Il database Amazon Neptune ora si integra con GraphStorm per il machine learning su grafi scalabile
Oggi introduciamo l'integrazione del database Amazon Neptune con GraphStorm, una libreria scalabile open-source per il machine learning su grafi, progettata per applicazioni su scala aziendale. L'integrazione combina le funzionalità di grafo OLTP (Online Transaction Processing) di Neptune con il motore di inferenza scalabile di GraphStorm, semplificando per i clienti l'implementazione del ML su grafi in ambienti transazionali sensibili alla latenza.
Questa integrazione consente agli sviluppatori di addestrare i modelli GNN utilizzando GraphStorm e implementarli come endpoint di inferenza in tempo reale che interrogano direttamente Neptune per ottenere i vicinati di sottografi on demand. Le previsioni, come le classificazioni dei nodi o le previsioni dei link, possono quindi essere restituite in intervalli di tempo inferiori al secondo, chiudendo il ciclo tra gli aggiornamenti dei grafi transazionali e le decisioni basate sul machine learning. L'integrazione rende possibili casi d'uso come il rilevamento e la prevenzione delle frodi, dove le organizzazioni possono prendere decisioni in tempo reale basate su relazioni complesse tra account, dispositivi e transazioni; raccomandazioni dinamiche, dove i sistemi si adattano istantaneamente al comportamento degli utenti sfruttando il contesto di grafo in tempo reale; e valutazione del rischio basato su grafi, con valutazioni del rischio aggiornate continuamente all'evolversi del grafo. I clienti possono anche combinare i risultati di inferenza in tempo reale con le query analitiche su grafi per ottenere informazioni operative più approfondite, abilitando loop di feedback ML direttamente nelle applicazioni basate su grafi.
La funzionalità è disponibile in tutte le regioni in cui è accessibile il database Amazon Neptune. Per saperne di più e provare direttamente l'integrazione, consulta il nostro blog di annunci: Modernizzare la prevenzione delle frodi: GraphStorm v0.5 per l'inferenza in tempo reale per una guida completa.