Dans mes précédents blogs, j'ai écrit sur le sujet en plein essor des Personal Knowledge Graphs (PKG) et de la gestion des connaissances . Ce blog se concentrera sur les défis de l'intégration des PKG dans des écosystèmes de connaissances plus larges tels que le graphe de connaissances d'entreprise (EKG) de votre entreprise ou le système de gestion des connaissances de votre collège et université.

Le public visé par ce poste est un architecte de solutions qui a été invité à comprendre les compromis entre de nombreux silos PKG isolés et des graphes de connaissances d'entreprise plus intégrés qui partagent les connaissances et évitent la duplication et l'incohérence des connaissances. Nous examinons les options d'intégration limitées disponibles aujourd'hui et prévoyons d'importants retours sur investissement, car les produits PKG intègrent les dernières recommandations des grands modèles d'apprentissage automatique.

Si vous êtes nouveau dans le domaine des PKG, nous vous recommandons vivement de lire les articles précédents sur les PKG, les ECG et la gestion des connaissances pour bien comprendre ces concepts.

La tension entre la réutilisation personnelle et organisationnelle

Avant de plonger dans la terminologie, rappelons-nous qu'il y a toujours deux forces opposées qui animent les PKG dans une organisation. La première force est la nécessité pour chacun de saisir rapidement des notes cohérentes avec sa base de connaissances personnelle. Au fur et à mesure que vous tapez, les listes de suggestions automatiques vous permettent de vous connecter rapidement à vos propres concepts personnels dans votre propre PKG. Lorsque vous tapez "[[" dans l'éditeur de texte, une liste de concepts existants s'affiche. Au fur et à mesure que vous tapez, la liste est automatiquement réduite pour correspondre au préfixe que vous avez déjà commencé.

La deuxième force est le désir de nombreuses entreprises de capturer ces connaissances d'une manière qui puisse être utilisée par d'autres dans l'entreprise. Cela signifie que les grandes organisations mettront souvent en place des règles supplémentaires qui empêchent la capture rapide des connaissances. Voulez-vous émettre un ticket dans le système d'assistance ? Vous devez nous parler de votre ordinateur, de ce que vous essayez de faire, de l'application que vous utilisez et de quelques informations sur la façon de reproduire l'erreur. Si ces champs obligatoires ne sont pas remplis, le bouton Enregistrer est désactivé.

Mon expérience est que nous verrons toujours des compromis. Qui paie pour le logiciel, comment les connaissances sont capturées et comment les MBO de partage des connaissances sont rédigés sont souvent des sujets de préoccupation. Il n'y a pas de solution unique ici, et l'utilisation de grands outils de traitement automatique du langage naturel (NLP) ne fait que rendre les décisions plus complexes. Nous aborderons ce sujet plus tard dans le blog.

Classification des outils actuels

Pour commencer notre discussion, considérons deux outils de bureau. Le premier est un outil d'édition autonome tel que Microsoft Notepad(TM), fourni avec vos applications de bureau Windows(TM). Considérez cela comme l'ajout d'une nouvelle feuille de connaissances à un petit nouveau jeune arbre d'un arbre. Cet outil vous permet de saisir n'importe quel texte à partir de votre clavier et de l'enregistrer dans votre système de fichiers local. Un bloc-notes est idéal pour capturer de nouvelles informations déconnectées du reste du monde. Vous n'avez même pas besoin d'être connecté à votre réseau d'entreprise pour l'utiliser.

Les wikis vous permettent également de saisir du texte libre, mais toujours dans une page qui porte un nom unique. Votre texte peut contenir des références à d'autres pages nommées. Certaines pages Wiki peuvent contenir des paires clé-valeur structurées souvent appelées Infoboxes. La principale différence entre le Bloc-notes et le Wiki est que les pages Wiki sont stockées sur un serveur et converties en pages Web avec des liens.

