Neo4j 推出首款面向企业的图机器学习产品

基于图的机器学习，以前一直是科技巨头的专利，如今借助 Neo4j for Graph Data Science 1.4 可供所有企业使用。

斯德哥尔摩 – 2020 年 11 月 12 日 – Neo4j®，图技术领域的领导者，最近宣布发布最新版本的 Neo4j for Graph Data Science™，这是一项突破性技术，通过利用深度学习和图卷积神经网络，实现了基于图的机器学习 (ML) 技术的民主化。

迄今为止，除了 Google 和 Facebook 之外，只有少数企业具备利用嵌入式图所需的远见和 AI 资源。这种强大且创新的技术可以计算图中每个数据点周围网络的形状，从而实现更准确的机器学习预测。Neo4j for Graph Data Science 1.4 版本实现了这些创新的民主化，颠覆了企业在各种场景下进行预测的方式，从欺诈检测和跟踪客户或患者旅程到药物发现和知识图谱构建，无所不包。

图片说明：图嵌入是一种强大的工具，可以抽象出图中复杂的结构并降低其维度。这种技术为基于图的机器学习开辟了广阔的应用领域。

Neo4j 产品主管兼数据科学家 Alicia Frame 分享了 Neo4j for Graph Data Science 1.4 版本对数据科学家和分析团队的意义。

“我们很高兴将突破性的图嵌入技术融入用户友好的企业软件中，”Frame 博士说道。“Neo4j for Graph Data Science 的最新版本实现了最新科学技术的民主化，使任何人都可以利用图机器学习。这在预测分析的应用领域是开创性的。”

主要功能

Neo4j for Graph Data Science 1.4 版本包含三种新的图嵌入选项，它们可以学习图拓扑结构以计算更准确的表示形式：

node2Vec 是一种使用神经网络的知名图嵌入算法
FastRP 是一种图嵌入方法，其速度比 node2Vec 快 75,000 倍，同时保持了相当的准确性，并且即使在非常大的图中也能很好地扩展
GraphSAGE 是一种嵌入算法和流程，用于在图上进行归纳式表示学习，它使用图卷积神经网络，可以作为图更新持续应用。

除了提供复杂向量表示的图嵌入之外，Neo4j for Graph Data Science 的新版本还提供通用的机器学习算法，例如 k-最近邻算法 (k-NN)，该算法通常用于基于模式的分类，从而更容易从图嵌入中获取信息。

知识图谱的应用示例

创建知识图谱对于许多领域都很有价值，例如通过识别基因和疾病之间的新联系、发现新药物以及预测客户和产品之间的关联以提供更好的推荐。从查询到支持领域专家揭示重要洞察和模式以了解趋势，到计算有价值的特征以训练机器学习模型，创建知识图谱离不开图技术。

Arbetsflöde för Färdigställande av Kunskapsgraf

图片说明：此图片展示了一个完成知识图谱的工作流程。Neo4j for Graph Data Science 1.4 现在支持完成与图机器学习相关的任务的完整工作流程，例如完成知识图谱。

了解更多信息

有关 Neo4j for Graph Data Science 的更多信息或下载最新版本。观看 Neo4j 首席执行官 Emil Eifrem 在 2020 年 Neo4j 全球开发者大会 (NODES) 上展示 1.4 版本。您还可以观看 Neo4j Connections for Graph Data Science 在线活动的演讲和演示。

关于 Neo4j

Neo4j 是图数据库技术的领导者。作为全球使用最广泛的图数据库，我们帮助全球知名品牌（包括 Comcast、NASA、UBS 和沃尔沃汽车）揭示和预测人、流程和系统之间的关系。使用这种主要关注关系的方法，使用 Neo4j 构建的应用程序解决了与关联数据相关的挑战，例如分析和人工智能、欺诈检测、实时推荐和知识图谱。请访问 neo4j.com 了解更多信息。

资源

在 Twitter 上分享

联系方式
pr@neo4j.com
neo4j.com/news/