Graphengestützte Analysen und maschinelles Lernen mit TigerGraph

Kapitel 7. Bessere Verweise und Empfehlungen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel wird anhand von zwei realen Anwendungsfällen gezeigt, wie Graph-Analytik Informationen aus einem Netzwerk abrufen kann, um bessere Überweisungen und Empfehlungen auszusprechen. Im ersten Anwendungsfall werden wir ein Überweisungsnetzwerk zwischen Patienten und Fachärzten aufbauen. Wir werden sehen, wie wir herausfinden können, welche Ärzte am einflussreichsten sind und wie ihre Beziehungen untereinander Gemeinschaften bilden. Im zweiten Anwendungsfall geht es darum, eine bessere Empfehlungsmaschine zu entwickeln, die auf den Verbindungen und Affinitäten zwischen Kunden, Kontextfaktoren, Produkten und Merkmalen basiert. Am Ende dieses Kapitels solltest du in der Lage sein:

• Verstehen, wie Graphenverbindungen Kontext liefern

• Verschiedene Techniken zur Analyse des Kontextes anwenden, um Empfehlungen und Empfehlungen auszusprechen

• Wissen, wie man ein Empfehlungsnetzwerk modelliert und analysiert

• Wissen, wie man eine Empfehlungsmaschine mithilfe von Graphen modelliert und analysiert

• Erkläre die Bedeutung eines hohen PageRank-Wertes anhand der Konzepte der Verweise und der Autorität

Fall 1: Verbesserung der Überweisungen im Gesundheitswesen

Die heutige Gesundheitsbranche hat sich weiterentwickelt und umfasst viele Fachgebiete und Spezialisten. Das hat den Stand der Technik in vielen ...