In diesem Artikel möchte ich klären, wie NOT-Logiken in den Logikgraph implementiert werden können und warum diese eigentlich ein logisches Problem für Graph Traversal darstellen. Die nächste Grafik zeigt einen OR-, AND- und einen NOT-Knoten jeweils in Gelb. Den ODER-Knoten habe ich dir in einem früheren Artikel [http://ghost.local:

Bisher habe ich dir gezeigt, wie Fragen und Antwortmöglichkeiten eins Chatbots in einem Graph miteinander verbunden sind [https://steampixel.de/teil-4-konversationen-und-kontext-in-graphdatenbanken/] und wie darin Logik implementiert [https://steampixel.de/teil-6-wir-bauen-einen-logikgraph/] werden kann. Ein Chatbot ist nämlich das ideale Beispiel für komplexe vernetzte Strukturen. Ich habe außerdem Graph Traversal

Bisher habe ich dir gezeigt, wie die Logik in Graphdatenbanken zusammen mit Expertenwissen abgelegt [https://steampixel.de/teil-6-wir-bauen-einen-logikgraph/] werden kann. Dadurch lassen sich komplexe Systeme wie z.B. Chatbots sehr gut abbilden. Dabei war es bisher jedoch so, dass die Knoten, welche das Expertenwissen enthalten gleichzeitig auch die Logik

Viele Chatbots haben ein Problem. Sie können sich nur begrenzt oder nur auf sehr umständlichen Wegen den Kontext einer Konversation merken. Oft muss derartige Logik mit viel Programmieraufwand implementiert werden. Bei meinen Experimenten mit Graph-Datenbanken habe ich jedoch bemerkt, dass sich diese Logik komplett in die vernetzte Struktur einer solchen

Hast du dir schon mal überlegt, wo die Grenze zwischen einem Programmcode und den Daten liegt, die verarbeitet werden sollen? Lass uns diese Grenze auflösen, indem wir einen Logikgraph bauen! In den letzten Artikeln hast du gelernt, was ein Graph ist, wie ein Chatbot darin Wissen ablegt [http://ghost.local:

Ich habe dir bereits gezeigt, warum es sinnvoll ist, geplante Konversationen als Graph zu speichern. Graphdatenbanken funktionieren grundlegend anders als klassische relationale Ansätze. Nicht nur die Speicherung der Daten ist anders. Auch die Art und Weise, wie du die Daten auslesen kannst, ist besonders. Eine Möglichkeit Daten aus einer Graphdatenbank

Hast du dir schon einmal überlegt, welche Faktoren sich auf den Verlauf einer Konversation auswirken? Da wäre zum einen das Thema, um das es geht. Aber auch die Person, mit der du sprichst und die Umgebung bzw. die Situation sind entscheidend. Auch, welche Fragen schon beantwortet und welche Antworten bereits

Es gibt viele verschiedene Ansätze um Konversationen in Datenbanken abzubilden. Welche Ansätze dafür geeignet sind und warum möchte ich dir hier erklären. Um zu entscheiden, welche Datenbank die richtige ist, um eine geführte Chatbot-Konversation abzubilden, musst du zunächst wissen, welche Strukturen Konversationen aufweisen. Dazu habe ich bereits einen eigenen Artikel

Einige Botbuilder bilden Konversationen als kausale Entscheidungsbäume [https://en.wikipedia.org/wiki/Decision_tree] oder Behavior trees [https://en.wikipedia.org/wiki/Behavior_tree_(artificial_intelligence,_robotics_and_control)] ab. Warum ein geführtes Gespräch jedoch kein Baum sein sollte und warum Netzwerkstrukturen dafür besser geeignet sind, möchte ich dir hier

Hi! Schön, dass du dabei bist! Dies ist der Beginn einer Artikelserie, welche die Entwicklung eines Open Source Conversation-Builders von Anfang an begleiten soll. Es soll hier nicht darum gehen, wie bestehende Botbuilder und Frameworks genutzt werden können um einen Bot zu basteln. Es geht viel mehr darum einen eigenen