Đồ thị tri thức lưu thực thể và quan hệ dưới dạng các sự kiện liên kết mà AI có thể truy vấn. Cách chúng hoạt động, GraphRAG dùng chúng ra sao và ý nghĩa với GEO.

Trên trang này
Tóm tắt
Đồ thị tri thức là mạng lưới các thực thể, chẳng hạn người, công ty hoặc sản phẩm, được nối với nhau bằng các quan hệ có nhãn. Máy truy vấn những kết nối này để suy luận trên sự kiện thay vì so khớp văn bản mơ hồ. Nhờ vậy, câu trả lời chính xác hơn, dễ truy vết hơn và dễ được công cụ tìm kiếm cũng như hệ thống AI trích dẫn hơn.
Muốn tìm hiểu sâu hơn? Hãy hỏi
Đồ thị tri thức lưu thông tin dưới dạng một mạng lưới thay vì các hàng và cột. Mỗi nút là một thực thể, mỗi cạnh là một quan hệ giữa hai thực thể, và cả hai đều có thể mang các thuộc tính mô tả. Kết quả là một bản đồ sự kiện mà phần mềm có thể duyệt, truy vấn và kiểm tra, đó là lý do các công cụ tìm kiếm và trợ lý AI dựa trên ý tưởng này.
Đồ thị tri thức là một tập dữ liệu liên kết về các sự vật ngoài đời thực và cách chúng liên hệ với nhau. Những sự vật này, gọi là thực thể, có thể là người, công ty, sản phẩm, địa điểm hoặc khái niệm. Ví dụ nổi tiếng nhất là Google Knowledge Graph, nhưng mô hình này mang tính tổng quát và cũng được dùng cho dữ liệu doanh nghiệp, cơ sở dữ liệu nghiên cứu và hệ thống tìm kiếm nội bộ.
Google giới thiệu đồ thị của mình vào tháng 5 năm 2012 như một mô hình hiểu được các sự vật và quan hệ giữa chúng, chứ không chỉ là chuỗi ký tự. Trong bài công bố, Google cho biết đồ thị chứa hơn 500 triệu đối tượng và hơn 3,5 tỷ sự kiện về chúng cùng các quan hệ giữa chúng.
Đơn vị cơ bản là bộ ba: một câu lệnh gồm chủ thể, vị từ và đối tượng. Tài liệu nhập môn RDF 1.1 của W3C giải thích rằng các phát biểu RDF gồm ba thành phần gọi là bộ ba, trong đó chủ thể và đối tượng trở thành nút của đồ thị, còn vị từ trở thành cung nối giữa chúng.
Một bộ ba đọc như một câu ngắn. Ảnh chụp bên dưới cho thấy trang mục Wikidata công khai của nhà văn Douglas Adams, nơi phát biểu "thể hiện của: con người" nối một thực thể với một danh mục rộng hơn. Cùng một mục có thể được liên kết với nhiều thực thể khác, và mỗi liên kết thêm một cạnh vào đồ thị.

Bản thể luận là bản thiết kế của đồ thị. Nó xác định những loại thực thể nào tồn tại, những quan hệ nào được phép và những quy tắc nào áp dụng, ví dụ mỗi đơn hàng phải có ít nhất một sản phẩm. Điều này giữ cho đồ thị nhất quán, để phần mềm có thể suy luận trên đó thay vì phỏng đoán.
Đồ thị tri thức thường nằm trong cơ sở dữ liệu đồ thị hoặc kho bộ ba, chẳng hạn Neo4j, Amazon Neptune hoặc GraphDB. Những hệ thống này được xây dựng để đi từ một nút sang các nút lân cận, rồi sang lân cận của chúng, điều khó diễn đạt trong cơ sở dữ liệu quan hệ truyền thống khi chuỗi quan hệ dài.
Việc duyệt nhiều bước này là thế mạnh chính của đồ thị. Một câu hỏi như nhà cung cấp nào của một sản phẩm cũng phục vụ đối thủ cạnh tranh cần nhiều phép nối trong mô hình bảng, trong khi đồ thị chỉ việc đi theo các cạnh giữa các nút liên quan.
Cơ sở dữ liệu thông thường lưu dữ liệu trong bảng và coi quan hệ là các phép nối được tính khi truy vấn chạy. Đồ thị tri thức lưu các quan hệ như dữ liệu riêng, nên các kết nối có thể được duyệt, bổ sung và giải thích trực tiếp. Công cụ tìm kiếm và hệ thống AI tận dụng điều này để trả lời các câu hỏi phụ thuộc vào cách nhiều sự kiện liên kết với nhau.
Lập trình viên cũng có thể truy vấn đồ thị của Google. Knowledge Graph Search API cho phép tìm thực thể trong Google Knowledge Graph, sử dụng các kiểu schema.org chuẩn và trả về JSON-LD. Tài liệu cũng cảnh báo rằng Google đang chuyển API này sang Cloud Enterprise Knowledge Graph, vì vậy hãy kiểm tra các lựa chọn hiện tại trước khi xây dựng trên nó. Ảnh chụp bên dưới cho thấy phần đầu của trang tài liệu đó.

