Construire des graphes de connaissances

Chapitre 7. Apprentissage automatique basé sur les graphes

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

Tu verras comment les techniques de ML peuvent enrichir automatiquement un graphe de connaissances existant et comment exploiter les caractéristiques d'un graphe de connaissances pour créer des modèles prédictifs précis.

Ce chapitre s'appuie sur les compétences acquises au chapitre 6, où tu as exploité la topologie d'un graphe de connaissances en utilisant des algorithmes de graphe. Ce faisant, tu as découvert des informations utiles comme les chemins les plus courts entre les nœuds et révélé les communautés au sein du graphe de connaissances. Ces mêmes compétences, utilisant Neo4j Graph Data Science, Python et Python, seront à nouveau mises à contribution dans ce chapitre. Tu t'appuieras sur ces compétences et apprendras comment ajouter l'apprentissage automatique natif des graphes à ta boîte à outils pour créer des modèles capables d'enrichir ton graphe de connaissances.

Comme les chapitres 3, 5 et 6, ce chapitre n'a pas pour but d'être un guide complet de la ML basée sur les graphes. Mais il te donne suffisamment d'informations pour commencer à utiliser les graphes de connaissances comme base de la ML, avec suffisamment de détails pour te permettre d'explorer plus avant si tu le souhaites.

L'apprentissage automatique en quelques mots

La ML est un vaste domaine de recherche et de pratique, ...