图谱动态｜学苑周刊 NO.165

图谱学苑 2023-12-19

214

本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 新闻动态 |--—

Neo4j 和 AWS 协作驱动准确、透明和可解释的 GenAI

图数据库和分析公司Neo4j 公司与 AWS 公司公布了一项为期多年的战略合作协议(SCA) ，旨在使企业能够以更高的准确性、透明度和可解释性改进生成性人工智能(GenAI)结果。Neo4j 和 AWS 利用知识图谱、本地矢量搜索和 AWS 集成的组合，在应对当前挑战的同时，正在加速取得正面的 GenAI 成果(减少幻觉)。在 Neo4j 现有的图数据库的基础上，通过本地向量搜索(它使 AI 能够有效地推理、推断和检索相关信息) ，这种伙伴关系针对的是常见的 GenAI 问题，即特定领域的大型语言模型(LLM)需要长期记忆。这些 LLM 可以通过提供不完整、不准确或无法验证的信息使人工智能计划进一步复杂化，它们以 Neo4j 的图数据库和知识数据库能力为基础，同时作为长期记忆解决方案。值得注意的是，这一伙伴关系将 Neo4j 的知识图谱和矢量搜索与 Amazon Bedrock 整合在一起，Amazon Bedrock 是一个完全管理的基础模型服务，使得来自领先人工智能公司的模型更容易获得。这种集成提供了各种各样的好处，以增强人工智能倡议，利用 Neo4j 的强大的图形技术和 AWS 的人工智能专业知识。

https://c.nxw.so/7hZpg

AllegroGraph8.0：知识图谱+生成式 AI 和矢量存储

Franz 宣布推出 AllegroGraph 8.0，该版本具有新的知识图功能，可验证 GenAI 内容并揭示数据中隐藏的知识。突破性的神经符号人工智能平台将 LLM 组件直接整合到 SPARQL 中，以及向量生成和向量存储，以创建全面的人工智能知识图谱。它还将机器学习与知识和推理功能相结合，使 AutoGraph 8.0 能够解决复杂的问题。该平台能够用更少的数据创建知识图，从而将该平台的应用扩展到更广泛的用例。

http://c.nxw.so/9yjzE

—--| 会议讲座 |--—

BDTC 2023 — 2023中国大数据技术大会

2023中国大数据技术大会（BDTC 2023）将于2023年12月22日-24日于广州市黄埔区（线下）召开。本次大会围绕“智聚羊城，数算未来”主题，除了邀请多位资深院士、学术专家及企业技术专家参与主论坛致辞报告外，还设置了18个分论坛，覆盖了基础大模型、多模态大模型、司法大模型、开源云计算、AI+Science、智慧城市、大数据与算力基础设施等时下最受关注的技术议题。

详情请访问：https://conf.ccf.org.cn/web/api/m1176560159246389248170055540139.action

CCF学科前沿讲习班《高性能处理器体系结构与编程方法》

本次研习班将于12月22日-24日在北京举办，对高性能处理器软硬件的前沿研究进展进行系统性介绍，帮助学员理解高性能处理器结构设计与编程环境领域的基本概念、主要挑战和解决方法，并通过高性能处理器软硬件研发的实际案例讲解，开阔学员的科研视野，增强实践能力。讲习班邀请到了本领域9位来自于著名高校与企业科研机构的重量级专家学者做主题报告。他们将对高性能处理器体系结构与编程方法的最新进展进行深入浅出的讲解，为听众展示先进的处理器软硬件研发实践案例, 并介绍高性能处理器研制所面临的技术挑战和实践落地的宝贵经验。

详情请访问：https://conf.ccf.org.cn/web/api/m1169647944559890432169890740099.action

—--| 论文推荐 |--—

Hypergraph Clustering

本周推荐的是发表于SIGMOD2023的论文：Modularity-based Hypergraph Clustering: Random Hypergraph Model, Hyperedge-cluster Relation, and Computation，该文提出一种基于modularity的超图聚类方法，作者来自香港中文大学和奥克兰大学。

聚类是一种重要的图分析任务，它将数据图划分成具有密集簇内连接的簇。有一系列的聚类研究最大化了一个叫做modularity的度量。基于modularity的聚类由于其可扩展性和聚类质量高度依赖于随机图模型的选择而被广泛应用于二元图。随机图模型不仅决定了哪种聚类是首选的（模块性根据聚类与随机图边缘的对齐程度来衡量聚类的质量），还决定了计算这种对齐的成本。现有的随机超图模型或者以全有或全无(AON)的方式测量超边-聚类对齐，丢失了重要的分组信息，或者引入昂贵的对齐计算，难以扩展。该文提出了一种新的随机超图模型，Hyperedge Expansion Model (HEM)；以及一种基于HEM的modularity函数，Partial Innerclusteredge modularity (PI)；以及一种优化PI的聚类算法，Partial Innerclusteredge Clustering (PIC)；以及新颖的计算优化。PIC是一种可扩展的基于modularity的超图聚类算法，可以有效地捕捉非AON超边-聚类关系，算法流程如下图所示。