mirror of
https://github.com/trustgraph-ai/trustgraph.git
synced 2026-04-25 08:26:21 +02:00
8954fa3ad7
Native CLI i18n: The TrustGraph CLI has built-in translation support that dynamically loads language strings. You can test and use different languages by simply passing the --lang flag (e.g., --lang es for Spanish, --lang ru for Russian) or by configuring your environment's LANG variable. Automated Docs Translations: This PR introduces autonomously translated Markdown documentation into several target languages, including Spanish, Swahili, Portuguese, Turkish, Hindi, Hebrew, Arabic, Simplified Chinese, and Russian.
5.6 KiB
5.6 KiB
| layout | title | parent |
|---|---|---|
| default | Bilgi Grafiği Mimarisi Temelleri | Turkish (Beta) |
Bilgi Grafiği Mimarisi Temelleri
Beta Translation: This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
Temel 1: Özne-Yüklem-Nesne (ÖYY) Grafik Modeli
Karar: Çekirdek bilgi gösterim modeli olarak SPO/RDF'yi benimse
Gerekçe:
- Mevcut grafik teknolojileriyle maksimum esneklik ve uyumluluk sağlar
- Diğer grafik sorgu dillerine (örneğin, SPO → Cypher, ancak tersi değil) sorunsuz çeviri sağlar
- "Birçok" sonraki yeteneği "açığa çıkaran" bir temel oluşturur
- Hem düğüm-düğüm ilişkilerini (ÖYY) hem de düğüm-literal ilişkilerini (RDF) destekler
Uygulama:
- Temel veri yapısı:
node → edge → {node | literal} - RDF standartlarıyla uyumluluğu korurken, gelişmiş SPO işlemlerini destekler
Temel 2: LLM-Yerel Bilgi Grafiği Entegrasyonu
Karar: Bilgi grafiği yapısını ve işlemlerini LLM etkileşimi için optimize et
Gerekçe:
- Birincil kullanım durumu, LLM'lerin bilgi grafikleriyle etkileşimini içerir
- Grafik teknolojisi seçimleri, diğer hususlara kıyasla LLM uyumluluğuna öncelik vermelidir
- Yapılandırılmış bilgiyi kullanan doğal dil işleme iş akışlarını sağlar
Uygulama:
- LLM'lerin etkili bir şekilde akıl yürütebileceği grafik şemalarını tasarla
- Yaygın LLM etkileşim kalıpları için optimize et
Temel 3: Gömme Tabanlı Grafik Navigasyonu
Karar: Doğal dil sorgularını, gömmeler aracılığıyla doğrudan grafik düğümlerine eşleyin
Gerekçe:
- NLP sorgusundan grafik navigasyonuna en basit yolu sağlar
- Karmaşık ara sorgu oluşturma adımlarından kaçının
- Grafik yapısı içinde verimli semantik arama yetenekleri sağlar
Uygulama:
NLP Query → Graph Embeddings → Graph Nodes- Tüm grafik varlıkları için gömme gösterimlerini koru
- Sorgu çözümlemesi için doğrudan semantik benzerlik eşleştirmesini destekle
Temel 4: Dağıtılmış Varlık Çözümlemesi ve Belirleyici Tanımlayıcılar
Karar: Paralel bilgi çıkarma işlemini, deterministik varlık tanımlamasıyla (80% kuralı) destekle
Gerekçe:
- İdeal: Tam durum görünürlüğü sağlayan tek işlem çıkarma, mükemmel varlık çözümlemesine olanak tanır
- Gerçeklik: Ölçeklenebilirlik gereksinimleri, paralel işleme yetenekleri gerektirir
- Uzlaşma: Dağıtılmış işlemler arasında deterministik varlık tanımlaması için tasarla
Uygulama:
- Farklı bilgi çıkarıcılar arasında tutarlı, benzersiz tanımlayıcılar oluşturmak için mekanizmalar geliştir
- Farklı işlemlerde bahsedilen aynı varlık, aynı tanımlayıcıya çözümlenmelidir
- Yaklaşık olarak %20'lik bir oranın, alternatif işleme modelleri gerektirebilecek uç durumlara karşılık geldiğinin farkında olun
- Karmaşık varlık çözümleme senaryoları için yedek mekanizmalar tasarla
Temel 5: Yayın-Abonelik ile Olay Odaklı Mimari
Karar: Sistem koordinasyonu için bir yayın-abone mesajlaşma sistemi uygula
Gerekçe:
- Bilgi çıkarma, depolama ve sorgu bileşenleri arasında gevşek bir bağlama olanak tanır
- Sistem genelinde gerçek zamanlı güncellemeleri ve bildirimleri destekler
- Ölçeklenebilir, dağıtılmış iş akışlarını kolaylaştırır
Uygulama:
- Sistem bileşenleri arasındaki mesaj odaklı koordinasyon
- Bilgi güncellemeleri, çıkarma tamamlama ve sorgu sonuçları için olay akışları
Temel 6: Geri Çağrılabilir Ajan İletişimi
Karar: Ajan tabanlı işleme için geri çağrılabilir yayın-abone işlemlerini destekle
Gerekçe:
- Ajanların birbirini tetikleyebildiği ve yanıtlayabildiği gelişmiş ajan iş akışlarına olanak tanır
- Karmaşık, çok aşamalı bilgi işleme boru hatlarını destekler
- Yinelemeli ve yinelemeli işleme kalıplarına izin verir
Uygulama:
- Yayın-abone sistemi, geri çağrılabilir çağrıları güvenli bir şekilde işlemelidir
- Sonsuz döngüleri önleyen ajan koordinasyon mekanizmaları
- Ajan iş akışı orkestrasyonu desteği
Temel 7: Sütun Veri Depolama Entegrasyonu
Karar: Sorgu uyumluluğunun, sütunlu depolama sistemleriyle sağlanması.
Gerekçe:
- Büyük bilgi veri kümeleri üzerinde verimli analitik sorgulara olanak tanır.
- İş zekası ve raporlama kullanım senaryolarını destekler.
- Grafik tabanlı bilgi gösterimini geleneksel analitik iş akışlarıyla birleştirir.
Uygulama:
- Sorgu çevirme katmanı: Grafik sorguları → Sütunlu sorgular.
- Hem grafik işlemlerini hem de analitik iş yüklerini destekleyen hibrit depolama stratejisi.
- Her iki paradigma için de sorgu performansını koruyun.
Mimari İlkeler Özeti
- Öncelikli Olarak Esneklik: SPO/RDF modeli, maksimum uyarlanabilirlik sağlar.
- LLM Optimizasyonu: Tüm tasarım kararları, LLM etkileşim gereksinimlerini dikkate alır.
- Anlamsal Verimlilik: Optimum sorgu performansı için doğrudan gömülü-düğüm eşlemesi.
- Pratik Ölçeklenebilirlik: Mükemmel doğruluğu, pratik dağıtılmış işleme ile dengeleyin.
- Olay Odaklı Koordinasyon: Yayın-abone, gevşek bağlama ve ölçeklenebilirliğe olanak tanır.
- Ajan Dostu: Karmaşık, çoklu ajan iş akışlarını destekler.
- Analitik Uyumluluk: Kapsamlı sorgulama için grafik ve sütunlu paradigmaları birleştirir.
Bu temeller, teorik titizliği pratik ölçeklenebilirlik gereksinimleriyle dengeleyen, LLM entegrasyonu ve dağıtılmış işleme için optimize edilmiş bir bilgi grafiği mimarisi oluşturur.