- 博客(18)
- 收藏
- 关注
RSS订阅原创 【图数据库应用场景】可视化企业组织：协作图谱
这是一篇关于如何将企业内部的协作、沟通和信息流以图表的形式进行可视化展示的文章。通过诸如网络图、协作图表等可视化手段，可以更加直观地了解企业内部协作方式、信息流通路径、团队合作模式等，为企业的实际运作提供更加精细的管理和调整。文章介绍了 Box 公司如何利用自身的数据资源，从不同行业的企业中收集数据，并通过协作图表的方式进行了精细可视化展示，呈现了不同行业、不同类型公司的协作特点和模式，对于理解和分析企业的实际运作方式有一定的启示和借鉴作用。
2023-04-04 14:35:16
295
原创 图数据库应用案例和企业应用
丰富的元数据和语义建模继续推动 50K 培训材料与特定课程的匹配，引领新的、数据驱动的、基于受众的营销工作，展示推荐服务如何提高超过 230 万用户的参与度和绩效。具体来说，生成和收集的数据量不断增加，需要理解这些数据，以及它在人工智能和机器学习中的应用，这些都可以从知识图谱提供的结构化数据和上下文中受益。“我们的客户数据库包含超过 20 亿不同消费者的记录（应该反映估计的 2.4 亿现实世界中的个人）——我们需要了解我们有多少个版本的‘客户 A’，以便整合从不同渠道收集的情报充分了解每个客户的数据源。
2023-03-24 13:48:00
603
原创 知识图谱：RDF 或LPG（属性图），您应该选择哪一个？
在本文中，我们将讨论两种类型的知识图，即 RDF 和属性图。我们将分享关于 RDF 与属性图辩证的两面性，以帮助您了解哪种方法更适合图数据管理。
2023-02-28 16:03:44
4216
原创 图数据库应用场景：高等教育
图形分析，也称为图形算法或网络分析，是使用数据点作为节点和关系作为边缘的图形格式的数据分析。节点表示点或实体每个节点和边都具有定义其特征的特定属性。图分析用于确定图中对象之间连接的强度和方向。简而言之，图分析使您能够以图的形式存储、管理和查询数据。它使您可以找到人、地点、事物、事件、地点和其他人之间的关系。图分析倾向于提供对象之间的成对关系并表示图的结构特征。此外，图形在视觉上很吸引人，可以更容易地理解复杂网络的行为方式。关于图形分析的最好的部分是您可以轻松地将信息添加到图形中。
2023-02-28 15:25:11
507
原创 被URL耽误的知识图谱RDF
RDF是知识图谱表达和推理的基础框架，它的本质非常简单：就是以小学生都会的[主][谓][宾]三元组扩散构成的关系网络。其中虚线是我们的推测。在知识图谱中称为推理。RDF有一个枯燥乏味的全称：The Resource Description Framework，中文意思是资源描述框架。为什么没有在广大群众中流行开来？
2023-02-24 23:33:22
201
原创 美国CSX公司用图数据库搭建铁路网络的数字孪生
CSX运输公司是美国的一个一级铁路公司，也是CSX公司旗下的主要子公司。其铁路总部位于佛罗里达州杰克逊维尔。该公司拥有总长约为21,000英里的铁路线。CSX运输是美国东岸的三个一级铁路公司之一。CSX 的运营资产极其庞大，日复一日地有货物进出码头。这些高度流动资产之间的关系对 CSX 的核心业务至关重要。CSX 使用 Neo4j 绘制一个铁路系统图，以此理解其网络。该系统为大约三分之二的美国人口提供服务，路线里程超过 20,000 英里，约有 21,000 名员工，收入为 $12.5B。
2023-02-19 13:14:17
502
原创 什么是企业知识图谱？为什么企业需要？
企业知识图谱能逐渐学会企业所有你想让它学习的知识和信息，并将其全部串联起来变成一个超级大脑、无所不知，为企业管理者提供超强决策辅助，为业务人员提供及时全面的数据、知识支持。
2023-02-09 18:26:53
1263
3
原创 高铁时刻表背后的经济价值：投资店铺的站点熟客多还是生客多？哪些站点形成朋友圈？哪些站点是片区扛把子？
近些年高铁的建设推动了各行各业的经济大发展，高铁站点覆盖了几百个城市，但从时刻表看，每个站点班次的数目是非常不均衡的。另外，站点这么多、班次这么多，如何规划时刻表、顾及好各方利益，是一项非常不容易的工作；紫色粗线连接的站点和我们之前的横条柱状图统计的站点相对应。光从列表我们能做一些简单的频率统计，比较每个站点每天的车次数目，类似星巴克这样的企业可以参考该数据来进行店铺布局。另外，高铁班次时刻表并不是每天不变的，我们还可以根据其变化趋势来预测未来更有升值空间的站点、城市！
