Mit Neo4j for Graph Data Science können Anwender aussagekräftige, aber bislang weitgehend ungenutzte Beziehungen und Netzwerkstrukturen für ihre Analysen heranziehen. Anwendungsfälle reichen von der eindeutigen Nachverfolgung von Webseiten-Besuchern über mehrere Plattformen und Touchpoints hinweg bis zur Betrugsaufdeckung auf Grund verdächtiger Datenmuster oder der Erforschung von Krankheiten und ihren Behandlungsmöglichkeiten.
Die native und persistente Modellierung ermöglicht die Projektion von In-Memory-Graphen. Dank des Visualisierungstools Neo4j Bloom können die Ergebnisse dargestellt und geteilt werden. Skalierbare Graph-Algorithmen lassen sich zudem in reproduzierbare Abläufe integrieren und erlauben datenbasierte Vorhersagen. Dazu gehören beispielsweise Community Detection- und Similarity Algorithmen zur Identifizierung von Clustern und Nearest-Neighbor-Heuristiken, Centrality Algorithmen zur Identifizierung von Influencern sowie Pathfinding und Link Prediction Algorithmen für topologische Mustererkennung.
Read more: https://www.webundmobile.de/backend/datenbank/neo4j-for-graph-data-science-2529138.html
Keywords: