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? În procesul de conectare cu Vorbitori, ne-am găsit angajându-ne în conversații reflectând și elaborând despre originea și evoluția comunității și tehnologia pe care se converge: Graficele cunoașterii, Analiza grafică, AI, Știința datelor, Baze de date și Tehnologie semantică. Datele conectate Londra 2025 Modul în care l-am descris a fost – un nucleu de adoptatori timpurii care au fost în jur pentru ceea ce poate fi mai mult de un deceniu până acum, plus un segment în creștere de nou-veniți care s-au ciocnit cu grafice încurajate fie de GenAI, fie de realizarea că graficul este cea mai bună modalitate de modelare a conectivității. Astăzi, există mai multe puncte de date pentru a fi conectate decât oricând.Există, de asemenea, mai multe conexiuni făcute mai repede decât oricând.Și oamenii realizează și valorifică importanța acestor conexiuni mai mult decât oricând. Totul este conectat. Graficele există pentru conexiuni de model. Acesta este motivul pentru care graficele sunt peste tot. Acesta este motivul pentru care există o explozie în adoptarea, conducerea gândirii, instrumentele, caracteristicile, aplicațiile și metodologiile din jurul graficelor. , iar abordarea de curățare țintită nu sa schimbat, este cea mai lungă problemă până în prezent. Au trecut doar trei luni de la primul Această problemă se adresează tuturor – de la nou-veniți la experți și de la gânditori și modeleri strategici la ingineri și oameni de știință.De la suport grafic pe Microsoft Azure, GitLab, Netflix, S&P și SAP, la semantică și agenți pe Databricks și Snowflake, ontologii, grafice de cunoaștere și AI, transformatoare grafice și descoperiri științifice. 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 Londra 2025 pe 20-21 noiembrie Tabelul de conținut 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 Acest număr al Anului Grafic vă este adus de G.V(), metafacți, Linkurious și cognee. Dacă doriți să fiți prezentat într-o ediție viitoare și să susțineți această lucrare, atingeți-vă! This issue of the Year of the Graph is brought to you by , , , and . G.V() metaphacts Linkurious cognee Răspunde V() metafizică Linkuriștii Cogneea Dacă doriți să fiți prezentat într-o ediție viitoare și să susțineți această lucrare, ! Atingeți Announcing the State of the Graph project Anunțarea proiectului State of the Graph Un depozit cuprinzător și actualizat, vizualizare și analiză a tuturor ofertelor din spațiul tehnologiei grafice. Vine în curând! actualizări aici Graph is the new star schema Graph este noua schemă de stele Înainte de AI, Malkova nu simțea că metadatele grafice erau o investiție pozitivă în ROI pentru echipa ei – chiar dacă nu s-au uitat niciodată prea atent. Este graful cu adevărat noua schemă de stele? Acum, însă, Malkova își dă seama că agenții nu pot fi autonomi dacă datele nu sunt structurate ca un grafic.La doar câteva zile după ce Malkova a exprimat această realizare, postarea ei a atras lideri grafici care au împărtășit mai mult context și context. Pe măsură ce o pune, Malkova se întreabă cum ar arăta dacă insiderele grafice și noii veniți și-ar reimagina toate locurile de muncă învățând unul de la celălalt. Trăim prin al treilea val de grafice, acum condus de nevoia de a alimenta datele agenților AI Ce au în comun graficele și schema de stele a depozitului de date? Ele sunt omniprezente și ajută la deblocarea valorii pentru organizații. Spre deosebire de schema de stele, totuși, modelele de date grafice sunt flexibile și pot modela fără echivoc semantica. ca Fără procese bine definite și arhitecturi reziliente, accelerarea pe care GenAI o aduce riscă să amplifice haosul în loc să raționalizeze fluxurile de lucru. Charles Betz, VP, Analist Principal la Forrester notează The key lies in building a robust IT operating model that integrates GenAI into the fabric of management systems. Graph databases and retrieval-augmented generation are foundational technologies for this transformation. Graficele reprezintă entitățile și relațiile într-un mod flexibil, permițând GenAI să raționeze peste peisaje complexe de date.Prin investirea în infrastructura de cunoaștere bazată pe grafic, organizațiile pot debloca întregul potențial al AI, asigurând în același timp transparența, trasabilitatea și alinierea. Matan-Paul Shetrit, director de management al produselor la Writer, face acest lucru cu un pas mai departe. În întreprinderea tradițională, coordonarea a fost manuală; în întreprinderea hibridă, coordonarea devine programabilă. imaginarea graficelor ca strat de orchestrare pentru firmele viitorului Graficul de orchestrare este: rețeaua dinamică, adesea