Neo4j 推出首款企业级图机器学习

基于图的机器学习，直到现在一直是技术巨头的领域，现可通过 Neo4j Graph Data Science 1.4 获得

斯德哥尔摩 – 2020年11月12日 – 图技术领导者 Neo4j® 近日宣布推出 Neo4j Graph Data Science™ 的最新版本，这是一项突破，通过利用深度学习和图卷积神经网络，普及了基于图的机器学习 (ML) 技术。

迄今为止，除了 Google 和 Facebook 之外，很少有公司拥有利用图嵌入所需的 AI 远见和资源。这种强大且创新的技术通过计算图内每个数据片段的周边网络形状，从而实现更佳的机器学习预测。Neo4j Graph Data Science 1.4 版本普及了这些创新，彻底改变了企业在各种场景中进行预测的方式，涵盖欺诈检测、客户或患者旅程追踪、药物发现以及知识图谱补全等。

图注：图嵌入是一种强大的工具，用于抽象化图的复杂结构并降低其维度。这项技术为基于图的机器学习开辟了广泛的应用领域。

Neo4j 负责产品管理和数据科学的首席科学家 Alicia Frame 分享了 Neo4j Graph Data Science 1.4 版本对数据科学家和分析团队的意义。

““我们很高兴能将突破性的图嵌入技术融入到易于使用的企业软件中，” Frame 博士说道。“最新版本的 Neo4j Graph Data Science 普及了最新的科学技术，使任何人都能使用图机器学习。这对于预测分析所能达成的目标而言是一项突破。””

主要功能

Neo4j Graph Data Science 1.4 版本包含三个新的图嵌入选项，它们学习图拓扑结构以计算更准确的表示：

node2Vec 是一种利用神经网络的知名图嵌入算法
FastRP 是一种图嵌入算法，速度比 node2Vec 快 75,000 倍，同时提供相似的精度，并且即使对于非常大的图也能很好地扩展
GraphSAGE 是一种利用图卷积神经网络进行图上归纳表示学习的嵌入算法和过程，可以随着图更新持续应用。

除了提供复杂向量表示的图嵌入之外，Neo4j Graph Data Science 的新版本还提供了通用的机器学习算法 k-近邻算法 (k-NN)，该算法常用于基于模式的分类，以便更容易从图嵌入中提取信息。

知识图谱的应用示例

创建知识图谱在许多不同领域都很有价值，包括识别基因与疾病之间的新关联、发现新药以及预测客户与产品之间的联系以提供更好的推荐。从支持领域专家查询以揭示关键见解和模式以理解趋势，到计算有价值的特征以训练机器学习模型——没有图技术，创建知识图谱是不可能的。

Arbetsflöde för Färdigställande av Kunskapsgraf

图注：此图显示了知识图谱补全的工作流程。Neo4j Graph Data Science 1.4 现在支持与图机器学习相关的任务的完整工作流程，例如知识图谱补全。

了解更多

了解更多关于 Neo4j for Graph Data Science 的信息或在此处下载最新版本。观看 Neo4j 首席执行官 Emil Eifrem 在 2020 年 Neo4j 在线开发者博览会与峰会 (NODES) 上展示 1.4 版本，这是 Neo4j 的全球开发者大会。您还可以观看 Neo4j Connections for Graph Data Science 在线活动中的演讲和演示。

关于 Neo4j

Neo4j 是图数据库技术的领导者。作为世界上使用最广泛的图数据库，我们帮助全球品牌——包括 Comcast、 NASA、 UBS 和 Volvo Cars——揭示并预测人、流程和系统之间的关联。利用这种关系优先的方法，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。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/