Pressemitteilung von Birgit Fuchs-Laine

Neo4j 3.5 schafft Basis für maschinelles Lernen und KI-Systeme der nächsten Generation


IT, NewMedia & Software

München, 20. September 2018 - Neo4j (http://www.neo4j.com/?ref=pr-ltc), Marktführer für vernetzte Daten, kündigte heute in New York anlässlich der GraphConnect (https://graphconnect.com/?ref=pr-ltc) das Release von Neo4j 3.5 an. Die native Graph-Plattform zielt auf den wachsenden Erfolg und Einsatz von Echtzeit-Geschäftsanwendungen ab, insbesondere künstlicher Intelligenz (KI) und maschinellem Lernen (ML) (https://neo4j.com/use-cases/artificial-intelligence/?ref=pr-ltc).

Neo4j-Kunden - darunter eBay (https://neo4j.com/case-studies/ebay-shopbot/?ref=pr-ltc) und Caterpillar (https://www.youtube.com/watch?v=pBSWNd4gx3U) - zeigen, dass vernetzte Graph-Daten ein wesentlicher Bestandteil von KI-Anwendungen in Unternehmen sind. Graphbasierte Datenmodelle liefern den notwendigen Kontext für KI-Anwendungen, indem sie Fakten und Beziehungen zwischen Menschen, Prozessen, Anwendungen, Daten und Maschinen erfassen und bereitstellen.

Neo4j wird bereits in KI-Implementierungen von Kunden produktiv eingesetzt - beispielsweise bei Knowledge-Graphen, Betrugserkennung, Empfehlungssystemen und Chatbots - und trägt dort zum Unternehmenserfolg bei.

Adrian Bowles, Gründer von STORM Insights, äußert sich über die Synergien zwischen KI und Graphen wie folgt:
"Die Art und Weise, wie wir Wissen in KI-gestützten Systemen organisieren und darstellen, hat großen Einfluss darauf, was und wie diese Systeme lernen", sagt Bowles. "Kognition heißt, dass wir Beziehungen zwischen Wissenseinheiten im Kontext analysieren oder synthetisieren, um dadurch neues Wissen hervorzubringen. Die Darstellung dieser Beziehungen in einem Graphen ermöglicht effizientere und effektivere künstliche kognitive Prozesse."

Datenbeziehungen liefern Kontext für KI
Die meisten aktuellen Modelle und Techniken, die den KI-Systemen zugrunde liegen, sind nicht für die Erkennung oder Handhabung von Verbindungen in Datensätzen optimiert. Property-Graphen zeigen diese auf und navigieren an ihnen entlang. So werden durch das Verknüpfen von Attributen und komplexen Beziehungen über den Graphen (https://neo4j.com/why-graph-databases/?ref=pr-ltc) hinweg Zusammenhänge herauskristallisiert, was wiederum den Graphen zur idealen Datenstruktur für die Eingangsdaten von maschinellem Lernen macht.

Die Robustheit der Neo4j Graph-Plattform (https://neo4j.com/product/?ref=pr-ltc) und ihre Anwendungsbreite positionieren Neo4j als ideales System zur Sicherung und Pflege vernetzter Daten; sogar wenn komplexe Algorithmen mehrmals pro Sekunde ausgeführt werden.

Ein Paradebeispiel für den Einsatz von Neo4j im Kontext maschinellen Lernens ist das Deutsche Zentrum für Diabetesforschung (DZD) (https://www.dzd-ev.de/).
"Neo4j ermöglicht eine neue Dimension der Datenanalyse im Kampf gegen Diabetes. Das System hilft uns, stark heterogene Daten aus verschiedenen Disziplinen, Arten und Standorten zu einem wertvollen Wissenspool zusammenzuführen", sagt Dr. Alexander Jarasch, zuständig für Bioinformatik und Datenmanagement am DZD. "Indem wir moderne Techniken des maschinellen Lernens auf unsere Graphen anwenden, erfahren wir mehr über diese komplexe Krankheit und können Diabetikern und Menschen mit Prädiabetes helfen."

Emil Eifrem, Mitbegründer und CEO von Neo4j, zeigt auf, dass mit der neuen Version 3.5 die Entwicklung von KI-Systemen noch wirksamer unterstützt wird: "Unsere Kunden definieren neue Horizonte für die Grenzen graphbasierter KI, die wir als intelligente Verbindungssysteme betrachten", so Eifrem. "Das ist möglich, weil die Graphtechnologie Datenbeziehungen grundsätzlich als gleichwertig zu den eigentlichen Daten ansieht. Die konzeptionell hohe Bedeutung von Beziehungen ("relationships first") fügt den Daten einen Kontext hinzu, der für genaue und fundierte Vorhersagen entscheidend ist. Neo4j 3.5 geht aus einer intensiven Zusammenarbeit mit unseren Kunden hervor. Wir bieten damit die Robustheit und Skalierbarkeit, die für graphbasierte KI-Systeme von morgen benötigt wird."

