Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen
-
Ralf Krestel
Prof. Dr. Ralf Krestel
Zusammenfassung
Heutige Computeranwendungen sind in der Lage, große Mengen an Wissen zu speichern. Neben großen Sprachmodellen (LLMs), wie ChatGPT, finden auch Wissensgraphen, welche Fakten in Form von Tripeln speichern, Anwendung in modernen Informations- und Wissenssystemen. Diese Zusammenfassung eines Vortrags liefert eine Einführung in diese Technologien und zeigt anhand von Beispielen, wie diese funktionieren und was ihre Stärken und Schwächen sind.
Abstract
Today’s computer applications are able to store large amounts of knowledge. In addition to large language models (LLMs), such as ChatGPT, knowledge graphs, which store facts in the form of triples, are also used in modern information and knowledge systems. This summary of a lecture provides an introduction to these technologies and uses examples to show how they work and what their strengths and weaknesses are.
Résumé
Les applications informatiques actuelles sont capables de stocker de grandes quantités de connaissances. Outre les grands modèles de langage (LLM), tels que ChatGPT, les graphes de connaissances, qui stockent les faits sous forme de triplets, sont également utilisés dans les systèmes d’information et de connaissances modernes. Ce résumé d’une conférence fournit une introduction à ces technologies et montre, à l’aide d’exemples, comment elles fonctionnent et quels sont leurs points forts et leurs points faibles.
Über den Autor / die Autorin
Prof. Dr. Ralf Krestel
Literatur
Bolukbasi, Tolga u. a. „Man is to computer programmer as woman is to homemaker? debiasing word embeddings“. In: Advances in neural information processing systems 29 (2016).Suche in Google Scholar
Dagdelen, John u. a. „Structured information extraction from scientific text with large language models“. In: Nature Communications 15.1418 (2024).10.1038/s41467-024-45563-xSuche in Google Scholar
Firth, JR. „A synopsis of linguistic theory 1930–1955“. In: Studies in Linguistic Analysis (1957), S. 1–31.Suche in Google Scholar
Guidotti, Riccardo u. a. „A survey of methods for explaining black box models“. In: ACM computing surveys (CSUR) 51.5 (2018), S. 1–42.10.1145/3236009Suche in Google Scholar
Hogan, Aidan u. a. „Knowledge graphs“. In: ACM Computing Surveys (Csur) 54.4 (2021), S. 1–37.Suche in Google Scholar
Huang, Lei u. a. „A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions“. In: arXiv preprint arXiv:2311.05232 (2023).10.1145/3703155Suche in Google Scholar
Lenat, Douglas B. „CYC: A large-scale investment in knowledge infrastructure“. In: Communications of the ACM 38.11 (1995), S. 33–38.10.1145/219717.219745Suche in Google Scholar
Mikolov, Tomas u. a. „Distributed representations of words and phrases and their compositionality“. In: Advances in neural information processing systems 26 (2013).Suche in Google Scholar
Mikolov, Tomás u. a. „Efficient Estimation of Word Representations in Vector Space“. In: International Conference on Learning Representations (ICLR), Workshops. 2013.Suche in Google Scholar
Petroni, Fabio u. a. „Language Models as Knowledge Bases?“ In: Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP). ACL, 2019, S. 2463–2473.10.18653/v1/D19-1250Suche in Google Scholar
Wei, Xiaokai u. a. „Knowledge enhanced pretrained language models: A compreshensive survey“. In: arXiv preprint arXiv:2110.08455 (2021).Suche in Google Scholar
Zhao, Wayne Xin u. a. „A survey of large language models“. In: arXiv preprint arXiv:2303.18223 (2023).Suche in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Frontmatter
- KI und Wissensorganisation
- Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen
- Von der Theorie in die Praxis: Wie Wissensgraphen und Sprachmodelle schon heute helfen, die wissenschaftlichen Fragen von morgen zu beantworten
- KI, Wissensgraphen und die Publikationsflut – Die Beantwortung wissenschaftlicher Fragestellungen und die Rolle von Bibliotheken im digitalen Zeitalter
- Wissensmanagement
- Wissenstransfer umgekehrt
- Management von Informationsprozessen
- Datenmanagement 4.0: Künstliche Intelligenz als Treiber für innovative Forschungsinformationssysteme
- Hochschule
- Es braucht Beziehungen, auch an Hochschulen
- Tagungsbericht
- „The Art of Connection“
- „Human Indexing in a Digital World“
- KI bei Information Professionals angekommen
- Sammlungen: Welche Bedeutung haben sie heute noch für die Objektdokumentation?
- Aus der DGI
- Aus der DGI
- Nachrichten
- Nachrichten
- Informationen
- Informationen
- Erratum
- Erratum zu: Richard Grasshoff, Kollaboratives Wissensmanagement. Grundlagen und Fallstudien. Wiesbaden: Springer Gabler, 2023
- Terminkalender
- Terminkalender
Artikel in diesem Heft
- Frontmatter
- KI und Wissensorganisation
- Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen
- Von der Theorie in die Praxis: Wie Wissensgraphen und Sprachmodelle schon heute helfen, die wissenschaftlichen Fragen von morgen zu beantworten
- KI, Wissensgraphen und die Publikationsflut – Die Beantwortung wissenschaftlicher Fragestellungen und die Rolle von Bibliotheken im digitalen Zeitalter
- Wissensmanagement
- Wissenstransfer umgekehrt
- Management von Informationsprozessen
- Datenmanagement 4.0: Künstliche Intelligenz als Treiber für innovative Forschungsinformationssysteme
- Hochschule
- Es braucht Beziehungen, auch an Hochschulen
- Tagungsbericht
- „The Art of Connection“
- „Human Indexing in a Digital World“
- KI bei Information Professionals angekommen
- Sammlungen: Welche Bedeutung haben sie heute noch für die Objektdokumentation?
- Aus der DGI
- Aus der DGI
- Nachrichten
- Nachrichten
- Informationen
- Informationen
- Erratum
- Erratum zu: Richard Grasshoff, Kollaboratives Wissensmanagement. Grundlagen und Fallstudien. Wiesbaden: Springer Gabler, 2023
- Terminkalender
- Terminkalender
