【文章導(dǎo)讀】：1、知識(shí)圖譜是人工智能 (AI) 以及人類(lèi)知識(shí)發(fā)展的基礎(chǔ)支柱之一，是對(duì)人、物、位置、事件和概念等實(shí)體的相互關(guān)聯(lián)世界的真實(shí)描述，為數(shù)據(jù)集成、管理和分析提供框架。
隨著關(guān)聯(lián)數(shù)據(jù)、人工智能以及數(shù)據(jù)分析日益發(fā)展，知識(shí)圖譜技術(shù)的應(yīng)用不斷增加，成為各個(gè)行業(yè)業(yè)務(wù)的主流需求。IDC預(yù)測(cè)，全球 65%的GDP將實(shí)現(xiàn)數(shù)字化，2022年至2023年將推動(dòng)超過(guò)6.8萬(wàn)億美元的支出。而到2023年，亞太地區(qū)20%的商業(yè)智能將整合知識(shí)圖譜。
Neo4j知識(shí)圖譜尋找隱藏在復(fù)雜關(guān)聯(lián)事件中的模式，在更短的間隔內(nèi)以可擴(kuò)展的方式從具有復(fù)雜上下文情景的大量數(shù)據(jù)中獲取有價(jià)值的信息，用戶可以對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行推理并自信地使用其進(jìn)行復(fù)雜的決策。
 
2、整體而言，數(shù)據(jù)科學(xué)家并不喜歡數(shù)據(jù)庫(kù)，他們更加鐘愛(ài)數(shù)據(jù)。而圖數(shù)據(jù)庫(kù)是個(gè)例外，越來(lái)越多的數(shù)據(jù)科學(xué)家對(duì)圖數(shù)據(jù)庫(kù)青睞有加。數(shù)據(jù)科學(xué)家使用圖形算法處理數(shù)據(jù)，再通過(guò)圖將數(shù)據(jù)輸入機(jī)器學(xué)習(xí)管道中，從而為機(jī)器學(xué)習(xí)模型和預(yù)測(cè)提供關(guān)系型信號(hào)。由此，圖數(shù)據(jù)庫(kù)成為機(jī)器學(xué)習(xí)管道中的核心部分。
不同于關(guān)系型數(shù)據(jù)庫(kù)，圖數(shù)據(jù)庫(kù)以事物的連接方式為中心，強(qiáng)調(diào)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，它將數(shù)據(jù)間的聯(lián)系視為和數(shù)據(jù)本身同等重要。圖數(shù)據(jù)平臺(tái)讓用戶能夠在圖數(shù)據(jù)庫(kù)上開(kāi)發(fā)和運(yùn)行應(yīng)用程序，它直接將關(guān)系和數(shù)據(jù)在物理層面上一并存儲(chǔ)下來(lái)，使得訪問(wèn)數(shù)據(jù)結(jié)點(diǎn)和關(guān)系的操作能夠以線性時(shí)間復(fù)雜度完成。在普通PC機(jī)上的測(cè)試結(jié)果表明，Neo4j圖數(shù)據(jù)庫(kù)的查詢(xún)引擎能夠在一秒內(nèi)輕松遍歷百萬(wàn)級(jí)的關(guān)系/邊。
 
 
 
 
知識(shí)圖譜賦能企業(yè)數(shù)字化轉(zhuǎn)型
 
 
 
 
 
 
 
作者：Neo4j大中華區(qū)總經(jīng)理方俊強(qiáng)
 
相互關(guān)聯(lián)是大數(shù)據(jù)時(shí)代的鮮明特征。激增且日益復(fù)雜的海量數(shù)據(jù)正通過(guò)各種方式對(duì)企業(yè)發(fā)展產(chǎn)生重要影響。如何正確理解和解讀數(shù)據(jù)，發(fā)掘其內(nèi)在價(jià)值，從而推動(dòng)企業(yè)的智能決策備受關(guān)注。
 
在當(dāng)今的商業(yè)世界或者日常生活中，無(wú)論是企業(yè)還是個(gè)人都自覺(jué)或不自覺(jué)地使用知識(shí)圖譜，將解決問(wèn)題的想法和過(guò)程相互關(guān)聯(lián)。知識(shí)圖譜技術(shù)可以讓其更加明確，為實(shí)現(xiàn)智能決策的數(shù)字化經(jīng)濟(jì)提供支持和保障。
 
知識(shí)圖譜是人工智能 (AI) 以及人類(lèi)知識(shí)發(fā)展的基礎(chǔ)支柱之一，是對(duì)人、物、位置、事件和概念等實(shí)體的相互關(guān)聯(lián)世界的真實(shí)描述，為數(shù)據(jù)集成、管理和分析提供框架。
 
隨著關(guān)聯(lián)數(shù)據(jù)、人工智能以及數(shù)據(jù)分析日益發(fā)展，知識(shí)圖譜技術(shù)的應(yīng)用不斷增加，成為各個(gè)行業(yè)業(yè)務(wù)的主流需求。IDC預(yù)測(cè)，全球 65%的GDP將實(shí)現(xiàn)數(shù)字化，2022年至2023年將推動(dòng)超過(guò)6.8萬(wàn)億美元的支出。而到2023年，亞太地區(qū)20%的商業(yè)智能將整合知識(shí)圖譜。
 
Neo4j知識(shí)圖譜尋找隱藏在復(fù)雜關(guān)聯(lián)事件中的模式，在更短的間隔內(nèi)以可擴(kuò)展的方式從具有復(fù)雜上下文情景的大量數(shù)據(jù)中獲取有價(jià)值的信息，用戶可以對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行推理并自信地使用其進(jìn)行復(fù)雜的決策。
 
Neo4j知識(shí)圖譜將智能融入數(shù)據(jù)，顯著提升整體價(jià)值，用例從管理遍布到分析乃至機(jī)器學(xué)習(xí)，使人工智能/機(jī)器學(xué)習(xí)獲得更好的預(yù)測(cè)，連接數(shù)據(jù)孤島，為數(shù)據(jù)結(jié)構(gòu)和數(shù)字孿生等創(chuàng)新應(yīng)用奠定基礎(chǔ)。
. 
Neo4j知識(shí)圖譜的應(yīng)用極其廣泛，覆蓋網(wǎng)絡(luò)安全、金融服務(wù)、醫(yī)療保健、生命科學(xué)、供應(yīng)鏈和物流、零售、電信和制造等眾多行業(yè)，適用于從欺詐檢測(cè)和實(shí)時(shí)推薦到患者旅程、數(shù)字孿生、材料清單等各種用例。以下將以網(wǎng)絡(luò)安全、醫(yī)療和電信行業(yè)為例做具體介紹。
 
整合網(wǎng)絡(luò)事件，強(qiáng)化網(wǎng)絡(luò)安全
亞太地區(qū)，中國(guó)、澳大利亞和新加坡的聯(lián)邦及中央政府在網(wǎng)絡(luò)安全方面的支出處于領(lǐng)先地位。到2025年，他們?cè)谠鰪?qiáng)網(wǎng)絡(luò)安全的智能解決方案上的投資將超過(guò)7.24 億美元。
網(wǎng)絡(luò)世界正在快速發(fā)展，惡意軟件世界也是如此。IT和OT系統(tǒng)（數(shù)據(jù)庫(kù)、門(mén)戶網(wǎng)站、邊緣設(shè)備、操作系統(tǒng)等）可能受到潛在攻擊而發(fā)生異質(zhì)性變化，從而使網(wǎng)絡(luò)安全任務(wù)變得更加復(fù)雜。知識(shí)圖譜能夠整合網(wǎng)絡(luò)安全相關(guān)事件，并且可以通過(guò)機(jī)器學(xué)習(xí)方法進(jìn)一步加以利用。
 
