Een knowledge graph is een geavanceerde vorm van kennisrepresentatie die gebruikmaakt van een netwerk van onderling verbonden entiteiten en hun onderlinge relaties om complexe datasets te modelleren. In een knowledge graph worden gegevens vertegenwoordigd als knooppunten (nodes), die entiteiten zoals personen, plaatsen, objecten of concepten kunnen zijn, en als randen (edges), die de relaties tussen deze entiteiten aangeven.
In de context van klantcontact kan je denken aan het modelleren van begrippen (en hun onderlinge relaties) zoals klanten, orders, plaatsen, gebeurtenissen et cetera. Begrippen worden zo in hun context geplaatst.
Deze structuur maakt het mogelijk om niet alleen discrete gegevenspunten te bevatten, maar ook de contextuele en semantische relaties tussen deze punten. Knowledge graphs worden vaak gebruikt in zoekmachines, aanbevelingssystemen, en kunstmatige intelligentie-applicaties om complexe vragen te beantwoorden, inzichten te genereren en besluitvormingsprocessen te ondersteunen. Ze stellen systemen in staat om menselijke kennis op een meer natuurlijke en intuïtieve manier te begrijpen en te gebruiken.
Met andere woorden: een knowledge graph kan je beschouwen als een digitaal vastgelegd netwerk van begrippen, waarbij is vastgelegd hoe de begrippen onderling gerelateerd zijn (dus wat de relatie is). Computers gebruiken deze knowledge graphs om output te genereren: denk aan antwoorden op vragen. Knowledge graphs worden ook gebruikt bij toepassingen van kunstmatige intelligentie.