invizibilă de persoane, agenți și sisteme conectate prin logică de delegare, bucle de execuție și căi de escaladare. G.V() este un client de baze de date grafice și un IDE care vă împuternicește prin fiecare sarcină: No matter what graph technology you work with, G.V() makes you more productive Scrierea, executarea și profilarea interogărilor Verificați modelul dvs. de date Explore your data with high-performance graph visualization Adăugați sau editați date pe zbor Ca IDE de bază de date grafice compatibilă pe scară largă, G.V() acceptă peste 20 de instrumente, inclusiv Amazon Neptune, Google Spanner Graph, Neo4j și JanusGraph – și acum cu suport GQL pentru Ultipa Graph. Încercați-o pe cont propriu și începeți să căutați baza de date în mai puțin de 5 minute: Găgăuzia.com Graphs power Systems of Intelligence Graphs Power Sisteme de Inteligență Graficele evoluează alături de GenAI, influențând și fiind influențate de aceasta. Capacitățile generative de inteligență artificială avansează într-un ritm rapid, iar instrumentele care vor deveni disponibile în următorii 2-5 ani vor fi transformatoare. Conform Gartner 2025 AI Hype Cycle Investițiile Al rămân puternice, dar accentul se schimbă de la hype-ul GenAl la inovațiile fundamentale, cum ar fi Al-ready data, Al-agenti, Al engineering și ModelOps. Evoluția rapidă a acestor tehnologii și tehnici continuă neîncetată, la fel ca și hype-ul corespunzător, făcând acest peisaj tumultuos dificil de navigat. Aceste condiții înseamnă că GenAI continuă să fie o prioritate de top pentru C-suite. Graficele de cunoaștere sunt o parte cheie a acestui lucru, poziționate pe pantă de iluminare. . Graficele cunoașterii sunt, de asemenea, fundamentul pentru sistemele de inteligență Este un termen folosit de și referit de SiliconANGLE & theCUBE analiștii David Vellante și George Gilbert în . Sisteme de inteligenţă Geoffrey Moore Analiza modului în care Snowflake navighează în noua dinamică competitivă Sistemele de Inteligență sunt piatra de temelie a arhitecturii moderne a întreprinderilor, deoarece agenții AI sunt doar la fel de inteligenți ca starea afacerii reprezentată în graficul cunoașterii. A unified semantic knowledge graph for Enterprise AGI Un grafic semantic unificat pentru Enterprise AGI Vellante și Gilbert, de asemenea, zoom în importanța semantică în analiza lor a modului în care . Understanding the strategy lies in recognizing how Systems of Intelligence, Systems of Engagement, and Systems of Agency create a flywheel: Ali Ghodsi’s data intelligence playbook for Databricks is turning data into agentic advantage User Intent Feeds Semantics: Each question ultimately enriches the catalog with richer context, adding meaning to the data so that others can extract more value from it. Semantic Feed Agents: Agenții de arme mai bogați în context pentru a lua decizii mai bune și, în cele din urmă, pentru a acționa în mod autonom. Agenții creează rezultate: Agenții oferă rezultate mai eficiente, aliniate la obiectivele de afaceri. Aceasta este piatra de temelie a strategiei Data Intelligence a companiei.Fără semantică armonizată, guvernată și îmbogățită, tablourile de bord, agenții sau aplicațiile operaționale nu se pot integra și funcționa. Ali Ghodsi a făcut pariurile clare, numind posesia semantică "existențială" The goal is to enable agents that not only know what happened, but can also infer why, predict what’s next & prescribe what to do. This is the holy grail of enterprise AI – the foundation for “Enterprise AGI.” Getting there means abstracting beyond RDBMSs and tables, to a unified semantic knowledge graph. Strategic thinkers realize the importance of owning semantics, and Aceasta este o parte din motivul pentru care oamenii vorbesc despre straturi semantice – dar ce este de fapt un strat semantic? straturile semantice contează mai mult decât oricând în era AI Membrii comunității Connected Data, Sofus Macskássy, Jessica Talisman, Juan Sequeda și Andreas Blumauer . approach semantic layers from a multitude of angles, sharing definitions and guidelines Why AI alone can’t solve all your data problems LLM-urile sunt adesea "halucinante" deoarece se bazează pe modele statistice largi, nu pe cunoștințele unice ale afacerii dvs. Înrădăcinarea AI în modelele semantice asigură că ieșirile sunt exacte și fiabile prin valorificarea conexiunilor logice din datele întreprinderii. Metis este o platformă AI bazată pe cunoaștere care transformă datele deconectate în valoare de afaceri.Metis vă permite să creați și să gestionați modele semantice cu AI, să proiectați și să implementați agenți de conversație particularizați și să combinați instrumente pentru rezumare, execuție