Construire des graphes de connaissances

Chapitre 6. Enrichir les graphes de connaissancesgrâce à la science des données

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Ce chapitre te présente la science des données graphiques, dont l'objectif est d'obtenir des informations sur ton graphe de connaissances à l'aide d'algorithmes graphiques. Pour atteindre cet objectif, tu apprendras les types courants d'algorithmes graphiques et les informations qu'ils révèlent, ainsi que comment Neo4j Graph Data Science fournit une plateforme simple pour expérimenter, partager et produire des algorithmes graphiques. Tu apprendras également à exécuter des algorithmes graphiques sur des graphes de connaissances réels et tu verras comment le système fait une grande partie du travail à ta place.

Comme le chapitre 3, ce chapitre n'a pas pour but d'être exhaustif, mais plutôt de te donner les bases pour pouvoir travailler sur le reste du livre. Pour ceux qui recherchent plus de profondeur, il existe de nombreux bons livres dédiés à des sujets techniques profonds spécifiques, comme Graph Data Science for Dummies du Dr Alicia Frame et Zach Blumenfeld (Wiley).

Pourquoi les algorithmes graphiques ?

Les algorithmes de graphes permettent d'obtenir un certain aperçu de la structure d'un graphe de connaissances. Cet aperçu peut concerner des personnes influentes dans un graphe social, des jonctions critiques dans un réseau ferroviaire, des cellules de fraudeurs ou ...