用例：用于图数据科学的 Neo4j

利用现有网络结构改进预测

当今的企业正面临着极其复杂的挑战和机遇，这需要更灵活、更智能的方法。

这就是 Neo4j 为数据科学家创建首个企业级图框架的原因 —— 旨在改进能够推动更好决策和创新的预测。

用于图数据科学的 Neo4j (Neo4j for Graph Data Science^™) 将现有数据中关系和网络结构的预测能力整合在一起，从而回答以前难以解决的问题并提高预测准确性。

从指针到模式再到预测，只有 Neo4j 能够在集成的企业环境中提供如此广度和深度的先进图分析和数据科学能力。

我们高效的属性图模型将节点及其对应的关系存储在一起，因此您只需跟随指针即可进行实时查询。Neo4j 图算法可以检查全局结构以发现重要模式；现在，借助分析工作区内的图嵌入和图数据库机器学习训练，我们可以对您的图做出预测。

用于图数据科学的 Neo4j 包含以下产品

• Neo4j 图数据科学^™ 库 (Neo4j Graph Data Science^™ Library)

  一个具有灵活分析数据结构的工具包，以及一个包含五类强大图算法的库。

• Neo4j 图数据库

  一种高度可扩展的原生图数据库，专为持久化和保护关系而构建。

• Neo4j Bloom

  一种图可视化和探索工具，允许用户可视化算法结果并使用无代码搜索查找模式。

图数据科学帮助各行业的企业利用高度预测性但很大程度上未被充分利用的关系和网络结构，来解决棘手的问题。

例如：跨多个平台和联系人进行用户消歧，以提供更个性化的服务和营销；为复杂的患者旅程识别早期干预措施以改善结果；以及通过看似无害的行为序列来预测欺诈。

为实现这些目标，组织会探索图算法的结果，然后使用预测特征进行进一步分析、机器学习或支持人工智能系统。通过这种方法，Neo4j 的客户正在证明图在高级分析、机器学习和人工智能方面具有巨大的价值。

阅读白皮书 人工智能与图技术：用情境与连接增强人工智能，了解图技术如何通过在底层数据中提供情境和连接来增强机器学习和人工智能项目。

下载我的副本