日前,企业级图数据库TigerGraph宣布将在二季度推出其最新版本TigerGraph 2.4。
据了解,这项新技术将图模式匹配与实时深度链接分析相结合,此种独特组合特别适用于欺诈与洗钱检测、安全分析、个性化推荐引擎、人工智能和机器学习等,新版本的发布将使企业更加轻松地通过图计算洞悉深度链接的数据价值。
一直以来,模式匹配由来已久,但从该技术中获得业务洞察力则往往会受制于两大问题:难以实现大型数据集的并行扩展计算,无法进行深度链接分析,亟需在数据集中遍历三步以上的跳转或层级。
例如,确定银行和金融服务的最终受益人所有权,意味着从每家子公司到其母公司业务部门一直到公司总部,查找每个组织的关键利益相关者,并在整个公司架构中为每个利益相关者添加所有权部分。每多一步跳转查询,搜索中的数据规模都会以指数形式扩展,这就需要大量并行计算才能遍历数据。尽管每个新的跳转都打开了一个新维度的信息世界,但是其他图数据库由于无法处理这些日益复杂的计算,所以只能浅尝辄止。
长久以来,人工智能(AI)和机器学习(ML)开发人员一直都在苦苦寻求对互联数据进行更深入的分析,因为洞察深度越深,模式和相应的特性就越好,进而为业务项目带来更加准确的结果。
对此TigerGraph创始人兼CEO许昱博士表示:“不同于市场上其他可深入两至三层相关数据的图数据库,TigerGraph的模式分析高效且易于处理,能够深入关联实体10层或更多层,并根据多维标准实时计算风险或相似性得分。高效的图分析,不仅仅是一个强大的大规模并行处理引擎;它还了解用户想要了解的内容并专注于此。图的沟通力和直觉力,是指能够将一组复杂关系理解为一个整体模式:一条路径、一组分支、一个循环。TigerGraph的模式匹配增强了TigerGraph的GSQL查询语言,使之更容易实现。”
据悉,标准模式匹配解决方案具有一个定义好的起点(例如特定客户帐户或付款),以及一个定义好的具有固定跳数的模式(例如从客户帐户到所有付款的遍历——从帐户到付款接收者等)。发现欺诈或洗钱循环是复杂的,因为它没有定义好的起点,由于付款可能来自于任何客户帐户,也没有定义好的查询步书,因为欺诈者或洗钱者通常使用超过10层的合成帐户来隐藏其活动。
借助其大规模并行处理(MPP)引擎,TigerGraph 2.4能够解决各种规模数据集的标准模式及复杂模式的匹配。
TigerGraph的GSQL模式匹配支持,允许用户以简洁、易读的格式来表达多步查询。通过在一行中表示多步查询模式,能够提高用于机器学习的分析及特征工程的模式透明度。凭借新添加的模式匹配查询语法,结合“累加器”(Accumulators)的独特GSQL功能,TigerGraph的大规模并行处理(MPP)图引擎可以确保任意规模图分析的可扩展性与高效性。累加器允许数据科学家和开发人员来定义计分或排名的多维标准,以示两种模式的匹配程度。
有关累加器如何与GSQL中的新模式匹配查询相互协作,包括下面几种示例:
此外,TigerGraph还宣布,AWS用户可在GraphStudio中原生使用其S3数据可显著提高AWS云业务用户效率。GraphStudio采用拖放式图形用户界面,可将存储在本地文件中的数据轻松映射到图模型中,这一点广受好评。
对于在S3文件中拥有数据的AWS用户,现在也可以获得一致的易用性。GraphStudio的Native S3 Import(原生S3导入器)与主流的云数据存储提供了更好的协同,并且易于使用数据导入,使得在AWS上运行TigerGraph更加简单。
TigerGraph还宣布了新的TigerGraph JDBC连接器,使Java开发人员能够比以往更加轻松地将TigerGraph集成至其应用。此外,OpenCorporations是全球最大的开放式企业数据库。全球调查记者借助其用来发现腐败、洗钱和有组织犯罪的模式。该数据库已选用TigerGraph来更好地支数据库进行调查查询。
OpenCorporations首席执行官Chris Taggart表示:“OpenCorporations致力于为公众提供更多可用和更广泛的公司信息,特别是揭露犯罪和反社会活动,例如腐败、洗钱和有组织犯罪等。随着我们工作的继续深入和数据的不断增长,面临着扩展数据来满足业务需求等挑战,TigerGraph出色的可扩展性功能和性能让我们能够实现以前无法做到的事情,并更好地支持正在进行的调查工作。”