Der von den L3S-Forschern Prof. Wolfgang Nejdl und Wei Wu auf der Web Conference 2021 vorgestellte Algorithmus HashGNN wurde in die Neo4j Graph Data Science Library implementiert und lässt sich somit einfach auf Neo4j-Graphen anwenden. HashGNN (#GNN) dient dazu, Knoten in einen Graphen einzubetten – unerlässlich für Aufgaben wie Link-Vorhersage und Knotenklassifizierung. Die Technik ist nicht nur einfach in der Anwendung, sondern auch sehr effizient: Um die Berechnungen zu beschleunigen, nutzt HashGNN die lokalitätssensitive Hashing-Technik MinHashing und ist damit deutlich schneller als traditionelle neuronale Netze. Ein weiterer Vorteil: Im Gegensatz zu typischen neuronalen Netzen ist für HashGNN kein Modelltraining erforderlich, was den Einbettungsprozess vereinfacht.
Über Neo4j
Neo4j ist eine native Graphdatenbank, die in Java implementiert ist. Es handelt sich um eine Open-Source-Datenbank-Engine, die Daten in Graphen statt in Tabellen strukturiert. Neo4j wurde im Februar 2010 veröffentlicht und speichert Daten als Knoten und Beziehungen, wodurch es sich gut für die Verwaltung vernetzter Daten eignet und leistungsstarke graphenbasierte Abfragen und Analysen ermöglicht. Es ist besonders sinnvoll für Anwendungen, bei denen komplexe Beziehungen zwischen Entitäten modelliert und analysiert werden müssen.
Der folgende Artikel gibt einen detaillierten Einblick in die Funktionsweise von HashGNN und seine Implementierung in Neo4j GDS:
