2022-12-26-阿里云-图计算及其应用_70页_21mb

图计算发展回顾与展望

• 图计算是人工智能的重要方向，应用场景广泛（如Web、社交网络、生物结构图等）。
• 主要研究方向包括：子图罗列、内聚子图、网络弹性、二分图。
  • 子图罗列：用于欺诈检测、实时周期检测，需处理大规模数据匹配。
  • 内聚子图：包括Clique、K-Plex、K-核心等概念，挑战在于稠密子图匹配。
  • 网络弹性：分析网络鲁棒性，提出近似算法解决复杂性问题。
  • 二分图：典型应用包括学术数据、推荐系统等。

GraphScope：一站式图计算系统

• GraphScope是一个图计算引擎，不依赖数据库内建事务，支持实时与离线一体化处理。
• 技术特点：
  • 实时离线一体化引擎
  • 支持多种图计算类型（分析、交互、模式匹配、学习）
  • 低代码/零代码开发，开放Notebook环境
  • 支持分布式计算，扩展性强（如Java SDK、Spark集成）
• 应用案例：阿里内部每日支持5万任务，处理超50TB图数据。

Graph+Insight：发现商业价值

• 图计算结合可视化技术，提升业务洞察力。
  • 应用场景：设备识别（BI-Clique）、金融风控、推荐系统、全域数据融合。
  • 技术实现：GraphInsight平台支持零代码分析，快速完成业务验证。
  • 优势：相比传统数据库，提高了数据表达效率和查询能力，支持多维度关系展示。

小图撬动大图：子图挖掘与应用

• 子图挖掘：用于设备识别、联通分量识别、设备簇拆解等任务。
  • 设备识别：通过显著子图模式（如链式、全连接结构）挖掘解决设备标识混乱问题。
  • 联通分量识别：采用压缩算法优化稠密子图匹配，减轻计算负担。
  • 设备大簇拆解：通过角色定义（核心点、桥接点等）分类拆解。
• 离线子图采样系统GraphView：支持UE、UF等多模式查询，降本增效。

全域数据融合：图计算在身份识别中的应用

• 场景挑战：用户数据割裂、标签分散、数据化运营体系薄弱。
• 技术优势：使用ID映射算法建立统一用户标识，提升数据融合效率。
  • 流批图一体架构：实时流处理与批处理结合，满足实时与离线场景需求。
  • 性能对比：相比规则识别，提升时效性、准确度、系统扩展性。
• 代表企业案例：为零售、金融等行业提供全域数据融合底层支撑。