تتقدم التقنيات الرقمية بسرعة كبيرة، وتلعب دورًا حاسمًا في الحفاظ على التراث الثقافي وتفسيره. تعتبر شبكات المعرفة (Knowledge Graphs) الأداة الفعالة لتنظيم كم هائل من البيانات، إلا أن توسيع هذه الشبكات يواجه تحديات نتيجة لتعقيد طبيعة المعلومات التراثية. في دراسة جديدة، تم تقديم نهج مبتكر لتوسيع موارد الشبكة المعرفية في مجال التراث الثقافي، مُطبقًا على بيانات فرنسية.

أولاً، تم تقديم شبكة معرفة جديدة تُدعى WJoconde، والتي تُميز بقدرتها على الدمج بين المعلومات النصية والصورية، مما يجعلها متعددة الأبعاد (multimodal). هذه الشبكة قدّمت أيضًا ثلاثة متغيرات جديدة لتسهيل الأبحاث المستقبلية، مثل إكمال شبكة المعرفة (Knowledge Graph Completion - KGC)، بالإضافة إلى تصميم معيار شامل لطرق KGC على مجموعة بياناتنا.

ثانيًا، تم اقتراح إطار عمل جديد يمكن من توسيع الشبكات المعرفية التراثية باستخدام أساليب متعددة الوسائط (multi-modal approaches) تعتمد على نماذج اللغات الضخمة (Large Language Models - LLMs) ونماذج الرؤية-اللغة (Vision-Language Models - VLMs). يتضمن هذا النظام استخراج البيانات تلقائيًا من المصادر غير المنظمة، جنبًا إلى جنب مع عملية تحقق خاصة لتأكيد دقة نتائج النماذج.

أظهرت النتائج أن دمج المعلومات النصية والصورية في البيانات التراثية يسهم بشكل فعّال في تعزيز موثوقية الشبكات المعرفية. ولتسهيل الوصول للعالم الأكاديمي، تمت إضافة كل الشيفرات البرمجية ومجموعات البيانات المرجعية التي تحتوي على نصوص وصور، بالإضافة إلى البيانات الأصلية مع نقطة وصول تفاعلية.

هذا الابتكار يحمل في طياته إمكانيات هائلة لتعزيز الفهم والحفاظ على تراثنا الثقافي بأساليب مستدامة ومتقدمة.