1. Données:
* Faits: Ce sont des informations de base sur les entités et leurs relations. Par exemple, "John est étudiant" ou "Paris est la capitale de la France".
* Règles: Ceux-ci expriment des relations entre les faits et peuvent être utilisés pour dériver de nouvelles connaissances. Par exemple, "si quelqu'un est étudiant, alors il est aussi une personne" ou "s'il pleut, alors le sol est mouillé".
* Concepts: Ce sont des idées ou des catégories abstraits qui représentent des groupes d'entités. Par exemple, «animal», «véhicule» ou «émotion».
* Relations: Ceux-ci définissent comment les différentes entités ou concepts sont connectés. Par exemple, «a un capital», «fait partie de» ou «causes».
2. Structure:
* Représentation des connaissances: La façon dont les données sont organisées et représentées dans la base de connaissances. Les méthodes courantes comprennent:
* Réseaux sémantiques: Les graphiques où les nœuds représentent les concepts et les bords représentent des relations entre elles.
* Systèmes de trame: Les données sont organisées en cadres, qui sont des structures de données qui représentent des objets ou des concepts spécifiques.
* Programmation logique: Utilise la logique formelle pour représenter les connaissances comme des déclarations logiques.
* ontologies: Descriptions formelles des concepts et des relations dans un domaine spécifique.
* métadonnées: Des informations sur les données elle-même, telles que sa source, sa date de création et sa validité.
3. Capacités de raisonnement:
* moteur d'inférence: Un système qui utilise la base de connaissances pour dériver de nouvelles connaissances en appliquant des règles logiques et des méthodes de raisonnement.
* Langage de requête: Une langue utilisée pour poser des questions et récupérer des informations de la base de connaissances.
4. Applications:
* Systèmes experts: Utilisé pour automatiser la prise de décision dans des domaines spécifiques comme la médecine, la finance ou l'ingénierie.
* Récupération des informations: Utilisé pour la recherche et la récupération des informations pertinentes à partir de grands ensembles de données.
* Traitement du langage naturel: Utilisé pour permettre aux machines de comprendre et de traiter le langage humain.
* robotique: Utilisé pour permettre aux robots de comprendre leur environnement et de prendre des décisions.
Exemples de bases de connaissances:
* wikipedia: Une vaste base de connaissances d'articles sur divers sujets.
* Google Knowledge Graph: Une base de connaissances à grande échelle qui alimente la recherche Google.
* dbpedia: Une base de connaissances extraite de Wikipedia.
* wordnet: Une base de données lexicale de l'anglais qui regroupe les mots en ensembles de synonymes.
Essentiellement, une base de connaissances agit comme un référentiel d'informations qui permet aux machines de "penser" et de résoudre les problèmes en raisonnement sur le monde.