2023-02-04 22:34:36
156
原创 图数据库应用场景：项目管理
很多时候，我们看到做出的决策都是短视的，在这些决策中我们提供了一些小功能，而这些功能无论如何都没有多大价值（通常被称为“唾手可得的果实”）。现在有了上图的数据，我们可以看到这里的优先级应该是稳定红色的任务（具有更高的商业价值，对客户影响大），从而解决救火和返工的浪费。人为从表格任务中脑补生成依赖链会花费大量时间导致没法及时决策，而且，现场的频繁变化使先前的决策失效，从而导致反复的重新规划和重新预测，造成极大的浪费。事实上，长度为 3 的路径在完成时会产生最高的商业价值，这也是应该重点关注的地方。
2023-01-31 19:27:00
536
原创 知识图谱推理原理讲解
机器人发现斯皮尔伯格导演了ThePost，汉克斯又出演过ThePost，但他俩之间没有关系连着，这时机器人能根据以往的经验将他们的关系补全，即加上“合作过”连线。，我们人类却可以从“汤姆·汉克斯出演过ThePost”、“史蒂夫·斯皮尔伯格”推理出“汤姆·汉克斯和史蒂夫·斯皮尔伯格”合作过。机器人会自动识别规律：“大多数情况下，A导演过B电影，C在B电影中出演过，那么A和C都合作过”。如果这个时候，能有一个人类导师来帮机器人确定它的推理是否正确，就能把它训练的更聪明啦～”附近的关系和实体节点），发现。
2023-01-28 16:19:12
360
原创 图谱带你科学撩汉
目前我们能掌握的信息就是每个人的恋爱史，那么就用图计算来做一些推理找出每个人恋爱对象的共性。那么我们就可以根据掌握的信息建立庞大关系网络数据库，并在里面找和撕葱情史相似的汉子了。假设你有能力掌握一个很大的圈子里所有人之间的恋爱关系，那么如何用科学的方法精准定位想撩的汉子群体呢？我们把最开始王思聪的恋爱关系图结构扔到大图里去，通过图计算算法可以找到和思聪恋爱关系图相似的多个子图。👆大家会发现一件有意思的事，两个关系里都有节点“谢霆锋”，图库里存的时候会自动将两个节点合成一个点。刚开始库里是这样的👇。
2023-01-28 10:16:26
113
原创 一文秒懂机器人如何通过知识图谱回答用户问题
机器人的大脑是结构化的聊天机器人学习大量的文本、照片等非结构化文件，通过一些AI技术（如NLP自然语言处理、多模态识别、目标识别等）按其语义结构化成知识图谱，这个知识图谱就是聊天机器人的大脑了。知识图谱由“实体”和“关系”组成，对应图中的点和边，具有逻辑推理功能和特征表达功能。常见“实体”类型有时间、地点、人物、事件等，常见“关系”有“出生于”、“父母”、“孩子”、“夫妻”、“出生于”等等。机器人消化人类语言 🤖️先从用户的问句中锁定目标实体为“汤姆·汉克斯”这个人、关系为“合作过”，再根
2023-01-28 10:04:21
880
原创 图数据库应用场景——汽车：分析供应链和需求因素
一方提供专业的业务认知，一方提供图结构的技术支持。这之间的结合难度不小，但对产业链的效率提升可能是几何级的。捷豹路虎演示了图谱（Graph）分析如何为企业提供互联的供求视图，从而能够有效地回答关键业务问题。通过以上探索模式，可以找出哪些供应商会成为该车型的生产瓶颈；b) 美国市场对某款车型的需求突然急剧下降。来仿真供需一侧的变化对整条链路的影响。企业可以根据仿真结果提前做好预案，并直接降低可观的成本。2. 在知识图谱中连接供求数据，并通过上下浏览图表来探索您最重要的业务问题。通过以上建模，我们可以。
2023-01-28 09:57:07
413
原创 Neo4j 《图数据库在AI上的作用》
关联神经网络节点到带标签的知识图谱中有助于将相关文档遍历来给出解释。56%的企业首席信息官表示，迭代模型的训练是最大的ML挑战。单个层和阈值对于prediction的意义是什么？需要不同数据类型的连接、动态和可理解的存储库。提升搜索水平、实现聊天机器人、提升分类水平。到底要用什么样的数据来训练模型，为什么？稀疏矩阵压缩方法效率低下（更多表格！图技术术语、文档规范、拼写错误纠正等等。打了元数据标签的内部知识文档或者文件。什么特征值和权重适合当前特定的预测？搜索、客户支持、文档分类。演讲时间：2018年。
2023-01-28 09:51:23
350
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人