Amazon Neptune Database integriert sich jetzt mit GraphStorm für skalierbares Graph Machine Learning

Heute kündigen wir die Integration der Amazon Neptune-Datenbank mit GraphStorm an, einer skalierbaren Open-Source-Bibliothek für Graph Machine Learning (ML), die für Anwendungen im Unternehmensmaßstab entwickelt wurde. Dies vereint die OLTP-Graphfähigkeiten (Online Transaction Processing) von Neptune mit der skalierbaren Inferenz-Engine von GraphStorm und erleichtert es Kunden, Graph-ML in latenzempfindlichen, transaktionalen Umgebungen einzusetzen. Mit dieser Integration können Entwickler GNN-Modelle mit GraphStorm trainieren und sie als Echtzeit-Inferenzendpunkte bereitstellen, die Neptune bei Bedarf direkt nach Subgraph-Nachbarschaften abfragen. Vorhersagen – wie Knotenklassifizierungen oder Linkvorhersagen – können dann in Subsekunden-Zeiträumen zurückgegeben werden, wodurch der Kreislauf zwischen transaktionalen Graph-Updates und ML-gesteuerten Entscheidungen geschlossen wird. Diese Integration eröffnet Anwendungsfälle wie Betrugserkennung und -prävention, bei denen Organisationen Echtzeitentscheidungen auf der Grundlage komplexer Beziehungen zwischen Konten, Geräten und Transaktionen treffen können; dynamische Empfehlungen, bei denen Systeme sich sofort an das Benutzerverhalten anpassen können, indem sie den Live-Graph-Kontext nutzen; und graphbasierte Risikobewertung, bei der Risikobewertungen kontinuierlich aktualisiert werden, wenn sich der Graph weiterentwickelt. Kunden können auch Echtzeit-Inferenz-Ergebnisse mit Graph-Analyseabfragen kombinieren, um tiefere operative Einblicke zu gewinnen, und so ML-Feedbackschleifen direkt in Graph-Anwendungen ermöglichen. Diese Funktion ist in allen Regionen verfügbar, in denen die Amazon Neptune-Datenbank verfügbar ist. Weitere Informationen und die Möglichkeit, die Integration selbst auszuprobieren, finden Sie in unserem Ankündigungsblog: Modernize fraud prevention: GraphStorm v0.5 for real-time inference für eine vollständige Anleitung.