
解决方案
文章平均质量分 82
马超的博客
Stay Hungry, Stay Foolish
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
使用Graphene构建知识图谱本体模型
图片展示了一个知识图谱本体模型设计案例,灰色虚线分隔了该知识图谱的概念层和实体层,黄色节点部分表示概念层,淡蓝色部分表示实体层。是一个可视化WEB端工具,可以用来做知识图谱本体模型设计、图数据建模、图结构设计等工作!表示概念层节点之间的连接,灰色虚线表示概念内分层关系,深棕色虚线表示概念间连接。表示实体层与概念层的连接,使用点虚线连接;表示实体层节点之间的关系,使用实线连接;使用Graphene构建知识图谱本体模型。原创 2023-04-04 22:10:12 · 1032 阅读 · 0 评论 -
图数据平台解决方案:Docker部署
图数据平台解决方案:Docker部署原创 2022-06-22 23:23:14 · 1014 阅读 · 0 评论 -
图数据平台解决方案:集群部署
图数据平台解决方案:集群部署原创 2022-06-21 23:40:55 · 701 阅读 · 0 评论 -
图数据平台解决方案:单节点部署
图数据平台解决方案:单节点部署原创 2022-06-21 22:10:26 · 433 阅读 · 0 评论 -
图数据平台解决方案:操作系统环境准备
图数据平台解决方案:操作系统环境准备原创 2022-06-20 23:35:17 · 291 阅读 · 0 评论 -
使用开源软件攒一个企业级图数据平台解决方案
图数据平台解决方案原创 2022-06-19 22:02:58 · 229 阅读 · 0 评论 -
基于Neo4j的关联数据评估风险投资人业绩
基于Neo4j的关联数据评估风险投资人业绩基于Neo4j的关联数据评估风险投资人业绩一、前言二、战略性地选择正确的投资人三、在使用GraphXR前先构建图数据四、使用GraphXR进行数据可视化五、结论Here’s the table of contents:基于Neo4j的关联数据评估风险投资人业绩 这篇文章整理翻译自Neo4j专家的分享,主要介绍使用Neo4j、GraphXR和机器学习模型来评估风险投资人业绩,点击链接查看更多精彩内容。Evaluat翻译 2022-03-20 19:41:07 · 435 阅读 · 0 评论 -
Graphene图数据建模工具
Graphene图数据建模工具Graphene图数据建模工具一、Graphene是什么?二、谁可以使用它?三、为什么需要这样的工具?四、核心功能五、演示界面六、如何使用?Here’s the table of contents:Graphene图数据建模工具一、Graphene是什么? Graphene是一个可视化WEB端工具,主要做属性图数据建模、图结构设计!可以协助数据工程师管理与迭代图数据模型版本,支持数据模型的分享与协作;可以构建逻辑图谱、设计原创 2022-02-16 22:16:08 · 1269 阅读 · 0 评论 -
DTCC | 2021中国图数据库技术大会链接分享
DTCC2021中国图数据库技术大会DTCC2021中国图数据库技术大会推荐链接Here’s the table of contents:DTCC2021中国图数据库技术大会 在本届DTCC大会,Neo4j公司技术专家将分享Neo4j是如何在特性和架构上既满足功能和性能要求、同时提供最佳的可扩展性。对图数据技术感兴趣的小伙伴可以在下方链接了解详情。另外本文中分享一些,自己对于图数据技术粗浅的理解和经验。  原创 2021-08-07 22:04:56 · 986 阅读 · 0 评论 -
【Neo4j Fabric】架构思想
【Neo4j Fabric】架构思想【Neo4j Fabric】架构思想一、概述二、Fabric概念2.1 Fabric节点数据库2.2 Fabric图访问模式三、部署示例3.1 开发阶段的部署3.2 没有单点故障的集群部署3.3 多集群部署四、总结Here’s the table of contents:【Neo4j Fabric】架构思想一、概述 Neo4j 4.0中引入的Fabric是一种使用一个Cypher查询在多个数据库中存储和检索数据的方法原创 2021-07-05 23:47:41 · 419 阅读 · 0 评论 -
一种针对图数据超级节点的数据建模优化解决方案
