Veröffentlicht am: Feb 11, 2022
Mit Neptune Machine Learning (ML) können Sie jetzt Machine-Learning-Modelle für Ihre Diagrammdaten auf Amazon Neptune definieren. Neptune ML ist die Machine-Learning-Funktion von Amazon Neptune, die anhand von Graph Neural Networks (GNNs), die mit der Deep Graph Library (DGL) entwickelt wurden, die schwere Arbeit der Auswahl und des Trainings von ML-Modellen für Diagrammdaten automatisiert. Mit dieser Version können Sie zusätzlich zu den Inferenzabfragen für Eigenschaftsdiagramme mit Apache TinkerPop Gremlin auch SPARQL-Inferenzabfragen für das Datenmodell des Resource Description Framework (RDF) des W3C ausführen. Zu den neuen Machine-Learning-Aufgaben für RDF gehören die Objektklassifizierung, Objektregression, Objektvorhersage und Subjektvorhersage.
Das benutzerdefinierte Modelltraining ist für Benutzer gedacht, die ihre eigenen, in DGL entwickelten GNN-Modelle nutzen möchten, oder für fortgeschrittene Anwendungsfälle in der Knotenklassifizierung und -regression, wie z. B. die Verwendung von Tabellen- oder Ensemblemodellen. So können Sie z. B. ein benutzerdefiniertes ML-Modell entwickeln, um Kundendatensätze in einem Identitätsdiagramm zu verknüpfen oder die Vorhersagen eines Modells ohne und eines Modells mit Diagrammen zur Betrugserkennung zu kombinieren. Durch die SPARQL-Unterstützung kann Neptune ML eine Klassifizierung nach Kategorien oder numerische Regression auf die Eigenschaften von Objekten und Subjekten ableiten. Bei RDF-Daten kann Neptune ML auch das wahrscheinlichste Objekt zu einem vorhandenen Subjekt und Prädikat vorhersagen und umgekehrt.
Zum Einstieg in Neptune ML können Sie die Schnellstart-Einrichtung verwenden. Neptune ML steht ab Neptune Version 1.0.5.0 in allen Regionen zur Verfügung, in denen Amazon Neptune verfügbar ist. Für die Nutzung von Neptune ML fallen keine zusätzlichen Gebühren an. Sie zahlen nur für die bereitgestellten Ressourcen wie Amazon Neptune, Amazon SageMaker, Amazon CloudWatch und Amazon S3.
Weitere Informationen zu benutzerdefinierten Modellen finden Sie in der Dokumentation oder in den Beispielmodellen für die Knotenklassifizierung und andere Aufgaben auf GitHub. Beispiele für SPARQL-Inferenzabfragen für Neptune ML finden Sie in unserer Dokumentation.