Considérons maintenant un éditeur de PKG tel que Roam ou Obsidian. Ils sont toujours connectés à une base de connaissances existante et l'accent est mis sur la création de liens rapides vers votre graphique personnel interne. Voici une métaphore que nous voulons comprendre clairement à partir de la figure 1. Les PKG sont utiles lorsque nous voulons également capturer de nouvelles informations qui sont une extension de la structure de connaissances existante. Par exemple, lorsque vous entrez un nom de concept simple, le système vérifie qu'il s'agit d'un nouveau concept et non d'un doublon d'un concept existant ou d'un alias pour un concept existant.

Dans le coin inférieur droit du graphique se trouvent des outils formels d'édition d'ontologies tels que Protege et des bases de données de graphes telles que Neo4j ou TigerGraph. Ces bases de données de graphes ont de nombreuses contraintes, telles que des types formels pour chaque sommet et arête et des règles strictes sur les types de sommets qui peuvent se connecter les uns aux autres. Les arêtes doivent également avoir un type.

La dernière case de la figure 3 est le PKG assisté par apprentissage automatique (ML-PKG), où les outils NLP sont utilisés pour suggérer automatiquement du texte dans votre éditeur PKG. Ces outils n'existent pas encore, mais avec l'évolution rapide des modèles à grand langage tels que BERT et GPT-3, nous nous attendons à ce qu'ils soient bientôt disponibles.

En résumé, il y aura beaucoup de règles dans un Enterprise PKG intégré. Bon nombre de ces règles peuvent être utiles. Ils peuvent accélérer votre travail en ajoutant des connaissances à l'aide de la saisie semi-automatique contextuelle intelligente. Certaines de ces règles vous gêneront et ralentiront votre taux de capture des connaissances.

Terminologie de base

Commençons notre discussion avec quelques termes et concepts de base. Dans un PKG, l'objectif est de permettre efficacement à un flux typé de caractères de capturer efficacement des concepts de connaissances et d'établir des liens avec des concepts antérieurs. Dans un PKG, nous utilisons une structure de données appelée graphe de connaissances. Un graphique stocke non seulement une liste plate de concepts, mais également la relation entre ces concepts. Le terme technique que nous utilisons pour le stockage de concept est un sommet, et le terme pour les relations est appelé une arête.

Systèmes non typés vs systèmes typés

Beaucoup d'entre nous connaissent le concept d'un Wiki. Le mot "wiki" est un terme hawaïen pour "rapide". Ils ont été créés pour que l'utilisateur puisse minimiser le nombre de frappes qui relient les "pages" wiki les unes aux autres. Dans le modèle de données Wiki, tous les concepts sont stockés sur une page wiki, et l'objectif de conception est de suivre la règle d'une page par concept afin que les concepts puissent être facilement liés entre eux. Si vous mettez deux concepts ou plus sur une page, un lien vers cette page ne montrera pas clairement un modèle de concept unique à concept unique.

Les wikis ont été un formidable pas en avant dans la prise de notes car les pages conceptuelles ou les cartes conceptuelles étaient partagées sur un serveur Web. Au fur et à mesure que vos pairs ajoutaient de nouveaux concepts, vous pouviez créer des liens vers ces concepts. Au fur et à mesure que vous ajoutiez de nouveaux concepts, vos pairs pourraient également y accéder. C'était une énorme percée dans la gestion des connaissances partagées, et c'est la base de systèmes tels que Wikipédia.

Cependant, la plupart des gens ne considèrent pas un Wiki comme de véritables « graphes de connaissances », car ce ne sont en fait que des collections de documents liés non typés, tout comme le World Wide Web. Les concepteurs de wiki ont voulu étendre le concept de « liens hypertexte » et rendre les liens plus faciles à taper que de se souvenir de la syntaxe complexe des références d'ancre HTML. La différence fondamentale entre un wiki et un véritable graphe de connaissances est le fait que les pages wiki sont toutes du même « type » (un type de document/carte/concept), et que les relations ont également toutes un seul type (est lié à ).

