Der von den L3S-Forschern Prof. Wolfgang Nejdl und Wei Wu auf der Web Conference 2021 vorgestellte Algorithmus HashGNN wurde in die Neo4j Graph Data Science Library implementiert und l\u00e4sst sich somit einfach auf Neo4j-Graphen anwenden. HashGNN (#GNN) dient dazu, Knoten in einen Graphen einzubetten \u2013 unerl\u00e4sslich f\u00fcr Aufgaben wie Link-Vorhersage und Knotenklassifizierung. Die Technik ist nicht nur einfach in der Anwendung, sondern auch sehr effizient: Um die Berechnungen zu beschleunigen, nutzt HashGNN die lokalit\u00e4tssensitive Hashing-Technik MinHashing und ist damit deutlich schneller als traditionelle neuronale Netze. Ein weiterer Vorteil: Im Gegensatz zu typischen neuronalen Netzen ist f\u00fcr HashGNN kein Modelltraining erforderlich, was den Einbettungsprozess vereinfacht.<\/p>\n\n\n\n
\u00dcber Neo4j<\/strong> Der folgende Artikel gibt einen detaillierten Einblick in die Funktionsweise von HashGNN und seine Implementierung in Neo4j GDS:<\/p>\n\n\n\n
Neo4j ist eine native Graphdatenbank, die in Java implementiert ist. Es handelt sich um eine Open-Source-Datenbank-Engine, die Daten in Graphen statt in Tabellen strukturiert. Neo4j wurde im Februar 2010 ver\u00f6ffentlicht und speichert Daten als Knoten und Beziehungen, wodurch es sich gut f\u00fcr die Verwaltung vernetzter Daten eignet und leistungsstarke graphenbasierte Abfragen und Analysen erm\u00f6glicht. Es ist besonders sinnvoll f\u00fcr Anwendungen, bei denen komplexe Beziehungen zwischen Entit\u00e4ten modelliert und analysiert werden m\u00fcssen.<\/p>\n\n\n\n