計(jì)算機(jī)人工智能的發(fā)展已經(jīng)跨越了若干階段，從計(jì)算智能到感知智能不斷演化。如今，我們迎來(lái)了難度最大的人工智能階段?認(rèn)知智能。

　　如何利用錯(cuò)綜復(fù)雜的關(guān)聯(lián)數(shù)據(jù)，實(shí)現(xiàn)理解、推理和可解釋的認(rèn)知智能并幫助企業(yè)更加精準(zhǔn)地預(yù)測(cè)，成為企業(yè)在數(shù)據(jù)管理領(lǐng)域面臨的挑戰(zhàn)。

　　如今的企業(yè)需要將圖分析加入現(xiàn)有的分析能力中，圖分析技術(shù)最重要的貢獻(xiàn)在于幫助企業(yè)發(fā)掘數(shù)據(jù)中沒(méi)有被意識(shí)到或者認(rèn)為不存在的隱藏關(guān)系和模式。圖分析是人工智能和機(jī)器學(xué)習(xí)跨越到新階段的關(guān)鍵，為機(jī)器學(xué)習(xí)提供高度可信和精準(zhǔn)的關(guān)系模型和預(yù)測(cè)。

　　認(rèn)知智能階段，關(guān)聯(lián)以知識(shí)圖譜的方式呈現(xiàn)，并在知識(shí)圖譜上運(yùn)行，獲得可解釋的結(jié)果、數(shù)據(jù)以及算法，從而進(jìn)行預(yù)測(cè)。這就是圖數(shù)據(jù)科學(xué)（Graph Data Science）受到極大關(guān)注并日漸流行的主要原因之一。

　　預(yù)測(cè)關(guān)系演化, 解答關(guān)鍵問(wèn)題

　　圖數(shù)據(jù)科學(xué)在事物關(guān)系上進(jìn)行數(shù)據(jù)科學(xué)類的研究和分析，通過(guò)分析關(guān)系以及數(shù)據(jù)關(guān)聯(lián)得到新的答案。圖數(shù)據(jù)科學(xué)是讓關(guān)聯(lián)的數(shù)據(jù)“自己說(shuō)話”。它可以通過(guò)運(yùn)行一種無(wú)監(jiān)督圖算法在噪聲中發(fā)現(xiàn)信號(hào)，還可以基于客戶圖顯示其社區(qū)如何互動(dòng)以及對(duì)數(shù)據(jù)分割有用的信息。

　　圖數(shù)據(jù)科學(xué)是關(guān)于利用數(shù)十億甚至數(shù)萬(wàn)億數(shù)據(jù)點(diǎn)之間的關(guān)聯(lián)。用于數(shù)據(jù)科學(xué)的圖利用這些關(guān)聯(lián)確定什么是重要和有意義的。

　　企業(yè)可以通過(guò)在圖上進(jìn)行監(jiān)督機(jī)器學(xué)習(xí)來(lái)更進(jìn)一步。通過(guò)這種方式，他們可以預(yù)測(cè)圖未來(lái)如何變化。圖數(shù)據(jù)科學(xué)讓企業(yè)可以從圖結(jié)構(gòu)中學(xué)習(xí)?不僅僅是相互關(guān)聯(lián)的人，而是整體圖，以預(yù)測(cè)接下來(lái)這些關(guān)系如何演化。

　　Neo4j圖數(shù)據(jù)科學(xué)是一個(gè)圖分析和建模平臺(tái)。它結(jié)合了現(xiàn)有數(shù)據(jù)中關(guān)系和網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測(cè)能力，解答之前難以解決的問(wèn)題并提高預(yù)測(cè)準(zhǔn)確性。使用圖算法和機(jī)器學(xué)習(xí)，數(shù)據(jù)科學(xué)家可以識(shí)別模式和行為，改進(jìn)他們的模型，以在引擎推薦、欺詐檢測(cè)、路線優(yōu)化和客戶360場(chǎng)景中使用，通過(guò)改進(jìn)預(yù)測(cè)來(lái)實(shí)現(xiàn)更優(yōu)決策和創(chuàng)新。

　　知識(shí)圖譜提升數(shù)據(jù)價(jià)值

　　Neo4j圖數(shù)據(jù)科學(xué)分為知識(shí)圖譜、圖數(shù)據(jù)分析、圖數(shù)據(jù)特征工程、圖嵌入和圖神經(jīng)元網(wǎng)絡(luò)五大發(fā)展階段。作為圖數(shù)據(jù)科學(xué)的首要階段，知識(shí)圖譜把大量現(xiàn)有的關(guān)系型以及非結(jié)構(gòu)化數(shù)據(jù)以圖的方式進(jìn)行存儲(chǔ)、轉(zhuǎn)化和處理。

　　語(yǔ)義是知識(shí)圖譜的關(guān)鍵組成部分和優(yōu)勢(shì)之一。每個(gè)語(yǔ)義都有自己的特定含義，這使得每個(gè)知識(shí)圖譜也具備獨(dú)一無(wú)二的特性。語(yǔ)義與圖數(shù)據(jù)同步編碼，這就是知識(shí)圖如何將智能引入數(shù)據(jù)并顯著提高其價(jià)值的方式。知識(shí)圖譜建立后，圖數(shù)據(jù)科學(xué)項(xiàng)目就要判斷其中的對(duì)象試圖解決何種問(wèn)題，他們想問(wèn)什么問(wèn)題，以及他們?nèi)绾螌⑵渌D(zhuǎn)化為準(zhǔn)確的預(yù)測(cè)。

　　助力更優(yōu)決策的實(shí)施

　　數(shù)字化社會(huì)中很多企業(yè)擁有數(shù)十億的節(jié)點(diǎn)和邊的數(shù)據(jù)。借助圖數(shù)據(jù)科學(xué)，醫(yī)療企業(yè)可以讓在藥品研發(fā)中收集的百億條數(shù)據(jù)發(fā)揮最大價(jià)值，挖掘藥品和基因之間的關(guān)聯(lián)，根據(jù)病患經(jīng)歷找到相似案例、病患集群并決定最佳的介入時(shí)機(jī)和方式；在線內(nèi)容推送服務(wù)商能夠識(shí)別匿名用戶的喜好傾向并做出精準(zhǔn)實(shí)時(shí)推送，大大增加用戶粘性；金融企業(yè)可以更好地應(yīng)對(duì)欺詐檢測(cè)挑戰(zhàn)，在巨量數(shù)據(jù)庫(kù)中實(shí)時(shí)發(fā)現(xiàn)欺詐案例。

　　以一家大型全球制藥公司為例。該公司建立了電子病歷，為每個(gè)患者提供相應(yīng)的數(shù)據(jù)，這是他們?cè)卺t(yī)療保健過(guò)程所執(zhí)行的步驟?？蛻舾信d趣的是獲取數(shù)據(jù)并從信息中學(xué)習(xí)：誰(shuí)像是某些干預(yù)措施的受益者？誰(shuí)是這種藥物的獲益者？將來(lái)誰(shuí)會(huì)從這種藥物受益？然后他們知道將成為藥物受益者的圖模式是什么樣的。他們還可以找到具有相似特征的患者，并進(jìn)行早期干預(yù)以改善患者的療效。

關(guān)注讀覽天下微信， 100萬(wàn)篇深度好文， 等你來(lái)看……