Les vrais graphes de connaissances permettent à chaque sommet et arête d'avoir un type spécifique . La liste des types possibles est souvent configurée par un service centralisé. Par exemple, certains sommets peuvent représenter un employé, certains peuvent représenter des produits que vous vendez et certains peuvent décrire des événements commerciaux tels qu'un appel passé au service d'assistance de votre entreprise. L'élément clé à propos des types est que nous pouvons associer des règles aux types, et ces règles forcent la cohérence qui rend les graphes de connaissances faciles à interroger, tout comme nous interrogeons une base de données traditionnelle à l'aide de SQL.

Si vous ajoutez une nouvelle ville à un PKG, vous pouvez indiquer au système que le sommet est de type "ville" et également ajouter une relation "situé dans" à un sommet "état". Les sommets et les relations ont des types.

Dans le domaine de la stratégie des graphes de connaissances d'entreprise, nous utilisons l'hypothèse de Jim Hendler « Un peu de sémantique va loin. « L'ajout de quelques types simples à la fois aux sommets et aux arêtes est le principal moyen d'ajouter du sens (sémantique) aux PKG pour optimiser leur capacité de recherche et leur réutilisation.

De nombreuses organisations ont découvert que les wikis partagés sont un système idéal pour stocker et relier les connaissances. Cependant, la plupart des organisations n'interrogent pas les wikis car elles accordent la priorité à l'édition de forme libre plutôt qu'à des règles strictes. Vous pouvez toujours essayer d'imposer une structure à une page wiki, mais ces structures sont souvent facultatives, et peu de systèmes wiki vous empêchent d'enregistrer une page wiki si les champs obligatoires sont manquants. Les Infoboxes de Wikipédia sont un exemple de la façon dont les wikis peuvent être modernisés pour ajouter des données structurées qui peuvent être interrogées.

Forcer l'unicité du nom

Bien que la plupart des wikis ne vous permettent pas d'attribuer des types aux nouvelles pages au moment de la création, ils ont d'autres règles que les graphes de connaissances n'ont pas. Lorsque vous créez une nouvelle page, vous devez lui donner un nom. Ce nom sert d'identifiant de page avec un wiki. Maintenant, deux pages peuvent avoir le même nom. Dans la plupart des PKG, nous avons une règle similaire. Si vous essayez d'entrer une nouvelle page avec le même nom, le logiciel vous dira que la page existe déjà. Si vous renommez une page pour qu'elle porte le même nom qu'un concept existant, le système vous demandera si vous souhaitez fusionner les noms. L'ajout d'alias (une ou plusieurs étiquettes pour le même concept) est un autre défi que de nombreux PKG ne réussissent pas bien.

Application de systèmes typés aux boucles d'événements de prise de notes

Maintenant que nous avons une idée de la différence critique entre les wikis et les graphes de connaissances, posons-nous la question, comment pouvons-nous accélérer la capacité à établir des connexions lorsque nous saisissons du texte dans une page PKG ? Nous commencerons par quelques exemples simples, puis approfondirons certains sujets plus complexes.

Le modèle général que nous utilisons est de visualiser les caractères tapés sur un clavier. Au fur et à mesure que l'utilisateur tape chaque nouveau caractère, nous appliquons un ensemble de règles pour aider l'utilisateur à décider s'il est possible d'ajouter un avantage à un concept existant. Si c'est le cas, les utilisateurs utiliseront un caractère, tel qu'une touche de tabulation, pour confirmer les relations et compléter automatiquement les caractères restants pour le bord. S'ils ne veulent pas accepter la suggestion, ils peuvent simplement continuer à taper.

La clé est que lorsque l'utilisateur tape, il veut souvent signaler qu'un lien vers un concept typé spécifique est nécessaire. Vous connaissez peut-être déjà ce processus si vous utilisez les réseaux sociaux et souhaitez référencer une personne ou un concept en utilisant « @ » pour référencer une personne ou un compte Twitter. Vous pouvez ajouter des hashtags en utilisant un caractère "#" à la fin de votre article de blog pour permettre aux systèmes de recommandation de lier votre article de blog aux personnes intéressées par un concept spécifique.

