图数据库&知识图谱

图数据库

图

• 图的基本元素是点和边，点就是表示这个事物，表示这个实体，而边就表示他们之间有一定的关系。
• 边可以附着信息，点也可以附着信息。
  这里的图指的既不是图像的图，也不是图形的图，它是数学中的一个门类叫做图论，这里的图指的是图论的图。

图数据库

• 图数据库是基于图模型的数据库。相比较于关系型数据库，图数据库是真正注重“关系”的数据库。
• 图数据库的主要职能是管理图数据，因此需要支持高效的对顶点/边的查询与更新。
• 为了方便用户的使用，通常还需要增加对事务（transaction）的支持，从而保证并发操作下的正常运作。
• 图数据库与其他 NoSQL 数据库有本质上的差异。图数据库以点、边、属性的形式存储数据。其优点在于灵活性高，支持复杂的图形算法，可用于构建复杂的关系图谱。

图数据库相比较于关系型数据库的优势

• 图数据库的功能是传统关系型数据库的一个拓展，相比较关系型数据库仅支持表结构，图数据支持的图结构更为灵活。
• 图数据库在基于图的数据增加、删除、查询、修改等方面做了不同于其他数据库的设计。
• 在图数据的操作抽象上，采用基于顶点的视角，比如顶点通过其所有出边访问其邻接顶点，这一类的操作也是图数据库系统设计的核心。
• 图数据库几乎适用于存储所有领域的数据。因为在几乎所有领域中，事物之间都是由某种相关联的。图数据库支持存储实体之间的丰富关系，并且能够将这些关系完美地呈现出来，而无需像其他建模方式那样，将关系也当成实体存储。因此图数据库能够以最接近对数据直观认知的形式存储数据。

图数据库的独特性可以体现为以下三个方面：

性能
在关联关系的处理上，用关系型数据库处理不可避免要用到表的 JOIN 操作，对性能的影响较大；而图数据库则是类指针直接跳转访问，更高效的操作关联数据，比关系型数据库有 2 到 4 个数量级的性能提升。

兼容性
现实中，项目的进程往往是不断演进的。数据的内容甚至数据格式也会不断发生变化。在关系型数据库中，这意味着表结构的变化，或者多个新表的建立，对源数据的改动非常大。而在图数据库里，仅需添加新的顶点、边、属性，设置为对应的类型即可。从本质上说，一个表代表一个类型的数据，一个顶点代表一个特定的数据，意味着关系数据库更关注数据的类型，而图数据库更关注数据的个体，识别其关联关系。

直观性
使用图（或者网）的方式来表达现实世界的关系更加直接、自然，在万物互联的物联网时代尤为突出。如果采用关系型数据，先将人物建表，再将关系建表，最后将数据进行映射，需要高度的抽象思维。在图数据上进行分析查询时，也可以直观地通过点边连接的拓扑，交互式找到想要的数据，不需要具备任何的专业知识。

图数据库与关系型数据库对比

知识图谱

什么是知识图谱

• 知识图谱（Knowledge Graph），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、 构建、绘制和显示知识及它们之间的相互联系。
• 知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、 前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。
• 简单说来，知识图谱就是通过不同知识的关联性形成一个网状的知识结构，而这个知识结构，恰好就是人工智能AI的基石。当前AI领域热门的计算机图像、语音识别甚至是NLP，其实都是AI的感知能力，真正AI的认知能力，就要靠知识图谱。

Cyper

• 如今大多数图查询语言的先祖——Cypher。
• Cypher 的语法基础，是用 “ASCII艺术(ASCII art)” 来描述图模式。这种方式最初来源于 Neo4j 工程师团队在源代码中评注如何描述图模式。
  
  

图计算

• 图计算（Graph Processing）是将数据按照图的方式建模可以获得以往用扁平化的视角很难得到的结果。
• 图计算，是以图作为数据模型来表达问题并予以解决的这一过程。以高效解决图计算问题为目标的系统软件称为图计算系统。
• 大数据时代，数据之间存在关联关系。由于图是表达事物之间复杂关联关系的组织结构，因此现实生活中的诸多应用场景都需要用到图，例如，淘宝用户好友关系图、道路图、电路图、病毒传播网、国家电网、文献网、社交网和知识图谱。
• 为了从这些数据之间的关联关系中获取有用信息，大量图算法层出不穷。它们通过对大型图数据的迭代处理，获得图数据中隐藏的重要信息。图计算作为下一代人工智能的核心技术，已被广泛应用于医疗、教育、军事、金融等多个领域，并备受各国政府、全球研发机构和巨头公司关注，目前已成为全球科技竞争新的战略制高点。