作者:Neo4j图数据科学产品管理高级总监 Alicia Frame博士
计算机人工智能的发展已经跨越了若干阶段,从计算智能到感知智能不断演化。如今,我们迎来了难度最大的人工智能阶段——认知智能。如何利用错综复杂的关联数据,实现理解、推理和可解释的认知智能并帮助企业更加精准地预测,成为企业在数据管理领域面临的挑战。
如今的企业需要将图分析加入现有的分析能力中,图分析技术最重要的贡献在于帮助企业发掘数据中没有被意识到或者认为不存在的隐藏关系和模式。图分析是人工智能和机器学习跨越到新阶段的关键,为机器学习提供高度可信和精准的关系模型和预测。认知智能阶段,关联以知识图谱的方式呈现,并在知识图谱上运行,获得可解释的结果、数据以及算法,从而进行预测。这就是图数据科学(Graph Data Science)受到极大关注并日渐流行的主要原因之一。
Neo4j 图数据科学产品管理高级总监 Alicia Frame 博士
预测关系演化, 解答关键问题
图数据科学在事物关系上进行数据科学类的研究和分析,通过分析关系以及数据关联得到新的答案。图数据科学是让关联的数据“自己说话”。它可以通过运行一种无监督图算法在噪声中发现信号,还可以基于客户图显示其社区如何互动以及对数据分割有用的信息。
图数据科学是关于利用数十亿甚至数万亿数据点之间的关联。用于数据科学的图利用这些关联确定什么是重要和有意义的。
企业可以通过在图上进行监督机器学习来更进一步。通过这种方式,他们可以预测图未来如何变化。图数据科学让企业可以从图结构中学习——不仅仅是相互关联的人,而是整体图,以预测接下来这些关系如何演化。
Neo4j图数据科学是一个图分析和建模平台。它结合了现有数据中关系和网络结构的预测能力,解答之前难以解决的问题并提高预测准确性。使用图算法和机器学习,数据科学家可以识别模式和行为,改进他们的模型,以在引擎推荐、欺诈检测、路线优化和客户360场景中使用,通过改进预测来实现更优决策和创新。
知识图谱提升数据价值
Neo4j图数据科学分为知识图谱、图数据分析、图数据特征工程、图嵌入和图神经元网络五大发展阶段。作为图数据科学的首要阶段,知识图谱把大量现有的关系型以及非结构化数据以图的方式进行存储、转化和处理。
Neo4j相信知识图谱对于企业应对业务挑战至关重要。语义是知识图谱的关键组成部分和优势之一。每个语义都有自己的特定含义,这使得每个知识图谱也具备独一无二的特性。语义与图数据同步编码,这就是知识图如何将智能引入数据并显著提高其价值的方式。
Neo4j的绝大多数客户都是从知识图谱开始,进而了解他们拥有哪些信息、信息与其他概念的关系以及与业务问题之间的关联。知识图谱建立后,图数据科学项目就要判断客户试图解决何种问题,他们想问什么问题,以及他们如何将其所知转化为准确的预测。
超60种算法提供全面预测
Neo4j图数据科学提供业界最健全的图算法和机器学习方案,支持用户按需创建各类预测模型和扩展各类图应用。Neo4j图数据科学提供了包括路径发现、中心度、社区检测、监督机器学习、链接预测、相似度在内的五大类超过60种算法。
Neo4j图算法支持高度并行处理并已在数百亿个节点上进行测试,确保算法能够完成并提供正确且易使用的答案。企业将成熟的数据库产品与创新的数据科学相结合,将获得全面的预测功能及处理能力。Neo4j的服务已达到了成熟、可扩展、快速和未来完整性的标准。
助力企业更优决策
数字化社会中很多企业拥有数十亿的节点和边的数据。借助Neo4j图数据科学,医疗企业可以让在药品研发中收集的百亿条数据发挥最大价值,挖掘药品和基因之间的关联,根据病患经历找到相似案例、病患集群并决定最佳的介入时机和方式;在线内容推送服务商能够识别匿名用户的喜好倾向并做出精准实时推送,大大增加用户粘性;金融企业可以更好地应对欺诈检测挑战,在巨量数据库中实时发现欺诈案例。
以Neo4j为一家大型全球制药公司客户提供的预测建模为例。该公司建立了电子病历,为每个患者提供相应的数据,这是他们在医疗保健过程所执行的步骤。客户感兴趣的是获取数据并从信息中学习:谁像是某些干预措施的受益者?谁是这种药物的获益者?将来谁会从这种药物受益?然后他们知道将成为药物受益者的图模式是什么样的。他们还可以找到具有相似特征的患者,并进行早期干预以改善患者的疗效。
此外,全球领先的在线内容推荐商将Neo4j图数据科学用于身份消歧,在4.4TB数据(140亿节点)中高效建立连接,应用图算法,根据访问行为识别唯一用户,从而建立1.63亿个唯一的用户画像,包含丰富且更长时间的数据,为潜在客户提供精准内容,实现了612%的回头客增长。
另一个成功案例是金融服务客户需要加快审查流程,要在短时间内检测出复杂的欺诈圈。Neo4j帮助该机构将人工审核时间从8分钟缩短到3分钟。使用 Neo4j解决方案还帮助该机构发现了以前被忽视的欺诈活动。
Neo4j是全球领先的图数据平台领导者,在企业级数据库基础之上建立了一个超级强大的可扩展数据科学平台。Neo4j图数据科学不仅提供全面丰富的功能,更大大简化数据科学家的工作流程,让数据科学家通过综合的图分析技术轻松实现更精准的预测。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。