de interogări și multe altele. Utilizați AI de încredere, care înțelege cu adevărat afacerea dvs. Descoperiți Metis astăzi! Defining and building ontologies Definirea și construirea ontologiilor Definirea straturilor semantice ar putea fi numită meta-semantică, care este un pic ironic, dar în același timp necesar. definiții precise este ceea ce semantica este despre, și cu interesul reînnoit și noii veniți în domeniu, confuzia, hype-ul și argumentele încălzite sunt efecte secundare inevitabile. Același lucru se poate spune despre ontologie. atunci când CTO-urile se gândesc ” ” și experții cântăresc, conversația poate deveni destul de tehnic destul de repede. alții se concentrează pe aspecte mai practice, cum ar fi . Ce este ontologia ce pot organizațiile să învețe de la copilul poster pentru ontologie în utilizare: Palantir Acest lucru indică o altă conversație permanentă: chiar presupunând că oamenii sunt de acord cu privire la ce este o ontologie, care este cel mai bun mod de a construi una? şi ? Ingineria ontologică este într-adevăr o mizerie De ce echipele de ontologie și arhitectură de date rezolvă aceleași probleme cu limbi diferite Palantir has its own, proprietary definition and implementation of ontology. Some people believe that this is counter-productive. Standards such as OWL, RDF, SKOS and SHACL exist, so there is no reason to reinvent the wheel. Others think that while interoperability is good, Și grupul crede că limitele evoluției. those standards are not always fit for purpose There is growing consensus that . Joe Hoeller argues ontology development is hard because it relies on subject matter experts who bring deep understanding of operational language, workflows, and terminology but typically lack the formal training needed to represent that knowledge within rigorous frameworks. ontologiile de materie, greu cum ar putea fi de dezvoltat Top Level Ontologies (TLOs) such as the Basic Formal Ontology (BFO), Common Core Ontology (CCO), or SUMO (Suggested Upper Merged Ontology) are such rigorous frameworks. J Bittner explains that . TLOs ajută la ROI în două moduri First, avoiding reinvention – you don’t need to debate or rebuild basic categories for every project. Second, when domains need to interoperate – finance with logistics, compliance with operations, healthcare with insurance – the shared foundation dramatically lowers the cost of integration. este ceva pe care oamenii ca Tony Seale au susținut-o. CEO-ul și fondatorul Stardog Kendall Clark susține că . Utilizarea LLM-urilor pentru a sprijini dezvoltarea ontologiei Utilizarea modelelor fundamentale este o „magie” care funcționează prin scaffolding prompt, aliniere simbolică, codificare formală și validare iterativă Cu toate acestea, Acest lucru, afirmă el, se bazează pe premisa că trebuie să construim o mulțime de ontologii, deoarece fiecare proiect are nevoie de o ontologie. CEO-ul și fondatorul Semantic Arts, Dave McComb, sfidează ideea că obținerea unui LLM pentru a crea chiar și o ontologie urâtă este un bun punct de plecare What we need, McComb argues, are orders of magnitude fewer ontologies. You really see the superpowers of ontologies when you have the simplest possible expression of complex concepts in an enterprise. This belief is reflected in , o ontologie open-source, orientată spre afaceri, dezvoltată în mod activ de Semantic Arts. Designul său ușor și utilizarea terminologiei de zi cu zi l-au făcut un instrument util pentru lansarea dezvoltării ontologiei domeniului într-o varietate de domenii. . Gheorghe gist este acum aliniat cu BFO Indiferent de modul în care alegeți să vă construiți ontologia, instrumentele și metodologiile pentru a vă ajuta există. , to tools such as the open source şi . Introduction to Ontology Engineering Etichetă: Ontology Maker OntoAligner, a comprehensive modular and robust Python Toolkit for ontology alignment Sneak peek: Graph visualization and analytics, reimagined for the cloud Înființată în 2013, Linkurious ajută companiile Global 2000 și agențiile guvernamentale să transforme datele complexe conectate în perspective clare. Linkurious Enterprise Cloud (la doar câteva săptămâni de la lansare ... fiți printre primii care o încearcă!) este cel mai ușor de utilizat, flexibil și scalabil mod de a explora datele grafice. În câteva minute, creați un cont, conectați baza de date grafice și explorați relațiile la scară - nu este nevoie de infrastructură sau întreținere. Obțineți acces timpuriu – alăturați-vă listei de așteptare pentru o încercare gratuită. Getting started with knowledge graphs Începeți cu graful cunoașterii Un strat semantic construit cu diagrame de cunoaștere crește