VERSES AI Inc. ha anunciado la presentación de una solicitud de patente provisional que representa un nuevo método de Consulta Predictiva en bases de datos de documentos de gráficos vectoriales. La consulta probabilística es un enfoque de las consultas a bases de datos que busca proporcionar al usuario información adicional "predicha" como de interés para el usuario, dado el contexto implícito en la consulta y en torno a su prompter. El novedoso método de Consulta Predictiva de VERSES aborda las limitaciones de las artes anteriores proporcionando un sistema para realizar consultas probabilísticas en la clase más avanzada de bases de datos: las bases de datos de documentos de gráficos vectoriales.

Las Consultas Predictivas operan sobre bases de datos de documentos de grafos vectoriales implementando el Lenguaje de Modelado Hiperespacial (HSML) y un algoritmo de inferencia para generar un resultado probabilístico y contextualizado. El método de consulta predictiva es el primer método de consulta que permite realizar consultas probabilísticas en bases de datos de documentos de grafos vectoriales, lo que permite a un motor generar predicciones enriquecidas sobre la información que busca el usuario basándose en información comparativa, de relación y de similitud. Los grafos de conocimiento representan entidades -cualquier "cosa" física o conceptual sobre la que se puede tener información en el mundo real (por ejemplo, un robot, un sofá, un punto de paso en el espacio, la especificación de una actividad)- y las relaciones entre ellas.

HSML es un lenguaje de modelado para calificar las relaciones entre entidades en un grafo de conocimiento. Una base de datos de documentos de grafos vectoriales HSML está estructurada como un grafo de conocimiento HSML y permite la recuperación de información mediante consultas complejas que pueden implicar simultáneamente la comparación de entidades (por ejemplo, "encontrar personas mayores que Steve"), la identificación de relaciones causa-efecto (por ejemplo, "¿quién es el jefe de Steve"?), así como la evaluación de la similitud entre entidades (por ejemplo, "¿qué empleados tienen una formación académica más parecida a la de Steve"?). En comparación con las bases de datos de documentos de grafos vectoriales, otras clases de bases de datos se limitan a la búsqueda comparativa, de relaciones o de similitudes.

Ahora, gracias a este nuevo método de consulta querspacial predictiva en bases de datos de documentos de grafos vectoriales, VERSES devuelve la coincidencia más probable y relevante para el objetivo implícito enriquecido de un usuario (por ejemplo, infiere y devuelve la marca, el modelo y la ubicación más probables para una búsqueda de "gafas de sol baratas" junto con las mejores ofertas en ropa de ciclismo que coincidan con el estilo de las gafas de sol).