Sinh văn bản tăng cường truy xuất thường tìm các đoạn văn có cách diễn đạt tương tự rồi để mô hình ghép chúng lại. GraphRAG thêm một đồ thị tri thức vào quy trình này. Hệ thống lấy ra một tập thực thể và quan hệ liên kết với nhau, rồi chuyển cấu trúc đó cho mô hình làm ngữ cảnh.
Lợi ích rất thực tế. Một đồ thị ghi nhận rằng sản phẩm có Bộ phận A và Bộ phận B cho phép mô hình liệt kê đúng những bộ phận đó. Nhiều quy trình cũng kết hợp đồ thị với tìm kiếm vector: dùng embedding để tìm văn bản tương tự và dùng đồ thị để kiểm tra các sự kiện liên kết thế nào.
Đồ thị tri thức giảm ảo giác AI bằng cách giới hạn câu trả lời trong các quan hệ đã có sẵn trong dữ liệu. Khi đồ thị không có liên kết giữa hai sự kiện, mô hình ít có cơ hội bịa ra một liên kết. Hiệu quả mạnh nhất ở những câu hỏi chính xác, nơi một liên kết sai gây tốn kém.
Cấu trúc này cũng làm cho câu trả lời có thể truy vết. Mỗi khẳng định có thể được gắn với các nút và cạnh làm bằng chứng, nhờ đó một nhóm có thể kiểm tra vì sao hệ thống trả lời như vậy. Truy xuất chỉ dựa trên văn bản khiến việc xác minh con đường này khó hơn nhiều. Tuy nhiên, bản thân đồ thị không loại bỏ lỗi: một bộ ba sai sẽ tạo ra câu trả lời sai với độ tự tin y như một câu đúng.
Đồ thị tri thức ưu ái nội dung mà máy móc có thể phân tích thành thực thể và quan hệ. Khi trang của bạn nêu rõ thực thể, sử dụng đánh dấu schema và giữ sự kiện nhất quán, công cụ tìm kiếm và hệ thống AI có thể ghép thương hiệu của bạn với đồ thị mà họ dựa vào. Đây là ý tưởng cốt lõi của SEO thực thể.
Trên thực tế, hãy mô tả tổ chức, sản phẩm và tác giả bằng cùng những sự kiện ở mọi nơi chúng xuất hiện, rồi kiểm tra kết quả bằng công cụ kiểm tra dữ liệu có cấu trúc miễn phí của Sorank. Để biết thêm cách đánh dấu ảnh hưởng đến câu trả lời của AI, hãy đọc dữ liệu có cấu trúc thực sự giúp gì trong tìm kiếm AI.
Đồ thị tri thức biến các sự kiện rải rác thành một cấu trúc liên kết mà máy móc có thể truy vấn và suy luận, đó là lý do chúng nằm sau nhiều câu trả lời AI chính xác. Bằng cách mã hóa thực thể và quan hệ một cách rõ ràng, chúng giảm ảo giác, hỗ trợ suy luận nhiều bước và giúp kết quả dễ truy vết. Hãy giữ các sự kiện của chính bạn nhất quán và được đặt tên rõ ràng, để thương hiệu của bạn khớp với các đồ thị mà công cụ tìm kiếm và trợ lý AI đang dùng.
Nguồn
Cơ sở dữ liệu thông thường lưu dữ liệu trong bảng và tính quan hệ khi truy vấn chạy. Đồ thị tri thức lưu quan hệ như dữ liệu, nên các kết nối có thể được duyệt, bổ sung và giải thích trực tiếp.
RAG thông thường tìm các đoạn văn có cách diễn đạt tương tự. GraphRAG thêm đồ thị tri thức, nên hệ thống lấy ra một tập thực thể và quan hệ liên kết thay vì các đoạn rời rạc, và câu trả lời dựa trên sự kiện có cấu trúc.
Gián tiếp là có. Các trang có thực thể rõ ràng, sự kiện nhất quán và dữ liệu có cấu trúc hợp lệ dễ được công cụ tìm kiếm và hệ thống AI ánh xạ vào các đồ thị họ dùng. Thông tin rõ ràng và đáng tin cậy có nhiều khả năng được đưa lên và trích dẫn hơn.
