否则说用模式匹配和图遍历替换特征向量并模拟降维？
我的意思是给定英语单词的语义图计算类似于：
king - man = queen
这意味着我可以从一个图中减去一个子图，并在给定指标的情况下对结果子图进行评分。
我不希望这将是单个 neo4j 或 gremlin 查询。我对在图形数据库上同时进行全局和本地推理所涉及的底层机制感兴趣。
问问题
877 次
1 回答
5
我认为重要的是要记住图形数据库作为存储解决方案和使用机器学习来提取连接图作为向量，这些向量代表用于正确训练 ML 模型的特征。
不同之处在于，您可以以一种更容易找到适合创建机器学习模型的模式的方式构建数据。使用 Neo4j 来做这件事当然是个好主意，但这不是开箱即用的东西。我为 Neo4j 创建了一个插件，它将使用我想到的遗传算法从文本中提取分层模式匹配。你可以看看这里：http ://www.kennybastani.com/2014/08/using-graph-database-for-deep-learning-text-classification.html
然后，您可以使用生成的数据来构建 word2vec 模型。
于 2015-09-29T22:46:03.803 回答