中国上海，2020年4月11日 - 近日，TigerGraph成为全球唯一可扩展的企业级图数据库TigerGraph宣布将于第二季度推出最新版本TigerGraph 2.4。
这项新技术将图形模式匹配与实时深度链接分析相结合，这是一种独特的组合，非常适合欺诈和洗钱检测、安全分析、个性化推荐引擎、人工智能和机器学习等。
此次新版本的发布，将使企业更容易通过图计算洞察深度链接的数据价值。
模式匹配已经存在很长时间了，但从该技术中获取业务洞察往往受到两大问题的限制：难以在大数据集上实现并行可扩展计算，并且无法进行深度链接分析——这需要数据集中超过三个步骤。
跳跃或水平。
例如，确定银行和金融服务的最终实益所有权意味着为每个组织找到从每个子公司到其母公司业务部门一直到公司总部的关键实体，并在整个公司结构中为每个实体找到关键资产。
添加所有权部分。
查询中每增加一步，搜索中的数据大小就会呈指数级扩展，这需要大量的并行计算来遍历数据。
每一次新的跳跃都开辟了信息世界的新维度，但其他图数据库只能触及表面，因为它们无法处理这些日益复杂的计算。
例如，人工智能 (AI) 和机器学习 (ML) 开发人员长期以来一直寻求对互联数据进行更深入的分析。
洞察越深入，模式和相应的特征就越好，从而为业务项目带来更准确的结果。
TigerGraph创始人兼首席执行官徐宇博士表示：“与市场上其他图数据库可以下钻到两到三层相关数据不同，TigerGraph的模式分析高效且易于处理，可以下钻到10层或更多层相关实体，并根据多维标准进行分析，实时计算风险或相似度分数。
高效的图分析不仅仅是一个强大的大规模并行处理引擎，它了解用户想要了解和关注的内容； TigerGraph 的模式匹配增强了 TigerGraph 的 GSQL 查询语言，使其更容易实现标准。
模式匹配。
场景具有定义的起点（例如特定的客户帐户或付款）以及具有固定跳数的定义模式（例如从客户帐户遍历到所有付款 - 从帐户到付款接收者等）。
揭露欺诈或洗钱周期非常复杂，因为没有明确的起点（付款可能来自任何客户账户），也没有明确的搜索步骤，因为欺诈者或洗钱者经常使用 10 层以上的合成账户来隐藏其活动。
凭借其大规模并行处理（MPP）引擎，TigerGraph 2.4可以解决各种规模数据集的标准和复杂模式匹配问题。
TigerGraph 的 GSQL 模式匹配支持允许用户以简洁、可读的格式表达多步查询。
通过在一行中表示多步骤查询模式，您可以提高机器学习分析和特征工程的模式透明度。
通过新增的模式匹配查询语法，结合“Accumulators”独特的GSQL功能，TigerGraph的大规模并行处理（MPP）图引擎可以保证任何规模的图分析的可扩展性和效率。
累加器允许数据科学家和开发人员定义评分或排名的多维标准，以指示两个模式的匹配程度。
累加器如何与 GSQL 中的新模式匹配查询配合使用的示例包括： 下一代推荐引擎 - 传统推荐引擎可以查看客户购买的产品，查找购买这些产品的其他“类似”客户，并考虑其他产品这些客户购买的目的是为相关客户提供建议。
累加器可以基于客户的人口统计数据、与相关客户共享或共同购买商品的最近交易时间、共享商品类别的总支出以及基于特征的相似度分数，例如“Lighting Games”以及“七彩游戏”或“超级英雄蝙蝠侠”等，定义更全面、更清晰的“类似”客户选择标准。
所有这些因素与基于最近浏览和搜索历史记录的客户的直接购买意图相结合，以计算每个推荐的可能性或适合性分数。
·欺诈和洗钱检测——欺诈检测会寻找与已知欺诈或洗钱案例类似的交易模式，而累加器与 TigerGraph 中的模式匹配相结合，使数据科学家能够定义欺诈或洗钱检测的多维标准。
由于每秒都会发生新的付款，因此累加器会根据多维评分标准（例如涉嫌参与欺诈或洗钱的其他账户的付款规模、频率和百分比）重新计算每笔付款、发送或接收的每笔付款。
该账户最近的欺诈或洗钱风险评分。
这与支付、客户账户图表中多达 10 个级别的模式匹配相结合，以标记潜在的欺诈交易和已超过可接受风险阈值并需要欺诈或反洗钱分析师进行调查的账户。
· 通过实时深度链接模式分析推动人工智能和机器学习——可解释的人工智能需要每个决策的可追溯性——无论是向客户推荐特定产品或服务，还是标记涉及欺诈或洗钱的账户。
累加器“展示了实现每个决策所涉及的数学”，使公司和政府能够向一线工人和最终消费者推出可解释的人工智能解决方案。
可以针对每种模式计算基于图形的特征??，并将其输入到机器学习解决方案中，以提高多个用例的准确性，包括推荐引擎、欺诈和洗钱检测、客户和网络安全等。
此外，TigerGraph还宣布AWS用户可以在GraphStudio中原生使用其S3数据，这可以显着提高AWS云业务用户的效率。
GraphStudio 因其拖放式图形用户界面而受到广泛赞誉，该界面可以轻松地将存储在本地文件中的数据映射到图形模型中。
现在，在 S3 文件中拥有数据的 AWS 用户也可以享受一致的易用性。
GraphStudio 的 Native S3 Import（原生 S3 导入器）提供了与主流云数据存储更好的协同性，并且易于使用数据导入，使得在 AWS 上运行 TigerGraph 变得更加简单。
TigerGraph 还发布了新的 TigerGraph JDBC 连接器，使 Java 开发人员能够比以往更轻松地将 TigerGraph 集成到他们的应用程序中。
TigerGraph 2.4和新的TigerGraph JDBC连接器预计将于第二季度发布。
如需了解详细信息和定价，请联系 info@tigergraph.com。
OpenCorporations 是世界上最大的开放企业数据库。
世界各地的调查记者使用它来揭露腐败、洗钱和有组织犯罪的模式。
数据库选择了TigerGraph来更好地支持数据库进行调查和查询。
OpenCorporations 首席执行官 Chris Taggart 表示：“OpenCorporations 致力于让公众更容易、更广泛地获取公司信息，特别是揭露腐败、洗钱和有组织犯罪等犯罪和反社会活动。
随着我们工作的继续，随着深度和数据的不断增长，我们面临着扩展数据以满足业务需求的挑战。
TigerGraph 出色的可扩展性和性能使我们能够实现以前不可能实现的目标，并更好地支持正在进行的调查工作。
“TigerGraph 提供了唯一可扩展的企业级图形数据库，无论数据集的大小或复杂程度如何，它都可以实时解决最棘手的数据挑战。
TigerGraph 将所有数据源存储在统一的多图存储中，该存储可以轻松有效地扩展以发现和预测关系。
与传统图数据库不同，TigerGraph 可以将实时多步查询扩展到数万亿个关系。