Une fois que vous avez signalé au système auteur que vous souhaitez référencer un nœud existant avec un type, il le confirme au fur et à mesure que vous tapez ou suggérez une liste de saisies semi-automatiques.

La clé est que les organisations disposent de nombreux types de données que vous souhaitez inclure dans votre recommandation Edge. Notre objectif est de trouver des moyens d'intégrer ces types spécifiques à l'organisation dans la boucle au fur et à mesure de la saisie dans les éditeurs de texte de nos outils PKG. Si vous souhaitez référencer des employés de votre entreprise, le « @ » peut extraire une liste de votre liste de noms d'employés de l'entreprise. Cliquer sur le lien de cet employé permettra à l'utilisateur d'accéder à la page PKG de cet employé.

Un autre point d'intégration courant est la création d'un lien vers un glossaire standard de termes et d'acronymes de l'entreprise. Au lieu d'utiliser un symbole de clavier spécial, vous pouvez ajouter un préfixe séparé par deux-points à un nom de sommet. Par exemple, si vous avez un glossaire de termes d'entreprise, vous pouvez demander à vos utilisateurs d'utiliser "g :" comme préfixe, et la saisie semi-automatique correspondra à ces termes. Si vous utilisez un glossaire spécifique à l'industrie, vous pouvez référencer ces normes terminologiques dans le préfixe. Par exemple, dans le domaine de la santé, nous utilisons le glossaire « Just Plain Clear » pour que le préfixe « jpc : » remplisse automatiquement les termes de ce système.

Ajout de types personnalisés

Ma suggestion lorsque vous créez une stratégie d'intégration PKG, commencez petit et tirez parti de vos succès en fonction de la valeur que chaque intégration ajoute à votre communauté d'utilisateurs. Commencez par de simples listes d'employés et des termes du glossaire de l'entreprise qui sont couramment référencés. Essayez des expériences avec des éléments tels que « g : » pour un glossaire d'entreprise ou « w : » pour un terme de Wikipédia et voyez à quelle fréquence ils sont référencés. Si l'adoption de ces suggestions est faible, elles doivent être supprimées. N'oubliez pas que les utilisateurs peuvent toujours ajouter des liens externes à Wikipédia.

Surveillance du taux d'acceptation

Il y a maintenant eu des études approfondies sur la façon dont les modèles NLP de grande langue tels que BERT et GPT-3 peuvent être utilisés pour aider les développeurs de logiciels en suggérant du code. Lorsqu'un système fait des recommandations à un utilisateur concernant une suggestion de saisie semi-automatique, si l'utilisateur accepte la suggestion, celle-ci est consignée dans un journal des événements. Le parent des suggestions qu'un utilisateur accepte, appelé le taux d'acceptation, est essentiel pour son adoption de ces outils.

En général, si vos utilisateurs n'acceptent pas environ 1/3 des suggestions de saisie semi-automatique, les outils deviendront plus ennuyeux qu'utiles. Les utilisateurs désactiveront les outils et vous n'obtiendrez pas les commentaires dont vous avez besoin pour réussir. Il est donc essentiel de viser un taux d'acceptation de 30 % ou plus avant de déployer ces outils en production.

Permaliens et PURL

L'ajout de liens URL complets de vos notes à toutes les ressources internes de l'entreprise est également quelque chose dont il faut se méfier. De nombreux systèmes de gestion de documents internes, tels que Sharepoint(TM), dépendent de liens vers des fichiers spécifiques au sein d'un système de fichiers hiérarchique. Lorsque les autorisations d'accès à ces dossiers changent ou que les documents sont déplacés, ces liens ne fonctionnent plus.

