Amazon Neptune ML

ML 和生成式 AI

無需 ML 專業知識就能對圖形資料進行預測

Neptune ML 會針對圖形資料自動建立、訓練和應用 ML 模型。它使用 DGL 自動為您的工作負載選擇和訓練最佳 ML 模型，以便您可以用數小時而不是數週的時間，對圖形資料進行以 ML 為基礎的預測。

將大多數預測的準確度提高超過 50%*

Neptune ML 使用 GNN，這是一種應用於圖形資料的最先進 ML 技術，可以理解圖形中超過數十億個關係，以便您進行更準確的預測。

*根據斯坦福大學發表的研究，相較於非圖形 ML，Neptune ML 使用 GNN 做出的預測準確度要高出 50% 以上。

使用開放原始碼的 LangChain Python 架構，建置情境感知的圖形應用程式

LangChain 是一個開放原始碼 Python 架構，旨在簡化使用大型語言模型 (LLM) 建立應用程式。Neptune 與 LangChain 的整合，允許開發人員使用 LangChain 的開放原始碼架構，來簡化情境感知應用程式的建立。

將英語問題翻譯成 openCypher 圖形查詢，並返回人類可讀的回應

使用 Neptune 和 LangChain，您可以根據提供的情境傳回回應，並使用 openCypher 查詢語言查詢 Neptune 圖形資料庫。例如，您可以使用 Neptune openCypher QA 鏈將英語問題翻譯成 openCypher 查詢，並傳回人類可讀的回應。該鏈可用於回答「奧斯汀機場有多少條出發路線？」等問題

如需有關 Neptune openCypher QA 鏈的更多詳細資訊，請造訪開放原始碼的 LangChain 文件。