刘本悦(艾玛)

随着数据在各个维度上的规模和连通性急剧增长，图形丰富的机器学习的潜力也在增长，但需要可扩展的技术来构建模型并实时应用它们。实时深度链接图模式匹配和分析为丰富机器学习模型提供了新的机会。

“除了实时深度链接方面，在生产管道中处理大型数据集的能力为两个分布式和高性能平台(Spark和TigerGraph)提供了一种协同方法。bob体育客户端下载TigerGraph图形数据库提供可扩展的实时深度链接图形分析，并为广泛的机器学习用例增加了图形分析和预测。

在本节课中，我们将解释TigerGraph+Spark图形增强机器学习管道的架构和技术实现:在训练前使用TigerGraph提取(图形和非图形)特征，训练后将模型应用于流数据;使用Spark大规模地训练和调整机器学习模型。作为一个例子，我们将在中国移动的生产中展示一个解决方案，该解决方案使用TigerGraph的机器学习来检测和防止基于手机的诈骗。

具体来说，该解决方案为6亿用户生成118个图形特征，为机器学习系统提供信息，该系统可以检测三种类型的不需要的电话。然后，TigerGraph通过实时提取这118个特征来帮助部署模型，每秒最多可处理10,000个来电，为客户实时诊断来电。