تتطلب أنظمة الذكاء الاصطناعي تمثيلات دقيقة لأهمية الكيانات من أجل تحسين الاسترجاع، والتوصيات، واختيار الأدلة، والتفكير المعرفي المعقد. عادةً ما يتم تقليص أهمية الكيانات إلى درجة واحدة تُستمد من ردود الفعل البشرية أو الهيكل البياني. لكن هذه الطريقة قد تفرغ الفوارق اللازمة عندما يتعين على أنظمة الذكاء الاصطناعي الاختيار بين الكيانات التي تتطلب أداءً مميزًا.

تقدم هذه الدراسة إطارًا مزدوجًا يمثل أهمية الكيانات مع بعدين: الأول هو تقييم الجمهور، والثاني هو سلطة الهيكل. تم تقييم هذا الإطار من خلال استخدام كيانات الأفلام كنموذج تجريبي، حيث توفر مجموعات بيانات IMDb غير التجارية تصنيفًا يعتمد على تقييم الجمهور، ويدعم Wikidata توحيد الكيانات، بينما تشكل الروابط في ويكيبيديا الإنجليزية الشبكة المعرفية التي تستند إليها تقديرات سلطة الهيكل باستخدام خوارزمية PageRank.

أظهرت التجارب التي تمت على 482 كيانًا و13,690 علاقة موجهة وجود ارتباط إحصائي ملحوظ لكن ضعيف بين البعدين (Spearman rho = 0.2275، p < 0.001). بالإضافة إلى ذلك، كان تداخلهم 10% فقط في أعلى 10 و34% في أعلى 100. وهذا يعني أن التقييم الجماهيري وسلطة الهيكل هما إشارتان غير متكررتين، ولا ينبغي دمجهما في فكرة واحدة مبسطة حول الأهمية.

نتائج هذه الدراسة تدعم أنظمة المعرفة الاصطناعية الواعية بالمهام التي تحافظ على إشارات الأهمية المتميزة قبل تنفيذ اختيارات أو تجميعات تتعلق بالسياق. هذا الإطار الجديد يعد خطوة هامة نحو تحسين دقة أنظمة الذكاء الاصطناعي في اختيار الكيانات المناسبة لمهامها.