشن او Graph پر بنسټ جوړولو ته انتقال کوي. uses hierarchical clustering to link disparate topic clusters to enhance global reasoning. HiRAG د Andreas Kolleger نښلول , and Ben Lorica shares . innovative approaches from the GraphRAG Track at AI Engineer World’s Fair 2025 5 breakthroughs you should know about in RAG Reimagined Sergey Vasiliev argues د دې مخکښ کولو لپاره، د Huawei څیړونکو خپور شوي . GraphRAG doesn’t lack ideas, but it struggles to scale up a pragmatic case study in balancing scalability with reasoning depth in GraphRAG systems Multimodal graphs Multimodal graphs یو موضوع چې په GraphRAG کې او په پرتله کې د سرعت ترلاسه کوي Multi-modality. is an all-in-one RAG system that leverages multimodal knowledge graphs for automatic entity extraction and cross-modal relationship discovery for enhanced understanding. په هر ډول 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. Multimodal for Knowledge Graphs (MM4KG) په » “, 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. د Multi-modal Graph Large Language ماډل لپاره Graph databases grow and evolve Graph databases grow and evolve لکه څنګه چې جیو McKendrick په ZDNet کې لکھوي. د ګرافو ډاټا بیسونه انتظار کوي چې د 24٪ - 26٪ د 5 کلونو CAGR لري. and , respectively. The overall database market will grow 16% annually. Graph databases are exploding, thanks to the AI boom, Gartner د سوداګرۍ څیړنې شرکت لکه څنګه چې د AI او RAG د ګراف او ویټور ډاټا بیسونو لپاره یو مهم فشار ورکړي، خلک هڅه کوي چې څنګه د دې دوو مقایسه وکړي، او کله او څنګه د هر ډول کارولو لپاره. نوروز 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 ګرافونه نه یوازې حقایق ذخیره کوي A database tells you what is connected. A knowledge graph tells you why Graph databases are bustling with activity. First, we saw the unveiling of not one, but two new vendors in the last couple of months. , an efficient disk-based graph database for RDF knowledge graphs, is now in open beta. And , a low-latency in-memory graph database engine, is now open for early access. Tentris TuringDB Existing graph database vendors are making progress too. Neo4j د HTAP سره د Infinigraph، یو نوی ګرافات آرشیفيت چې د سوداګرۍ او تجارتي سیسټمونو تر منځ د ډاټا سیلیکونونو د ازمايښت ته هدف لري. 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, the newly-minted graph query language standard, is seeing adoption. ، کاروونکو ته اجازه ورکوي چې په هر Fabric Eventhouse یا Azure Data Explorer کې د GQL پوښتنو چلند وکړي. په ځینې وختونو کې، . And integrated with deep search. Microsoft is adding GQL support to KQL graph semantics Microsoft Fabric started offering graph analysis in Real-Time Intelligence Siren is the first investigative platform to offer GQL graph querying For a guide to designing, querying, and managing graph databases with GQL, check the newly released book . And now you can directly , thanks to the Ultipa VS Code Extensions. 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 د جابريکې د دې لپاره چې . identity جوړښت د Semantics د آرزو compared it to property graphs major enterprises are discovering they’ve been rebuilding RDF piece by piece and Atanas Kiryakov has a go at 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, د RDF په اړه د ښاروالۍ افسانهونو د حل کولو او توضیح کولو لپاره چې څنګه ontologies د GraphRAG سره مرسته کوي؛ bridging LPG and RDF frameworks په خپل څیړنې کې د , 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 . the future of knowledge graphs دا د لینک شوي معلوماتو په اړه د فکر کولو وخت دی , enabling to transpile domain models into schema definition languages like GraphQL, Avro, SQL, RDF, and Java while preserving semantics. . Netflix خپل UDA (Unified Data Architecture) د يو ځل لپاره د نمونوي، په هر ځای کې وړاندې کوي S&P launched its new AI-ready Metadata on the S&P Global Marketplace, with RDF under the hood People are also debating OWL vs. SHACL. Holger Knublauch, Boris Pelakh, Pete Rivett and Jessica Talisman address this in په داسې حال کې چې مایکل Iantosca د دې بحث کوي . 