valoarea inerentă a datelor, permițând o integrare mai rapidă a datelor și îmbunătățind calitatea datelor și încrederea în relațiile contextuale și în modelele partajate. , argues Sumit Pal. Organizațiile trebuie să adopte noua paradigmă a ECL (extragere, contextualizare, încărcare) în loc de ETL tradiționale (extragere, transformare, încărcare) pentru a îmbunătăți ROI-ul pe AI În primul rând, pentru că datele dvs. tabulare sunt stupide, chiar dacă afacerea dvs. nu este. și în al doilea rând, pentru că, spre deosebire de inferența predictivă (statistică) bazată pe LLM, inferența ontologică (logică) bazată pe diagrame de cunoaștere este deterministă și explicabilă. Companiile trebuie să-și bazeze AI în diagrame de cunoaștere You may think that knowledge graphs are too complex to implement, or that they need massive datasets. These are just some of the că Vasilije Markovic încearcă să abordeze. dar chiar dacă sunteți nou la grafice, există o mulțime de resurse pentru a vă face să începeți. Concepții greșite în jurul graficelor cunoașterii în » “, Frank Blau offers a guide to Graph Thinking. In the “ ” serie, Paco Nathan împărtășește cum să ajungi la viteză pe elementele de bază ale graficului. . And . Relația cu graful Tehnologia grafică demistificată Modelarea grafică mastery tips dacă sunteți în căutarea de a ateriza un rol de Inginer Graph Knowledge, Thomas Thelen a compilat o listă de întrebări de interviu Construirea unui grafic de cunoștințe sună grozav, dar săriți prea devreme fără a răspunde la unele întrebări fundamentale cheie poate duce la pierderea timpului și a ingineriei excesive. . 15 întrebări pentru a vă ajuta să începeți inteligent, indiferent dacă construiți un grafic intern simplu sau planificați un sistem complex alimentat de GenAI Implementarea unui grafic de cunoștințe de întreprindere este o călătorie în mai multe etape.Pe măsură ce proiectele se mută de la o dovadă inițială a conceptului la un grafic complet productiv, multi-domeniu, costurile se acumulează. . Joe Hoeller descrie etapele tipice (PoC, pilot și implementarea întregii întreprinderi) și costurile implicate în fiecare etapă. 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. 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 este open source, cu o versiune găzduită – cogwit. Adopting, building and populating knowledge graphs Adoptarea, construirea și popularea graficelor de cunoaștere 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 is an open source graph-based RAG system for any codebase Synalinks is a Keras-based neuro-symbolic framework that bridges the gap between neural networks and symbolic reasoning. Oferă extracție și recuperare optimizată și limitată a grafurilor de cunoaștere, integrare cu agenți, suport pentru Neo4j, generarea de interogări Cypher și alinierea automată a entităților. Cea mai recentă lansare 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 . how to transform relational data into a knowledge graph Cum de a trece de la date brute la un grafic de cunoștințe cu SynaLinks There’s no shortage of tutorials on other tools either. Gal Shubeli shows Acasă Acţiuni Acţiuni , 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 este un cadru open source pentru crearea graficelor de cunoaștere este un cadru pentru construcția complet autonomă a diagramei cunoștințelor care elimină nevoia de scheme predefinite. utilizează LLM-urile pentru a extrage triplele cunoștințelor și pentru a induce scheme cuprinzătoare direct din text. . AutoSchemaKG AutoSchemaKG este cercetarea de ultimă oră, cu codul lansat pe GitHub comercializează un sistem care transformă fișierele PDF și text în diagrame de cunoaștere. . 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 , care utilizează LLM-uri pentru a automatiza cea mai dureroasă parte a construirii graficelor de cunoștințe din text: deduplicarea înregistrărilor. Russel Jurney introduce domeniul emergent al rezoluției entităților semantice pentru diagrame de cunoaștere Andrea Volpini împărtășește un notebook , and Prashanth Rao offers . exploring semantic entity resolution & extraction using DSPy and Google’s new LangExtract library a gentle introduction to DSPy for graph data enrichment 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 Urmărirea tuturor lucrurilor Grafic An după An Knowledge graphs and AI: a two-way street Graficele cunoașterii și AI: o stradă în două direcții În lumea reală, . 