본문 바로가기

분류 전체보기

(21)
Neo4j Cypher Query Series 1 Like 검색 =~ .* 형태를 사용 (SQL 대비) MATCH (p:Person)-[:ACTED_IN]->(m:Movie) WHERE p.name =~ 'Emil.*' // equals to p.name like 'Emil%' RETURN m.title, p.name Another case WHERE to_lower(p.name) STARTS WITH 'michael' WHERE p.born in [1977, 1978, 1980] MATCH (p:Person) - [r:Acted In] -> (d:Drama) WHERE 'neo' in r.roles AND m.title = '응답하라' RETURN p.name, r.roles Match(p:Person {name:'Daniel Kaluuya'}) Re..
Graph Algo - Pagerank CREATE QUERY tg_pagerank ( STRING v_type, STRING e_type, FLOAT max_change=0.001, INT max_iter=25, FLOAT damping=0.85, INT top_k = 100, BOOL print_accum = TRUE, STRING result_attr = "", STRING file_path = "", BOOL display_edges = FALSE ) SYNTAX V1 { /* Compute the pageRank score for each vertex in the GRAPH In each iteration, compute a score for each vertex: score = (1-damping) + damping*sum(rece..
Graph Embedding - I 그래프 임베딩 추천 강의 https://www.boostcourse.org/ai211/joinLectures/323421?isDesc=false Node Embedding 기계학습의 다양한 툴은 벡터로 표현된 데이터를 입력으로 받습니다. 이러한 툴들을 이용해서 그래프를 분석할 수 있을까요? 그래프를 벡터로 나타낼 수 있으면 가능하겠죠? 이번 강의에서는 그래프의 정점(Node)을 벡터로 표현하는 방법인 정점 임베딩(Node Embedding)에 대해 배웁니다. 정점을 어떻게 벡터로 표현하는지, 정점 사이의 유사성을 어떻게 표현하는지 집중하면서 강의를 들어봅시다! 그래프 임베딩 요약 블로그 (published in WATCHA) https://medium.com/watcha/%EA%B7%B8%EB%9E%98..
그래프 데이터베이스 웨비나 후속 일정 및 Q&A (곧 업데이트 예정) 금번 웨비나의 Q&A 에 대한 답변을 작성 중입니다. (작성이 완료되면 업데이트 할 예정입니다) https://www.facebook.com/groups/graphdb 그래프 데이터베이스 사용자 그룹 https://www.youtube.com/watch?v=XKB5njaz4lY https://www.allshowtv.com/detail.html?idx=1069 그래프 데이터베이스연결 데이터 분석을 통한 고객 360 과 AI/ML 의 업그레이드 금번 세미나는 국내에 그래프 데이터베이스 활용과 확산을 알리는 신호탄이 될 것입니다. www.allshowtv.com 발표자료 첨부 예정 내용 및 소식 업데이트 예정 https://arxiv.org/pdf/1905.08108v2.pdf
Neo4j의 "10¹² (1,000,000,000,000)" 그래프의 숨겨진 진실 Neo4j의 "10¹² (1,000,000,000,000)" 그래프의 숨겨진 진실 Mingxi Wu 2021년 8월 12일 블로그, 벤치마크 Neo4j의 100TB 데모는 눈가림 속임수 마술에 가깝습니다. 제가 그래프 데이터베이스 벤치마크(graph database benchmarks)에 관심 갖게 된 계기는 SIGMOD 2018에서 Peter Boncz(LDBC 의장)와의 대화였습니다. 그는 관계형 데이터베이스 벤치마크로 유명한 TPC-H를 분석할 때 사용했던 "필수병목지점(choke point)" 이라는 개념을 저에게 소개하였습니다. 그리고 그래프 데이터 관리 벤치마크인 LDBC-SNB(Linked Data Benchmark Council – Social Network Benchmark)를 설계할 때..