一种针对图数据超级节点的数据建模优化解决方案一种针对图数据超级节点的数据建模优化解决方案一、超级节点1.1 超级节点概念1.2 从图数据网络中寻找超级节点二、与超级节点相关的关键问题案例三、模拟超级节点3.1 服务器资源3.2 构建模拟数据的图数据模型3.3 模拟超级节点的数据规模四、超级节点建模优化4.1 关系结构优化方案4.2 标签细分遍历图可减少节点规模五、增删改操作优化5.1 服务器优化5.2 图库配置优化5.3 JVM调优5.4 批量操作5.5 服务器端操作文件六、检索效率提升6.1 查询优化6.原创 2021-06-13 22:48:11 · 1032 阅读 · 1 评论 -
基于图数据的研报词关联之聚合分析
基于图数据的研报词关联之聚合分析基于图数据的研报关键词聚合分析一、算法介绍二、数据模型三、计算关键词上下文聚合相似性四、关键词上下文聚合性能测试五、计算聚合相似性【CYPHER优化】六、词对计算聚合相似性七、并发计算聚合相似性【CYPHER优化二】八、词对计算CYPHER脚本生成为过程8.1 进一步优化查询8.2 将查询安装为过程8.2.1 上下文Jaccard系数相加8.2.1 上下文Jaccard系数求平均8.2.2 过程使用以及返回值说明九、分析研报关键词列表的聚合相关性9.1 词列表分析9.2 词列原创 2021-06-11 23:34:21 · 632 阅读 · 0 评论 -
以图搜图-【案例】将图搜结果转换为虚拟图之后输出
以图搜图-【案例】将图搜结果转换为虚拟图之后输出将图搜结果转换为虚拟图之后输出CYPHER语句CYPHER执行结果参考链接Here’s the table of contents:将图搜结果转换为虚拟图之后输出CYPHER语句提取图结构并以图搜图将结果转换为虚拟图创建一个多环路子图并抽取其图结构匹配其它相似子图之后生成虚拟图CREATE (n1:公司) SET n1.name='公司' WITH n1CREATE (n2:公司) SET n2.name='公司' WITH n1,n2原创 2021-05-23 20:18:49 · 220 阅读 · 0 评论 -
Blog模板设计-Markdown
其他工具推荐:文章模板生成微信二维码设计部分图片来源Blog-封面SloganBlog-开篇SloganHere’s the table of contents:Markdown 使用教程Markdown 是什么?怎么使用 Markdown?Markdown 是什么?Markdown是一种轻量级标记语言,它以纯文本形式(易读、易写、易更改)编写文档,并最终以HTML格式发布。Markdown也可以理解为将以MARKDOWN语法编写的语言转换成HTML内容的工具为什么 要原创 2021-04-18 17:00:50 · 519 阅读 · 0 评论 -
Blog模板设计-富文本
Here's the table of contents:Markdown 使用教程• Markdown 是什么?• 怎么使用 Markdown?Markdown 是什么?Markdown是一种轻量级标记语言,它以纯文本形式(易读、易写、易更改)编写文档,并最终以HTML格式发布。Markdown也可以理解为将以MARKDOWN语法编写的语言转换成HTML内容的工具为什么要使用它?•它是易读(看起来舒服)、易写(语法简单)、易更改纯文本。处处体现着极简主义的影子。•兼容...原创 2021-04-18 02:42:58 · 510 阅读 · 0 评论 -
同构图与异构图CYPHER-TASK设计与TASK锁机制
同构图与异构图CYPHER-TASK设计与TASK锁机制问题背景CYPHER-TASK设计同构图异构图check-point表结构设计task-lock表结构设计任务模块解构数据分块任务状态回滚任务状态同步任务状态锁完整实现案例同构图节点TASK关系TASK异构图节点TASK关系TASK备注问题背景大规模重复并发执行写入操作会导致图数据库服务堆积大量的写入请求,导致服务性能下降甚至宕机。因此TASK锁机制设计非常重要,必须保证在同一时刻写入任务不可重复执行;检查点机制的设计保证了数据同步的一致性和完整原创 2021-01-07 22:31:10 · 842 阅读 · 0 评论 -
基于check-point机制的任务状态回滚和数据分块任务
基于check-point机制的任务状态回滚和数据分块任务问题背景节点TASK关系TASK资料备注问题背景基于check-point实现图数据构建任务针对这篇文章提出的方案增加了数据分块操作与任务状态回滚操作。数据分块:控制加载到内存的数据量,避免占用过多堆内存保证图数据库可靠运行。任务状态回滚:回滚到构建节点的任务状态,下一次构建节点关系时从回滚点开始操作【构建任务分为节点TASK和关系TASK,任务回滚操作是在关系TASK中进行回滚】。节点TASK大致为七步获取检查点时间数据分块-从原创 2021-01-04 21:00:04 · 630 阅读 · 0 评论 -
基于check-point实现图数据构建任务
基于check-point实现图数据构建任务问题背景图数据schema检查点记录表结构设计TASK设计节点TASK关系TASK备注问题背景从关系数据库抽取图数据,需要考虑的一个场景是新增数据的处理。从一个自动化抽取的图数据的工具角度来说,自动化生成脚本可以与如下实现完成对接【即设计好schema之后自动生成如下脚本】。该设计方案可以与自动化抽取图数据的工具无缝集成。在现有的Airflow调度系统中【可以自行实现调度逻辑或者可以是其它的调度系统,本文的设计思路可以借鉴】,可以设计Task和DAG来完整增原创 2020-12-31 21:03:19 · 501 阅读 · 1 评论 -
大数据降维打击与上帝视角下的图数据
大数据降维打击与上帝视角下的图数据大数据应用降维商业史上的降维打击用图思维降维大数据应用上帝视角下的图数据图数据的定义什么是上帝视角下的图数据什么事实图数据图数据在业务端的可能产出知识图谱和图数据的关系大数据应用降维商业史上的降维打击商业史上有哪些降维打击的经典案例用图思维降维大数据应用图数据库的高性能关系算力也许可以帮助大数据应用降维。对复杂基础数据的建模融合关联最终形成一个高度整合的图,可以为数据分析提供很好的切入点。对抽象图再做抽象形成人容易理解的图,层层剥离复杂将会变的简单!上帝视角下的原创 2020-09-13 15:48:44 · 472 阅读 · 0 评论 -
图数据中心服务架构
图数据库平台服务架构一、图数据库集群俯瞰图二、图数据库平台架构三、API服务架构图数据中心的建设使用ONgDB内核搭建ONgDB一、图数据库集群俯瞰图二、图数据库平台架构多数据中心则在此图数据库平台架构上扩展API服务仓库三、API服务架构...原创 2020-05-17 16:56:30 · 726 阅读 · 0 评论 -
图数据库超级节点建模优化实战
图数据库超级节点建模优化实战《针对图谱超级节点的一种优化解决方案 》,在这篇文章中设计了针对图数据库中超级节点的一系列优化方案。下面介绍一个实战操作。对于地域相关的数据进行建模优化。ps:所有实战操作都基于ongdb进行。此实战优化操作,核心在于针对地域数据设计了一套标签体系,使得CYPHER更加具有表达力。从而更易于提升查询的性能。一、MySQL模型关系数据模型到图模型的设计,可以看到图模型更加富有表达力接近于人的思维。二、图数据本体建模可以看到通过标签体系的富化之后,本体模型原创 2020-05-16 16:09:08 · 1128 阅读 · 0 评论 -
图分析引擎技术方案调研
图分析引擎-技术调研报告先上调研结论:金融领域相关图分析图查询引擎的建设,建议采用neo4j为内核进行研发图谱集群,可以部署到云平台自主运维或者选择服务厂商完全托管(建议自主运维);内核的选择,建议优先选择neo4j企业版的开源分支ongdb,其次是企业版。自主运维+使用开源分支,剩下必须要付出的成本只是本地服务器或者云服务器而已。一、问题总结1、AWS托管图数据库的运维工作量是否比...原创 2020-04-03 11:12:29 · 986 阅读 · 1 评论 -
通过相似度聚类算法实现新闻媒体转引转载图谱
新闻媒体转引转载图谱一、实现思路二、程序结构三、聚类算法四、借助NEO4J实现聚类五、图模型1、节点2、关系六、可视化转引转载效果图借助neo4j实现相似新闻媒体聚类。一、实现思路使用simhash算法为每个新闻节点生成文本指纹,在neo4j图谱中进行聚类。然后根据新闻的转引转载关系,生成站点之间的转引转载关系和转引转载热度趋势图。二、程序结构程序整体结构:Server监控even...原创 2020-03-17 11:07:29 · 1119 阅读 · 0 评论 -
针对图谱超级节点的一种优化解决方案
分享一个最近研究的课题:现实中网络结构的度分布往往呈现幂律性,意即存在这么一类节点,其拥有的边数对整个网络的边数占比显著非0,我们称这类节点为超级节点。中证中小投资者服务中心对全体A股上市公司进行各1手的公益性持有,在A股股东关系中就是一个超级节点。【测试数据集使用开源的社交相关数据】超级节点的存在会极大影响入库、检索和分析的效率。请针对以下场景进行调研分析:1、图数据库对跟超级节点有...原创 2020-03-16 19:54:27 · 2774 阅读 · 0 评论