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 Încercarea de a automatiza graficele de cunoaștere poate avea, de asemenea, consecințe neprevăzute. The authors of “ Ei arată cum să modeleze grafice de cunoaștere pe baza nevoilor de afaceri și a surselor de date text nestructurate, cum să valorifice ontologii, taxonomii, date structurate, algoritmi de învățare automată și raționament. Graficele de cunoștințe și LLM-urile în acțiune 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 pentru a importa graficul json în Neo4j open sourced code to transform Claude’s hidden memory into interactive knowledge graphs In the world of LLMs, the term “context engineering” has been getting traction. ca "construirea sistemelor dinamice pentru a oferi informațiile și instrumentele potrivite în formatul potrivit, astfel încât LLM să poată îndeplini sarcina în mod plauzibil". LangChain’s CEO Harrison Chase defines context engineering As Jérémy Ravenel notes, . 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 Ingineria contextuală este despre curățarea intrărilor: prompturi, memorie, instrucțiuni de utilizare, încorporări. Este arta cadrării. Ingineria ontologică este despre modelarea lumii: definirea entităților, relațiilor, axiomelor și constrângerilor care fac posibilă raționamentul. Graficele cunoașterii excelează în furnizarea de context semantic structurat pentru LLM-uri prin organizarea informațiilor ca entități și relații interconectate, făcându-le opțiuni excelente pentru memorie și recuperare, ca . Graficele de cunoștințe susținute de ontologii sunt stratul final de context pentru LLM-uri 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 Autorii cărţii » Scopul este de a dota oamenii de știință de date pentru a construi agenți inteligenți AI care raportează, recuperează și interacționează dinamic, împuternicindu-i să implementeze soluții AI. 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. . 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 este un exemplu concret de construcție și evaluare agentică a graficelor de cunoștințe financiare 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 released a hands-on guide for building Temporal Agents with knowledge graphs O altă abordare este împărtășită de Fareed Khan în “ “. Khan shows how to create an end-to-end temporal agentic pipeline that transforms raw data into a dynamic knowledge base, and build a multi-agent system to measure performance. Building a Temporal AI Agent to Optimize Evolving Knowledge Bases in Modern RAG Systems . 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 se întreabă. 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 împărtășește , while a . . claims to decrease RAG retrieval error rate by 67%. Developer’s Guide to Graph RAG Essential GraphRAG book Comentarii despre RAG vs Graph RAG empirical study analyses when and how to use knowledge graphs for RAG 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 HiRAG utilizează clusterarea ierarhică pentru a lega clustere de subiecte disparate pentru a spori raționamentul global. Andreas Kolleger highlights , 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 . To counter this, Huawei researchers published . GraphRAG nu lipsește de idei, dar se luptă să se extindă a pragmatic case study in balancing scalability with reasoning depth in GraphRAG systems Multimodal graphs Multimodal graphs A topic that’s gaining momentum in GraphRAG and beyond is multi-modality. este un sistem RAG all-in-one care utilizează diagrame de cunoștințe multimodale pentru extragerea automată a entităților și descoperirea relațiilor intermodale pentru o înțelegere îmbunătățită. 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 combină reprezentări structurate ale cunoștințelor cu tehnici de învățare profundă pentru a gestiona diverse surse de informații. 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. Towards Multi-modal Graph Large Language Model Graph databases grow and evolve Graph databases grow and evolve după cum scrie Joe McKendrick pe ZDNet. bazele de date grafice sunt proiectate să aibă un CAGR de cinci ani de 24% - 26% în funcție de and Piața globală a bazelor de date va crește cu 16% pe an. Graph databases are exploding, thanks to the AI boom, Gartner the Business Research Company As AI and RAG have given a significant boost to both graph and vector databases, people are trying to establish how these two compare, and when and how to use each. Andreas Blumauer . : they encode logic, preserve causality, and let you do symbolic + neural hybrid search, Shobhit Tankha chimes in. In André Lindenberg’s words: . Compara semantica bazelor de date vectoriale și grafice Graphs don’t just store facts 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. , 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, the newly-minted graph query language standard, is seeing adoption. , enabling users to run GQL queries on any Fabric Eventhouse or Azure Data Explorer. Shortly after, . 