發(fā)現(xiàn)隱藏模式，支持個(gè)性醫(yī)療
臨床知識(shí)圖譜是一個(gè)開(kāi)源平臺(tái)，包含大約2000萬(wàn)個(gè)節(jié)點(diǎn)和2.2億個(gè)可用實(shí)驗(yàn)數(shù)據(jù)、公共數(shù)據(jù)和文獻(xiàn)之間的關(guān)系。其規(guī)模不斷擴(kuò)大，允許使用統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)來(lái)提高生物醫(yī)學(xué)研究的效率，例如生物標(biāo)志物研究。知識(shí)圖譜加快了對(duì)生物標(biāo)志物、個(gè)體基因和代謝過(guò)程之間關(guān)聯(lián)的探索，以支持個(gè)性化醫(yī)療的發(fā)展。
 
2020 年，中國(guó)長(zhǎng)沙的醫(yī)院與四所中國(guó)大學(xué)合作，研究腫瘤生物標(biāo)志物的藥物不良反應(yīng) (ADR)。知識(shí)圖譜應(yīng)用于現(xiàn)有文獻(xiàn)，連接腫瘤、生物標(biāo)志物、藥物和 ADR 之間的關(guān)聯(lián)。結(jié)果在臨床實(shí)驗(yàn)中得到驗(yàn)證，證實(shí)了比傳統(tǒng)的共現(xiàn)方法更好的模型性能，支持進(jìn)一步?jīng)Q策。
 
智能電信網(wǎng)絡(luò)，應(yīng)對(duì)復(fù)雜運(yùn)營(yíng)
亞太區(qū)的電信公司預(yù)計(jì)在2022年將花費(fèi)超過(guò)5.84億美元用于網(wǎng)絡(luò)優(yōu)化和預(yù)防性維護(hù)。電信公司在越來(lái)越復(fù)雜的供應(yīng)商生態(tài)系統(tǒng)中運(yùn)營(yíng)，服務(wù)必須跨各種硬件和環(huán)境進(jìn)行交互。這給電信支持團(tuán)隊(duì)帶來(lái)了重大問(wèn)題，因?yàn)槎喙?yīng)商支持需要更高的能力來(lái)理解技術(shù)層之間的交互。
 
物聯(lián)網(wǎng)和邊緣設(shè)備的激增繼續(xù)在網(wǎng)絡(luò)拓?fù)渲挟a(chǎn)生變化，使得進(jìn)行故障診斷和實(shí)施基于規(guī)則的策略變得越來(lái)越困難。知識(shí)圖譜可以幫助電信公司捕獲和對(duì)流程、子網(wǎng)絡(luò)、設(shè)備和事件進(jìn)行建模，以識(shí)別單點(diǎn)故障并支持SDN。
 
越來(lái)越多的公司將在數(shù)字優(yōu)先經(jīng)濟(jì)中面臨全新的挑戰(zhàn)，需要以更大的敏捷性擴(kuò)展解決方案流程。Neo4j知識(shí)圖譜是一個(gè)非常全面、豐富而且成熟的產(chǎn)品，包括負(fù)責(zé)數(shù)據(jù)存儲(chǔ)的Neo4j圖數(shù)據(jù)庫(kù)，致力數(shù)據(jù)分析的圖數(shù)據(jù)科學(xué) (GDS) 以及負(fù)責(zé)數(shù)據(jù)挖掘和探索的數(shù)據(jù)可視化工具Neo4j Bloom。作為圖數(shù)據(jù)平臺(tái)的領(lǐng)導(dǎo)者，Neo4j的企業(yè)愿景就是在不同的行業(yè)場(chǎng)景，幫助客戶深入分析高度關(guān)聯(lián)的復(fù)雜數(shù)據(jù)，使業(yè)務(wù)數(shù)據(jù)變?yōu)樯虡I(yè)智能，提高數(shù)據(jù)的應(yīng)用價(jià)值，賦能企業(yè)智能決策和數(shù)字化轉(zhuǎn)型。
 
 
 
 
 

 

 

