في عالم تعتمد فيه المؤسسات على قواعد بيانات المعرفة (Knowledge Graphs) بشكل متزايد لتسهيل البحث والتحليلات والإجابة على الأسئلة، كان بناء واجهات لغوية طبيعية لتلك الرسوم البيانية الخاصة بالمؤسسات يُعتبر تحديًا مكلفًا. ولكن اليوم، مع الابتكار الجديد المعروف باسم KG2Cypher، تبدو الأمور مختلفة تمامًا.

يتميز KG2Cypher بأنه خط أنابيب مركزه البيانات (data-centric pipeline) يتيح بناء أنظمة تحويل النص إلى Cypher من الرسوم البيانية الموجودة مسبقًا. تتمثل العملية في أول خطوة في تنفيذ استعلام Cypher قابل للتنفيذ بناءً على الحقائق المستنبطة من الرسم البياني، ثم تُستخدم نماذج اللغات الضخمة (Large Language Models) لتوليد السؤال الموازي بلغة طبيعية.

ولتعزيز دقة النتائج، يتم تأكيد أزواج النص-سيبر (Text-Cypher) بواسطة قاضٍ من نموذج لغوي كبير وتحقق بشري، ليتحول بعد ذلك إلى بيانات سريعة البروز (candidate-aware SFT). يتم تزويد الجيل المدرب بتحفيز مخططي قائم على الفئات (class-conditioned schema prompting) واسترجاع الكيانات (entity retrieval) واستنتاج معتمد على LoRA.

أجريت التقييمات في بيئات المؤسسات الكورية، حيث يبقى من الصعب تأمين لغة محاطه بسبب الاستعلامات القصيرة. وقد أظهرت نتائج هذه التحسينات كيف زادت دقة التنفيذ (execution-result F1) من 0.806 إلى 0.950 في استعلامات البرامج الإذاعية، ومن 0.70 إلى 0.92 في استعلامات الشركات. بينما في إعداد من 11 فئة، حقق KG2Cypher معدل تطابق دقيق بنسبة 95.2% ومعدل تنفيذ 99.9% بالإضافة إلى 0.964 في مدى دقة النتائج التنفيذية.

KG2Cypher لا يُعد مجرد أداة جديدة، بل يمثل خطوة جبارة نحو تسهيل الوصول إلى المعلومات وتحسين فعالية الأعمال في المستقبل. كيف ترون تأثير هذه التقنية على طريقة تعامل المؤسسات مع البيانات؟ شاركونا في التعليقات.