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 este prima platformă de cercetare care oferă interogări grafice GQL 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) Rularea interogărilor GQL în VS Code Graph data models: LPG vs. RDF, OWL vs. SHACL Graph data models: LPG vs. RDF, OWL vs. SHACL Dezbaterea LPG vs. RDF cu privire la modelele de date grafice nu dispare niciodată.Bryon Jacob a explorat stack-ul complet al RDF – (IRIs), (în trei rânduri) (RDFS și OWL) (SPARQL), and . Jacob argues that . identity structure semantics queries Comparați-l cu graficul proprietății 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, dezmembrarea miturilor urbane despre RDF și explicarea modului în care ontologiile ajută GraphRAG; bridging LPG and RDF frameworks In his exploration on , Kurt Cagle susține că este probabil să vedem în curând unificarea LPG și RDF. Cagle prezice, de asemenea, că modelarea bazată pe SHACL va fi mai importantă în viitor. . Viitorul cunoașterii grafice 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 People are also debating OWL vs. SHACL. Holger Knublauch, Boris Pelakh, Pete Rivett and Jessica Talisman address this in , while Michael Iantosca argues that . Marea dezbatere de modelare semantică 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 “ ” is open for pre-orders. And Kurt Cagle shows şi and . Ce se întâmplă în SHACL 1.2 SHACL pentru practicant how to make pizza with AI and SHACL 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 Am văzut deja cum să abordăm modelele de date grafice și bazele de date care provin din lumea relațională. „ ? 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 să reprezinte automat orice bază de date relațională ca un singur grafic interconectat și să învețe direct din această reprezentare grafică. Arhitectură transformatoare Kumo looks like the first to productize this. However, people in and are working on similar approaches too. The evolution is far from over, and the future of graph AI promises to be even more deeply connected. Google Yandex Janu Verma de la Microsoft își împărtășește propria idee despre 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 . introduction to Graph Learning and GNNs Geometric Deep Learning textbook Ce ar trebui să știe fiecare om de știință despre transformatorii grafici și impactul lor asupra datelor structurate Wrapping up from the world of graph AI with more new releases. PyG (PyTorch Geometric) is a library built upon PyTorch to easily write and train Graph Neural Networks for a wide range of applications related to structured data. 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 este o actualizare completă . It is a PyTorch-based framework that provides a flexible and modular architecture for building and training GNN models for anomaly detection. GraGOD este o abordare modernă pentru detectarea anomaliilor în seria de timp folosind tehnicile GNN. Graph science: Strong perfect graphs, the new Dijkstra’s algorithm and convergent neural networks Știința graficelor: grafe perfecte puternice, noul algoritm Dijkstra și rețelele neuronale convergente Last but not least, advances on the scientific front for graphs. Starting with a . Chudnovsky’s breakthrough on the shows how abstract math creates real-world solutions. Maria Chudnovsky, „matematicianul superstar” care a rezolvat un puzzle vechi de 40 de ani despre graficele perfecte Strong Perfect Graph Conjecture Vorbind despre soluții din lumea reală: atunci când folosim Google Maps pentru a găsi cea mai rapidă rută, în spatele scenei, funcționează o versiune a algoritmului lui Dijkstra. ceva ce oamenii credeau că nu putea fi îmbunătățit într-un mod semnificativ. Researchers have found a faster way to run Dijkstra’s shortest path algorithm Travis Thompson anunță . Alexander Stage notes that this a . this transfers well into the way data products are built and consumed marele punct de referință al teoriei, dar rutarea producției deja „schimba regulile” cu ani în urmă cu preprocesarea și ingineria grafică inteligentă Miklós Molnár raportează despre activitatea lui Szegedy Balázs . Results point to the Platonic Representation Hypothesis, according to which neural networks are converging to a shared statistical model of reality. And Alberto Gonzalez shares the basics of . Rețele neuronale cu arhitecturi identice representing graphs Abonează-te la Anul Newsletter-ului Graph Urmărirea tuturor lucrurilor Grafic An după An Subscribe to the Year of the Graph Newsletter Abonează-te la Anul Newsletter-ului Graph Urmărirea tuturor lucrurilor Grafic An după An