Neo4j CEO Emil Eifrem 解讀圖數(shù)據(jù)平臺(tái)引領(lǐng)數(shù)據(jù)庫(kù)未來(lái)十年的發(fā)展

 

 

（ChinaIT.com訊）萌芽于20世紀(jì)60年代的數(shù)據(jù)庫(kù)技術(shù)在剛剛興起的十年并沒(méi)有大行其道。而在過(guò)去短短的十年，信息世界快速發(fā)展，面臨極其復(fù)雜、互聯(lián)、動(dòng)態(tài)、不斷變化的數(shù)據(jù)洪流，數(shù)據(jù)庫(kù)平臺(tái)如雨后春筍般涌現(xiàn)，市場(chǎng)上的選擇增加到 350 多個(gè)。多年來(lái)，數(shù)據(jù)庫(kù)市場(chǎng)都以每年5 %至6%的速度高速擴(kuò)張，市場(chǎng)體量未來(lái)4到5年有望從現(xiàn)在的500 億美元攀升至 1,000 億美元。
 
過(guò)去兩年，數(shù)據(jù)庫(kù)行業(yè)的發(fā)展趨勢(shì)呈現(xiàn)三大特征。
 
首先是融合，隨著新型數(shù)據(jù)的大規(guī)模創(chuàng)新，高速擴(kuò)展的數(shù)據(jù)庫(kù)市場(chǎng)再次呈現(xiàn)出融合的局面，數(shù)百家數(shù)據(jù)庫(kù)廠商逐漸歸入到包括文檔數(shù)據(jù)庫(kù)、圖數(shù)據(jù)庫(kù)、時(shí)序數(shù)據(jù)庫(kù)、NewSQL數(shù)據(jù)庫(kù)在內(nèi)的四個(gè)全新且穩(wěn)定的數(shù)據(jù)庫(kù)陣營(yíng)中。在不同細(xì)分領(lǐng)域中，僅有有限的幾家公司在領(lǐng)軍之路上引吭高歌，如圖領(lǐng)域的Neo4j 和文檔領(lǐng)域的 MongoDB。
 
第二，向云轉(zhuǎn)移成為整個(gè)行業(yè)的長(zhǎng)期趨勢(shì)。2017年前后一些大型云供應(yīng)商和獨(dú)立云供應(yīng)商開(kāi)始涌現(xiàn)。雖然曾因數(shù)據(jù)重力和監(jiān)管等因素的影響進(jìn)展放緩，而今這一趨勢(shì)再次氣勢(shì)如虹。數(shù)據(jù)向云服務(wù)轉(zhuǎn)移在很大程度上成為數(shù)據(jù)庫(kù)平臺(tái)的發(fā)展驅(qū)動(dòng)要素。
 
第三，數(shù)據(jù)科學(xué)家方興未艾。整體而言，數(shù)據(jù)科學(xué)家并不喜歡數(shù)據(jù)庫(kù)，他們更加鐘愛(ài)數(shù)據(jù)。而圖數(shù)據(jù)庫(kù)是個(gè)例外，越來(lái)越多的數(shù)據(jù)科學(xué)家對(duì)圖數(shù)據(jù)庫(kù)青睞有加。數(shù)據(jù)科學(xué)家使用圖形算法處理數(shù)據(jù)，再通過(guò)圖將數(shù)據(jù)輸入機(jī)器學(xué)習(xí)管道中，從而為機(jī)器學(xué)習(xí)模型和預(yù)測(cè)提供關(guān)系型信號(hào)。由此，圖數(shù)據(jù)庫(kù)成為機(jī)器學(xué)習(xí)管道中的核心部分。
 
