Neo4j lanserar första grafmaskininlärningen för företag
Grafbaserad maskininlärning, som fram till nu har varit teknikjättarnas område, är tillgängligt med Neo4j for Graph Data Science 1.4
STOCKHOLM – November 12th, 2020 – Neo4j®, ledande inom grafteknik, utannonserade nyligen den senaste versionen av Neo4j for Graph Data Science™, ett genombrott som demokratiserar grafbaserade maskininlärningstekniker (ML) genom att utnyttja djupinlärning och grafkonvolutionala nervnätverk.
Hittills har få företag utöver Google och Facebook haft den framsynthet och de resurser inom AI som krävs för att utnyttja inbäddade grafer. Denna kraftfulla och innovativa teknik beräknar formen på det omgivande nätverket för varje del av data inuti en graf, vilket möjliggör mycket bättre maskininlärningsförutsägelser. Neo4j for Graph Data Science version 1.4 demokratiserar dessa innovationer för att vända upp och ner på hur företag gör förutsägelser i olika scenarier, från bedrägeridetektering och spårning av kunder eller patientresor till läkemedelsupptäckt och färdigställande av kunskapsgrafer.
Bildtext: Grafinbäddningar är ett kraftfullt verktyg för att abstrahera de komplexa strukturerna i grafer och minska deras dimensionalitet. Denna teknik öppnar upp ett brett användningsområde för grafbaserad maskininlärning.
Alicia Frame, Neo4j:s ansvariga produktchef och dataforskare, delade med sig av vad Neo4j for Graph Data Science version 1.4 betyder för dataforskare och analysteam.
"Vi är glada att göra banbrytande grafinbäddningstekniker till en del av användarvänlig företagsmjukvara," sade Dr. Frame. “Den senaste versionen av Neo4j for Graph Data Science demokratiserar de senaste vetenskapliga teknikerna och gör det möjligt för vem som helst att använda grafmaskininlärning. Detta är banbrytande när det gäller vad som kan uppnås med förutsägande analyser.”
Viktiga funktioner
Neo4j for Graph Data Science version 1.4 innehåller tre nya grafinbäddningsalternativ som lär sig graftopologi för att beräkna mer exakta representationer:
-
node2Vec är en välkänd algoritm för grafinbäddning som använder nervnätverk
-
FastRP är en grafinbäddning som är upp till 75 000 gånger snabbare än node2Vec, samtidigt som den ger likvärdig noggrannhet och skalar väl även för mycket stora grafer
-
GraphSAGE är en inbäddningsalgoritm och -process för induktivt representationslärande på grafer som använder grafkonvolutionala nervnätverk och kan appliceras kontinuerligt som grafuppdateringar.
Utöver grafinbäddningar som ger komplexa vektorrepresentationer, tillhandahåller den nya versionen av Neo4j for Graph Data Science också allmänna maskininlärningsalgoritmer the k-nearest neighbors algorithm (k-NN), som vanligen används för mönsterbaserad klassificering, för att göra det lättare att få information från grafinbäddningar.
Exempel på användningsområden för en kunskapsgraf
Att skapa kunskapsgrafer är värdefullt för många olika områden, bland annat genom att identifiera nya samband mellan gener och sjukdomar, upptäcka nya läkemedel och förutsäga kopplingar mellan kunder och produkter för att ge bättre rekommendationer. Från förfrågningar till stöd för områdesexperter för att avslöja viktiga insikter och mönster för att förstå trender, till att beräkna värdefulla funktioner för att träna ML-modeller – att skapa kunskapsgrafer är inte möjligt utan grafteknik.
Bildtext: Denna bild visar ett arbetsflöde för färdigställande av kunskapsgraf. Neo4j for Graph Data Science 1.4 möjliggör nu ett komplett arbetsflöde för uppgifter kopplade till grafmaskininlärning, såsom färdigställande av kunskapsgrafer.
Ta reda på mer
Mer information om Neo4j för grafdataforskning eller ladda ner den senaste versionen här. Se Emil Eifrem, VD på Neo4j, visa upp Version 1.4 på Neo4j Online Developer Expo and Summit (NODES) 2020, Neo4j:s globala utvecklarkonferens. Du kan också titta på samtal och demos från online-evenemanget Neo4j Connections for Graph Data Science.
Om Neo4j
Neo4j är ledande inom grafdatabasteknik. Som världens mest använda grafdatabas hjälper vi globala varumärken – inklusive Comcast, NASA, UBS och Volvo Cars – med att avslöja och förutse hur människor, processer och system hänger ihop. Med hjälp av denna metod som i första hand ser på relationer, tar program som byggts med Neo4j itu med utmaningar knutna till relaterad data, såsom analys och artificiell intelligens, bedrägerispårning, rekommendationer i realtid och kunskapsgrafer. Läs mer på neo4j.com.
Resurser
Kontakt:
pr@neo4j.com
neo4j.com/news/
© 2020 Neo4j, Inc., Neo Technology®, Neo4j®, Cypher®, Neo4j® Bloom™, Neo4j® Aura™ and Neo4j for Graph Data Science™ är registrerade varumärken eller ett varumärke som tillhör Neo4j, Inc. Alla andra märken ägs av sina respektive företag.