Vorwort
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Graphdatenbanken und Graph Data Science haben einen hohen Verbreitungsgrad erreicht. Sie werden für eine Reihe von Anwendungsfällen wie Logistik, Empfehlungen und Betrugserkennung eingesetzt. Es gibt jedoch einen größeren Trend, Daten auf eine bewusste Art und Weise zu arrangieren, die einen umfassenden Einblick über funktionale Silos hinweg ermöglicht. Die Technologie, die diesem Trend zugrunde liegt, wird als Wissensgraph bezeichnet.
Die Gründe für diesen Trend liegen auf der Hand: Unternehmen leiden nicht mehr unter Datenknappheit. In einer Zeit, in der Big Data ein gelöstes Problem zu sein scheint (zumindest was die Speicherung angeht), ertrinken viele Unternehmen praktisch in Daten. In der Branche gibt es viele Anekdoten, dass täglich viele tausend relationale Tabellen in einen Data Lake eingespeist werden, aber mit dem Überfluss an Daten kommt auch die unerwartete Herausforderung, was damit geschehen soll. Hier helfen Wissensgraphen.
Ein Wissensgraph ist eine zielgerichtete Anordnung von Daten, die Informationen in einen Kontext stellt und Einblicke ermöglicht. Einzelne Datensätze werden in ein assoziatives Beziehungsnetzwerk eingeordnet, das eine reichhaltige semantische Verbindung und einen Kontext bietet. Dieses Beziehungsnetzwerk - ein Graph - ist eine unglaublich intuitive Art, nützliches Wissen darzustellen. Daten, die ursprünglich ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access