以供應(yīng)鏈為例，10 年前供應(yīng)鏈應(yīng)用并不是圖數(shù)據(jù)庫(kù)的最佳用例。因?yàn)樵诋?dāng)時(shí)任何生產(chǎn)實(shí)物產(chǎn)品的制造公司可能只擁有一個(gè) 2 到 3 個(gè)級(jí)別的供應(yīng)鏈，關(guān)系型數(shù)據(jù)庫(kù)完全能滿足企業(yè)的需求。如果需要分析，加入2至3個(gè)節(jié)點(diǎn)即可。
時(shí)至今日，制造業(yè)企業(yè)不僅業(yè)務(wù)分布廣泛，橫跨不同大陸，而且還要應(yīng)對(duì)此起彼伏的突發(fā)事件，制造業(yè)企業(yè)需要了解這種事件對(duì)供應(yīng)鏈乃至業(yè)務(wù)產(chǎn)生的影響，擁有確保供應(yīng)鏈安全的能力，行之有效的解決方案就是實(shí)現(xiàn)供應(yīng)鏈數(shù)字化。如今，企業(yè)面臨的數(shù)據(jù)分析不再是 2至3次的跳轉(zhuǎn)挖掘，而是 20、30甚至40次跳轉(zhuǎn)挖掘。數(shù)據(jù)庫(kù)尤其是在多次跳轉(zhuǎn)方面表現(xiàn)卓越的圖數(shù)據(jù)庫(kù)成為必然之選。
 
不同于關(guān)系型數(shù)據(jù)庫(kù)，圖數(shù)據(jù)庫(kù)以事物的連接方式為中心，強(qiáng)調(diào)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，它將數(shù)據(jù)間的聯(lián)系視為和數(shù)據(jù)本身同等重要。圖數(shù)據(jù)平臺(tái)讓用戶能夠在圖數(shù)據(jù)庫(kù)上開(kāi)發(fā)和運(yùn)行應(yīng)用程序，它直接將關(guān)系和數(shù)據(jù)在物理層面上一并存儲(chǔ)下來(lái)，使得訪問(wèn)數(shù)據(jù)結(jié)點(diǎn)和關(guān)系的操作能夠以線性時(shí)間復(fù)雜度完成。在普通PC機(jī)上的測(cè)試結(jié)果表明，Neo4j圖數(shù)據(jù)庫(kù)的查詢(xún)引擎能夠在一秒內(nèi)輕松遍歷百萬(wàn)級(jí)的關(guān)系/邊。
 
未來(lái)十年，將是圖數(shù)據(jù)平臺(tái)成為主流并大放異彩的十年，這不僅引起了行業(yè)專(zhuān)家對(duì)圖技術(shù)的重新思考，對(duì)于開(kāi)發(fā)人員而言也是一件幸事。開(kāi)發(fā)者驅(qū)動(dòng)是Neo4j的文化，Neo4j的成功離不開(kāi)對(duì)開(kāi)發(fā)者生態(tài)的建設(shè)。Neo4j重視對(duì)開(kāi)發(fā)者的投資并致力為開(kāi)發(fā)者服務(wù)，除了定期舉辦培訓(xùn)、會(huì)議等各種活動(dòng)，還出版大量相應(yīng)的技術(shù)書(shū)籍，來(lái)輔助開(kāi)發(fā)者不斷成長(zhǎng)。
 
自2018年起Neo4j就活躍在中國(guó)市場(chǎng)。如今，Neo4j 的業(yè)務(wù)足跡遍布北京、上海和深圳并與業(yè)內(nèi)合作伙伴建立了良好的關(guān)系。今年6月，Neo4j在F輪風(fēng)險(xiǎn)投資中獲得3.25億美元的融資，創(chuàng)造了私營(yíng)數(shù)據(jù)庫(kù)公司單筆最高融資紀(jì)錄，投后估值超過(guò)20億美元。除了繼續(xù)投資圖數(shù)據(jù)庫(kù)和數(shù)據(jù)科學(xué)外，Neo4j還將重點(diǎn)擴(kuò)展中國(guó)市場(chǎng)，幫助越來(lái)越多的中國(guó)企業(yè)通過(guò)圖數(shù)據(jù)平臺(tái)來(lái)挖掘數(shù)據(jù)的價(jià)值。