Graphengestützte Analysen und maschinelles Lernen mit TigerGraph

Kapitel 11. Entity Resolution Revisited

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

In diesem Kapitel wird die Entitätsauflösung für einen Videostreamingdienst als Beispiel für unüberwachtes maschinelles Lernen mit Graphenalgorithmen verwendet. Nach Abschluss dieses Kapitels solltest du in der Lage sein:

• Nenne die Kategorien von Graphenalgorithmen, die für die Entitätsauflösung als unüberwachtes Lernen geeignet sind

• Nenne drei verschiedene Ansätze zur Bewertung der Ähnlichkeit von Entitäten

• Verstehen, wie parametrisierte Gewichte die Entitätsauflösung als überwachte Lernaufgabe anpassen können

• eine einfache GSQL FROM Klausel interpretieren und ein allgemeines Verständnis der ACCUM Semantik haben

• Einrichten und Ausführen eines TigerGraph Cloud Starter Kits mit GraphStudio

Problem: Identifiziere reale Nutzer und ihre Vorlieben

Der Streaming-Video-on-Demand-Markt (SVoD) ist ein großes Geschäft. Genaue Schätzungen über die Größe des weltweiten Marktes sind schwer zu bekommen, aber die konservativste Schätzung dürfte bei 50 Milliarden Dollar im Jahr 2020 liegen,¹ mit jährlichen Wachstumsraten zwischen 11%² bis 21%³ für die nächsten fünf Jahre oder so. Filmstudios, Fernsehsender, Kommunikationsnetzwerke und Tech-Giganten haben sich zusammengeschlossen und neu erfunden, in der Hoffnung, bei dem neuen bevorzugten Format für den Unterhaltungskonsum führend zu werden: digitale Unterhaltung ...