Inom datavetenskap är en ontologi en formell modell av ett ämnesområde som tydligt definierar begrepp, deras egenskaper och relationerna mellan dem. Det gör att människor och maskiner kan tolka data på ett enhetligt sätt och dra slutsatser av dem. Ontologier ligger till grund för många kunskapsgrafer, semantiska söksystem och dataintegrationsprojekt. Exempel: en produktontologi anger att en ”elcykel” är en ”cykel” och har ett ”batteri”.
Kunskapsteknik handlar om att fånga, organisera och förbereda expertkunskap så att IT-system kan använda den. Ursprungligen låg fokus på regler för expertsystem; i dag gäller det ofta att dokumentera spridd kunskap från manualer, processbeskrivningar och människors huvuden så att AI-agenter kan svara tillförlitligt utifrån den. Det kräver tydliga strukturer, aktuella källor, definierade ansvar och att identifierade luckor åtgärdas.
Semantisk analys undersöker språkets betydelse – inte bara vilka ord som förekommer, utan vad som menas. Det innefattar att tolka tvetydiga ord rätt i sitt sammanhang (som ”mus” för djuret eller för datortillbehöret), känna igen samband mellan begrepp och klassificera påståenden efter innehåll. Den ligger till grund för tillämpningar som analys av kundåterkoppling, frågebesvarande eller söksystem som också ska förstå olika formulerade frågor med samma innebörd.
Strukturerade data följer ett fast schema med tydligt namngivna fält, som tabeller, databaser eller JSON-objekt med uppgifter som namn, pris och datum. Maskiner kan läsa, filtrera och bearbeta dem tillförlitligt – till skillnad från fri text eller bilder. På webbplatser beskriver schema.org-märkning till exempel produkter, evenemang eller vanliga frågor, så att sökmotorer och AI-system förstår innehållet entydigt. AI kan också extrahera strukturerade data ur ostrukturerad text.
En kognitiv karta är ursprungligen ett begrepp från psykologin som beskriver den mentala bild som människor eller djur bildar av sin omgivning. Inom management och AI avser det också grafiska modeller som visar begrepp som noder och deras orsak–verkan-samband som viktade pilar, till exempel ”fuzzy cognitive maps”. Sådana kartor hjälper till att strukturera expertkunskap och utforska scenarier, till exempel hur prisändringar påverkar efterfrågan och lagernivåer.