Highlights von Neo4j 3.5

Entwicklerproduktivität
- Volltext-Suche: Version 3.5 unterstützt eine leistungsstarke Volltextsuche im Graphen und ermöglicht damit textintensive Graphanwendungen, wie Knowledge-Graphen, Metadatenmanagement und Stücklisten (BoM). Mit Natural Language Processing (NLP) eröffnen sich darüber hinaus vielfältige Möglichkeiten in der KI.
- Offizieller Sprachtreiber für Go: Die Programmiersprache Go wird anwendungsübergreifend immer beliebter. Sie unterstützt die parallele Verarbeitung auf CPU-Ebene und ist gleichzeitig einfach handzuhaben. Neo4j 3.5 wird einen offiziellen Golang-Treiber unterstützen.
- Graph-Algorithmen für erweiterte KI: Die Ergänzungen zur Bibliothek der Graph-Algorithmen von Neo4j im Release 3.5 beinhalten unüberwachte Lernmethoden wie:
o Random Walks
o personalisierten PageRank
o Similarities (z. B. Jaccard, Kosinus-, Euklische Distanz)
o DeepGL
o DeepWalk
- Framework für die Erstellung von Treiberanwendungen: Release 3.5 umfasst auch ein Framework zur Erstellung von Bolt-Treibern für neue Sprachen, die auf C basieren oder C-Bibliotheken integrieren können. Dieses Framework mit dem Spitznamen "Seabolt" erledigt komplexe Interaktionsaufgaben mit einem Neo4j-Cluster, sodass sich Autoren auf die Unterstützung idiomatischer Sprachen und Abstraktionen auf höherer Ebene konzentrieren können.

Leistung und Skalierung
- Erweiterte native Indizierung: Bis zu 5-fach schnelleres Einfügen von Daten durch erweiterte Verwendung von nativen Indizes für alle Datentypen (einschließlich räumlicher, zeitlicher und boolescher Werte) mit zusätzlicher Unterstützung für mehrelementige Schlüssel.
- Schnellere Sortierung: Für Sortieroperationen werden jetzt native Indizes verwendet, wodurch Cypher-Abfragen erheblich beschleunigt werden.
- Verbesserte Behandlung von großen Schreibtransaktionen: Ein neues Off-Heap-Transaktionsspeicher-Subsystem - gekoppelt mit Optimierungen im Raft-basierten Clustering von Neo4j - verbessert die Handhabung von großen Schreibvorgängen deutlich.

Cloud-Sicherheit
- Hostnamen-Verifizierung: In Private- und Public-Cloud-Umgebungen, in denen sich IP-Adressen und Hostnamen ändern können, ermöglicht eine Option zur Bereitstellung einer Liste mit mehreren IP-Adressen und Servern für ein Common-Name-Zertifikat nach dem X.509-Standard eine stärkere Verifizierung.
- Verschlüsselung des Intra-Cluster-Discovery-Verkehrs: 100 % des Intra-Cluster-Verkehrs sind jetzt verschlüsselt, was die Sicherheit von Cloud-Anwendungen mit mehreren Rechenzentren erhöht.

Neo4j 3.5 wird im vierten Quartal 2018 zum Download verfügbar sein.

Weitere Informationen:
KI und maschinelles Lernen: Machen Sie sich selbst ein Bild davon, wie Kunden die Graph-Plattform Neo4j für KI und maschinelles Lernen (https://neo4j.com/use-cases/artificial-intelligence/?ref=pr-ltc) nutzen.
Neo4j 3.5: Verschaffen Sie sich einen Einblick in die neuen Features von Neo4j 3.5 im Neo4j Download Center (https://neo4j.com/download-center/?ref=pr-ltc).
Neo4j; Neo4j 3.5; Künstliche Intelligenz (KI); maschinelles Lernen (ML)

http://www.neo4j.com
Neo4j
Prinzregentenstraße 89 81675 München

Pressekontakt
http://www.lucyturpin.de
Lucy Turpin Communications
Prinzregentenstraße 89 81675 München


Diese Pressemitteilung wurde über PR-Gateway veröffentlicht.

Für den Inhalt der Pressemeldung/News ist allein der Verfasser verantwortlich. Newsfenster.de distanziert sich ausdrücklich von den Inhalten Dritter und macht sich diese nicht zu eigen.

Weitere Artikel von Birgit Fuchs-Laine
03.04.2020 | Birgit Fuchs-Laine
Graphtechnologie im Kampf gegen COVID-19
Weitere Artikel in dieser Kategorie
28.03.2024 | Alpein Software Swiss AG
Passwortlose Zukunft: Realität oder Utopie?
27.03.2024 | PRS Jakubowski ® Festplattenvernichtung
Festplatten zerstören in Vianden - sicher und zuverlässig!
S-IMG
Über Newsfenster.de
seit: Januar 2011
PM (Pressemitteilung) heute: 9
PM gesamt: 407.853
PM aufgerufen: 69.310.574