في عالم الذكاء الاصطناعي، يعد إنشاء الرسوم البيانية المعرفية (Knowledge Graphs) من العناصر الأساسية التي تسهم في تنظيم المعلومات وتحسين فهمها. لكن غالباً ما تعتمد هذه العمليات على أنطولوجيات محددة مسبقاً أو استخراج بدون مخطط، مما يواجه تحديات كبيرة تتعلق بالتكاليف والتنظيم.

في هذا السياق، يأتي الإطار الجديد TRACE-KG (T ext-d R iven schem A for C ontext-E nriched K nowledge G raphs) ليحدث ثورة في هذا المجال. يقدم هذا النظام قدرة غير مسبوقة على إنشاء الرسوم البيانية المعرفية الغنية بالسياق دون الحاجة إلى افتراض أي أنطولوجيا جاهزة مسبقاً.

تعمل TRACE-KG على التقاط العلاقات الشرطية من خلال مؤهلات منظمة، مما يسهل تنظيم الكيانات والعلاقات باستخدام مخطط مدفوع بالبيانات. يمثل هذا المخطط بمثابة إطار دلالي يمكن إعادة استخدامه مع الحفاظ على التتبع الكامل للأدلة المصدرية.

لقد أظهرت التجارب أن TRACE-KG قادر على إنتاج رسوم بيانية مفيدة، متماسكة وقابلة للتتبع، مما يجعلها بديلاً عملياً وجذاباً لكل من العمليات المعتمدة على الأنطولوجيا والطرق الخالية من المخطط. إن هذا يفتح آفاقا جديدة أمام الباحثين والمطورين في عصر البيانات الضخمة، حيث يمكن الآن تصميم أنظمة أكثر ذكاءً واستجابةً للسياقات المختلفة.