Mit Neo4j for Graph Data Science ist ab sofort ein Framework verfügbar, das native Graphanalytik und -datenbank mit skalierbaren Graph-Algorithmen und Visualisierung verbindet.
Neo4j for Graph Data Science stellt ein leistungsfähiges Framework bereit.
(Bild: Neo4j)
Das Framework richtet sich an Data Scientists und stellt ein benutzerfreundliches Toolset für die Analyse vernetzter Daten sowie das Erstellen von Machine-Learning-Modellen bereit. Laut Neo4j sollen Anwender damit aussagekräftige, aber bislang weitgehend ungenutzte Beziehungen und Netzwerkstrukturen für Analysen heranziehen können. Als mögliche Einsatzszenarien nennt der Anbieter etwa die eindeutige Nachverfolgung von Website-Besuchern über mehrere Plattformen und Touchpoints hinweg, die Betrugserkennung über verdächtige Datenmuster oder die Erforschung von Krankheiten und deren Behandlungsmöglichkeiten.
Umfangreiche Algorithmen
Zum Funktionsumfang zählt die native und persistente Modellierung für die flexible Projektion von In-Memory-Graphen. Das Visualisierungstool Neo4j Bloom stellt die Ergebnisse anschaulich dar und gestattet deren Weiterverbreitung. Skalierbare Graph-Algorithmen lassen sich in reproduzierbare Abläufe integrieren und ermöglichen datenbasierte Vorhersagen. Dazu zählen beispielsweise Community-Detection- und Similarity-Algorithmen zur Identifizierung von Clustern und Nearest-Neighbor-Heuristiken. Centrality-Algorithmen dienen zur Identifizierung von Influencern. Zudem sind Pathfinding- und Link-Prediction-Algorithmen für die topologische Mustererkennung an Bord. Alle Varianten funktionieren über mehrere Milliarden Knoten und Kanten hinweg. Für Benutzerfreundlichkeit und native Anbindung an die Neo4j-Graphdatenbank ist ebenfalls gesorgt.
Wichtige Elemente nicht übersehen
„Die Annahme, dass mehr Daten die Genauigkeit erhöhen und False-Positive-Ergebnisse reduzieren, ist in der Datenanalyse ein weit verbreiteter Irrtum“, erklärt Alicia Frame, Lead Product Manager und Data Scientist von Neo4j. Stattdessen würden viele datenwissenschaftliche Modelle die für Vorhersagen aussagekräftigsten Elemente innerhalb der Daten übersehen – Verbindungen und Strukturen. „Neo4j for Graph Data Science wurde genau deshalb konzipiert, um mit Hilfe der zugrundeliegenden Datenbeziehungen die Vorhersagegenauigkeit von Machine-Learning-Modellen zu optimieren und bisher offene Fragen der Datenanalytik zu beantworten“, so Frame.
Weitere Informationen zu Neo4j for Graph Data Science sind auf der entsprechenden Website zu finden.
(ID:46508405)
Stand vom 30.10.2020
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH, Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://support.vogel.de abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.