Graph AI Summit 2022 5월 24일 흥미로운 주제들이 많습니다 바로 확인해 보세요. https://www.graphaisummit.com/agenda 2022 GRAPH + AI SUMMIT The Graph + AI Summit is focused on accelerating analytics, AI, and machine learning with graph algorithms and will return as a global virtual event on May 24-26, 2022. All three days of the Graph + AI Summit 2022 will be streamed live to all virtual atten www.graphaisummit.com Tue May 24 8:00 AM 8:00 AM - 8:3..
GSQL Writing Best Practices Part 1-5 (한글자막) 1편은 기초, 2~5편은 중요한 성능 주제들을 다루고 있습니다 (스키마 설계, 메모리 효율적 사용, 최적 자료구조 사용 등) Graph Gurus 31 GSQL Writing Best Practices Part 1 Thinking In GSQL (한글자막) https://www.youtube.com/watch?v=qYsdYD0UCTU&ab_channel=Jacob%3AD 한글자막은 없으나, Part 1 들으시고 다음 동영상도 유익하니 참고하시기 바랍니다. https://www.youtube.com/watch?v=EslAkGAEbFs Graph Gurus 33 GSQL Writing Best Practices Part 2 Design Optimal Traversal Plan1(한글자막) https://ww..
Graph Embeddings VIRTUAL ACADEMY - USING GRAPH EMBEDDINGS AND HARDWARE ACCELERATION TO FIGHT FINANCIAL FRAUD AND IMPROVE HEALTHCARE RECOMMENDATION https://info.tigergraph.com/graph-ai-summit-fall-session-using-graph Using Graph | 2021 Fall Graph + AI Summit Innovative companies are using graph embeddings, a new ML technique, to increase the quality, automation, and scalability of their ML applications. This sess..
그래프 기반의 고급 분석을 활용한 경로 최적화(최단거리) 개선 그래프 기반의 고급 분석을 활용한 경로 최적화(최단거리) 개선 Changran Liu 블로그, 공급망 경로 최적화가 필요한 이유 요즘은 효율적인 상품 배송 시스템을 갖추지 못한 온라인 쇼핑은 성공하기 어렵습니다. 2040년까지 미국에서 트럭을 이용한 장거리 화물 운송은 하루 4억 6천만 마일 (약 7억4천만km) 에 달할 것이라고 합니다. 오늘날 화물 운송 회사들은 짧은 리드 타임과 유연한 배송 슬롯에 대한 요구가 급격히 증가하는 문제에 직면해 있습니다. 한편, 해운 회사들도 치열한 경쟁으로 인해 비용 효율적인 배송과 경쟁력 있는 서비스 수준 간의 균형을 유지하기가 더욱 어려워지고 있습니다. 경로 최적화는 운송 효율성을 실질적으로 향상시킵니다. 수동으로 경로 계획을 수립하는 프로세스에서는 배송 주문이 들..
Neo4J 사용 고객들이 확장을 위해 도입하는 TigerGraph Neo4J 사용 고객들이 확장을 위해 도입하는 TigerGraph TigerGraph 2021년 8월 19일 캘리포니아주 레드우드 시티 – 2021년 8월 19일 – 최고의 그래프 분석 플랫폼을 제공하는 TigerGraph는 오늘 Intuit의 지식 그래프 프로젝트를 이끌던 뛰어난 엔지니어이자 설계 및 책임자인 Jay Yu 박사를 TigerGraph의 샌디에이고 이노베이션 센터의 제품 혁신 부사장으로 영입한다고 발표했습니다. 그래프 업계에서 인지도가 높은 인물을 영입하는 것 외에도, TigerGraph와 함께 미래를 함께 열어갈 성능과 확장에 어려움을 겪고 있는 Neo4j 를 사용중이던 글로벌 고객들을 유치해 가고 있습니다. 이들 중 다수가 그래프 알고리즘으로 분석 및 AI를 가속화하기 위한 유일한 공개..