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 د يو مخکښ وګورئ . Veronika Heimsbakk’s book “ ” is open for pre-orders. And Kurt Cagle shows , and and . what is coming in SHACL 1.2 SHACL for the Practitioner څنګه د AI او SHACL سره پیتزا جوړ کړئ how to use SHACL to validate anything د کاروونکي انټرنیټ جوړول 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. د ترانسپورت آرشیفیت Kumo looks like the first to productize this. However, people in and are working on similar approaches too. د پراختیا په اوږدو کې نه دی، او د ګراف AI راتلونکي به ډاډه کوي چې د دې لپاره ډیر ژوره اړیکه ولري. Google Yandex د مائیکروسافټ د Janu Verma د Graph Transformers په اړه د هغې د خپل ګمارلو سره شریک دی. 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 . introduction to Graph Learning and GNNs Geometric Deep Learning textbook هر ډاټا سائنسدان باید د Graph Transformers په اړه پوه شي او د جوړ شوي معلوماتو په اړه د دوی اغېز PyG (PyTorch Geometric) یو کتابتون دی چې په PyTorch کې جوړ شوی دی ترڅو په اسانۍ سره د جوړ شوي ډاټا په اړه د غوښتنلیکونو په پراخه کچه لپاره د Graph Neural Networks چاپ او روزنه کړي. PyG has evolved significantly since its initial release, establishing itself as a leading framework for Graph Neural Networks. that introduces substantial improvements in scalability and real-world application capabilities. PyG 2.0 د بشپړ update ده . It is a PyTorch-based framework that provides a flexible and modular architecture for building and training GNN models for anomaly detection. GraGOD is a modern approach to time-series anomaly detection using GNN techniques Graph science: Strong perfect graphs, the new Dijkstra’s algorithm and convergent neural networks Graph science: Strong perfect graphs, the new Dijkstra’s algorithm and convergent neural networks Last but not least, advances on the scientific front for graphs. Starting with a . Chudnovsky’s breakthrough on the ښيي چې څنګه abstract ریاضیات واقعي نړۍ حلونه جوړوي. profile on Maria Chudnovsky, the “superstar mathematician” who solved a 40-year-old puzzle about perfect graphs Strong Perfect Graph Conjecture په واقعي نړۍ کې د حلونو په اړه خبرې کول: کله چې موږ د Google Maps کاروئ چې ترټولو سرعت لارښوونه وکاروئ، د سټینډونو په پیښو کې، دا د Dijkstra د algorithm يو نسخه کاروي. دا د 1950s څخه د "صغرې لارښوونې" محاسبه کولو معياري لاره دی. : something people thought couldn’t really be improved in a meaningful way. Researchers have found a faster way to run Dijkstra’s shortest path algorithm Travis Thompson claims . Alexander Stage notes that this a . this transfers well into the way data products are built and consumed great theory milestone, but production routing already “changed the rules” years ago with preprocessing and smart graph engineering Miklós Molnár د Szegedy Balázs کار په اړه گزارش کوي . د پایلو د پلیټونیک سپارښتنه hypothesis ته اشاره کوي، چې د عصري شبکې په توګه د واقعیت د مشترکه اټکل ماډل کې راټول کیږي. او آلبرتو ګونزاليز د اساسونو سره شریک کیږي. . training neural networks with identical architectures د Graphs د سال د Graph نیوزلټینټ ته Subscribe د ټولو چیزونو په څارنه کې د کال په اوږدو کې Graph د سال د Graph نیوزلټینټ ته Subscribe Subscribe to the Year of the Graph Newsletter Keeping track of all things Graph Year over Year