Un meilleur choix consiste à ne créer des liens dans vos PKG qu'avec des emplacements que votre organisation s'est engagée à ne pas modifier - jamais. Nous appelons ces liens Permaliens ou PURL. Cela peut se faire par une gestion prudente de votre système interne de noms de domaine afin qu'un lien vershttp://glossary.mycompany.com/#termfonctionnera toujours, même si les serveurs sur lesquels le glossaire est hébergé changent.

L'étape suivante consiste à s'assurer que votre équipe d'intégration PKG dispose d'outils capables de surveiller les liens rompus et de travailler de manière proactive pour empêcher les liens d'être rompus lorsque le contenu se déplace sur les serveurs de votre organisation. Envisagez de créer une «valeur» d'un dollar pour un lien fonctionnel et aidez les personnes sous la valeur de connaissance qui est perdue lorsque les liens se rompent et le temps qu'il faut pour mettre à jour les liens rompus.

La plupart des graphes de connaissances prennent en charge les liens bidirectionnels. Si vous modifiez le nom d'une page conceptuelle, tous les liens vers cette page seront automatiquement mis à jour. C'est une ÉNORME victoire et équivaut à une gestion des relations super cohérente et à faible coût.

En règle générale, 60 % de la valeur d'un graphe de connaissances correspond aux nœuds et 40 % de la valeur correspond aux relations. Les liens brisés découragent les auteurs de créer de futurs liens, et les utilisateurs sont plus réticents à faire confiance aux systèmes comportant de nombreux liens brisés.

Intégration avec les frameworks NLP

L'un des principaux développements est la montée en puissance d'outils en temps réel peu coûteux capables d'analyser le texte entrant et de rechercher des mots clés et des expressions pertinents pour une organisation. Ces processus incluent la classification automatique, l'extraction d'entités nommées et l'extraction de faits. Par exemple, si vous saisissez le terme « hier », un système peut détecter la date actuelle et insérer un lien vers la date d'hier dans votre chronologie afin que vous puissiez voir quelles notes font référence à cette date.

Le moment où l'intégration NLP se produit dans le flux de travail d'édition est également pertinent. Les inférences en temps réel sur de grands modèles NLP peuvent être très coûteuses. Les vérifications en cours de frappe doivent s'exécuter rapidement. L'ajout de mots-clés à un document en fin de journée est beaucoup moins coûteux. En général, les services de suggestion automatique en temps réel doivent s'exécuter au 1/10ème de seconde. Ce sont des temps de réponse de 100 millisecondes, et les organisations qui fournissent des accords de niveau de service peuvent avoir des frais de rétrofacturation onéreux que votre utilisateur ne veut pas payer.

Autres points d'intégration

L'intégration avec la suggestion automatique de flux de charte et l'intégration avec l'analyse NLP en temps réel sont les deux domaines qui domineront vos architectures d'intégration PKG et guideront vos points de décision de produit PKG. Cependant, il y a quelques autres domaines à considérer.

Conversion des extensions Markdown

Aujourd'hui, presque tous les PKG se concentrent sur l'extension des formats Markdown standard. Malheureusement, différents fournisseurs ont choisi différents formats pour ces extensions. Lorsque vous importez ou exportez Markdown entre des systèmes, vous devrez peut-être ajouter des convertisseurs entre ces formats. Par exemple, la conversion d'Obsidian en Roam ou vice versa vous obligera à charger des extensions de convertisseur pour effectuer ce travail. Heureusement, les scripts de conversion sont des changements de syntaxe assez simples et sont bien documentés. De nombreux petits programmes Python sont déjà disponibles pour effectuer ces conversions. Les éléments à vérifier incluent les liens externes, les liens d'image, les balises de métadonnées, la mise en surbrillance du texte et les alias.

Conclusion

Il y aura toujours une tension naturelle entre la prise de notes rapide et libre de toute règle et le désir de l'organisation de réutiliser les connaissances et de les rendre cohérentes. Les PKG, les wikis et les graphes de connaissances d'entreprise évoluent tous en même temps que l'explosion des outils de TAL et la croissance des modèles de grande langue qui suggèrent du texte dans le contexte d'un éditeur de texte.