Amazon Neptune Database já se integra ao GraphStorm para machine learning de grafos escalável
Hoje, estamos anunciando a integração do Amazon Neptune Database com o GraphStorm, uma biblioteca de machine learning (ML) de grafos escalável e de código aberto criada para aplicações de escala corporativa. Isso reúne os recursos de grafos de processamento de transações online (OLTP) do Neptune com o mecanismo de inferência escalável do GraphStorm, facilitando para os clientes a implantação de ML de grafos em ambientes transacionais sensíveis à latência.
Com essa integração, os desenvolvedores podem treinar modelos GNN usando o GraphStorm e implantá-los como endpoints de inferência em tempo real que consultam diretamente o Neptune em busca de vizinhanças de subgrafos sob demanda. As previsões, como classificações de nós ou previsões de links, podem então ser retornadas em intervalos de menos de um segundo, fechando o ciclo entre atualizações de grafos transacionais e decisões orientadas por ML. Essa integração desbloqueia casos de uso como detecção e prevenção de fraudes, em que as organizações podem tomar decisões em tempo real com base em relacionamentos complexos entre contas, dispositivos e transações; recomendações dinâmicas, nas quais os sistemas podem se adaptar instantaneamente ao comportamento do usuário usando o contexto de grafo ao vivo; e pontuação de risco baseada em grafos, em que as avaliações de risco são atualizadas continuamente à medida que o grafo evolui. Os clientes também podem combinar resultados de inferência em tempo real com consultas de analytics de grafos para obter insights operacionais mais profundos, permitindo ciclos de feedback de ML diretamente nas aplicações de grafos.
Esse atributo está disponível em todas as regiões nas quais o Amazon Neptune Database é oferecido. Para saber mais e experimentar você mesmo a integração, confira nosso blog de anúncios: Modernize fraud prevention: GraphStorm v0.5 for real-time inference for a full walk-through.