浅析图数据库市场/图数据库/图计算/图引擎/图神经网络/知识图谱.
欢迎大家一起交流，本人对于图方面的做过一些市场洞察以及Mapping。
图论的历史
**第一阶段：**从1736年到19世纪中叶1736年，欧拉（L·Euler）研究哥尼斯堡城（Koni gsberg）的七桥问题发表了图论的首篇论文，被誉为图论之父1847年，德国数学家（G.R.kirchhoff）应用图的方法分析电网络，奠定了现代电网理论的基础。
**第二阶段：**从19世纪中叶到1936年这一时期图论大量问题出现，诸如关于地图染色的四色问题，由“周游世界”游戏发展起来的哈密顿(W.Hamilton)问题等1936年匈牙利数学家柯尼希用德语编写了第一本图论专著《有限图与无限图的理论》，这是图论作为独立的数学分支形成的标志
**第三阶段：**从1936年以后因为高速电子计算机的问世，以及网络理论的建立，现代图论已经成为了数学中的独立学科，衍生出如拓扑图论，随机图论等分支，也诞生出了一系列的图论学者。图论近些年在计算机流程图，通讯网络的设计分析等领域都有了丰富的应用
图论中国近代史： 1982年，华东师范大学的李修睦教授。 他撰写了第一部中文图论书稿《图论导引》
中国科学院数学研究所的吴文俊教授受惠特尼（图论研究者，创立拟阵论分支）的影响也展开了图论方面的深入研究
到了二十世纪末， 涌现出了一大批国内数学家， 他们都对推动图论学科的发展做出了重要贡献， 如刘桂真、 刘彦佩等等。
**21世纪的图论：**目前国内的图论研究者基本集中在各大高校以及研究所内，已经被划为独立学科进行研究包括各类应用场景以及学术理论研究各类应用场景，知识图谱，图计算，图引擎，图数据库等。
上述内容借鉴过一些文章内容，但时间久远，有点找不到出处了。
图计算相关技术的迅猛发展主要在社交应用兴起之后，也得益于云，分布式计算等技术的成熟
相关技术人才主要分布在以下几类公司：
1、具备自研能力的老牌IT厂商
2、具备自研能力的互联网巨头
3、具备相关技术研究院的学术机构
4、积极开始应用相关产品的企业（不具备自研能力，但对业务应用场景比较了解）
5、从第一第二第三类公司离职出来的创业人才
6、开源社区（主要在海外，华人占比较少，）
上述第一第二第三类公司相关的研发团队大多只有个位数的图计算/图数据库资深技术人才，其余多为不到5年研发及工程经验的工程师
（国内外大大小小做图数据库的企业先不做赘述了）
图计算目前相关技术的主要行业应用场景为：
1、金融风控应用（传统金融机构及互联网金融）
2、泛互联网应用（搜索引擎、推荐、用户分群、异常行为分析、舆情分析等）
3、零售行业（以Walmart为例）
4、城市工业等应用（电路、管道、交通网路等）
5、企业IT应用（规划网络、分析故障、IT基础设施管理等）
相关技术的技术应用场景为：
1、知识图谱应用（存储、快速关联查询、知识梳理、学习路径识别及推荐）
区块链、IOT等应用
2、图计算等技术在知识图谱，IOT，区块链等技术领域的应用历史也是比较短，大部分在用开源的产品和工具，相关的软件公司会有技术比精通的工程师，能应用开源的产品工具构建解决方案，但还没发现有自研能力的公司（待挖掘）
综上而言，图计算的人才市场依旧有非常广阔的挖掘空间，包括关系型数据库等关联系数的人才像图数据库领域的流动
浅析图数据库市场/图数据库/图计算/图引擎/图神经网络/知识图谱.相关推荐
- 中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.2 知识图谱构建
1.2 知识图谱构建 知识图谱由实体.实体的属性描述以及实体和实体之间的关联构成.尽管其对于大数据人工智能的实现意义非凡,但其构造过程却极为困难.在早期,知识图谱构建单纯依赖于人类专家.在这一方法中, ...
- 企业如何通过图数据库及知识图谱形成业务壁垒
随着业务数据量级猛增.业务数据类型愈加多样化.业务复杂程度的激增,传统的关系型数据库早已无法反映企业业务情况的全貌,对于分析对象之间的关系洞察也显露出了能力瓶颈.在这样的大背景下,企业对图数据库的需求 ...
- 知识图谱和图分析与可视化
来源:知链数据 "知识图谱和图分析与可视化"这个题目看起来比较大,我尝试基于本人的一些图数据可视化与分析经验,对知识图谱和图分析与可视化之间的关系进行简单梳理,并分享一些以知识图谱 ...
- python 知识图谱数据库_知识图谱和 Neo4j 浅析-数据库
编辑推荐: 本文来自于51cto,介绍了什么是知识图谱,知识图谱的应用场景,知识图谱的构建,知识图谱的存储以及 neo4j 的性能测试,neo4j图数据库优化等知识. 在当前大数据行业中, 随着算法的 ...
- 0元包邮 | 知识图谱学习导图
知识图谱可以说是整个AI的未来,是实现人工智能从"感知"跃升到"认知"的基础.近年来,作为实现认知智能的核心驱动力,已广泛应用在金融.电商.医疗.政务等诸多领域 ...
- 知识图谱：RDF 或LPG（属性图），您应该选择哪一个？
Graph正在成为一种广泛使用的数据表示方法,因为它们提供了灵活性.因此,用于图形数据管理的数字技术越来越受欢迎.到 2023 年,图形技术将促进全球30%的组织更快地实现数据情境化. 最流行的图数据 ...
- 图神经网络如何对知识图谱建模？ | 赠书
几乎所有早期的知识图谱嵌入的经典方法都是在对每个三元组打分,在实体和关系的表示中并没有完全考虑到整幅图的结构. 早期,图神经网络的方法在知识图谱嵌入中并没有被重视,主要由于: 早期的图神经网络更多是具 ...
- 67 亿美金搞个图，创建知识图谱的成本有多高你知道吗？
来源:算法与数学之美 摘要:我们知道强大的深度模型需要很多计算力,那你知道创建一个知识图谱的成本到底是多少吗?德国 Mannheim 大学的研究者最近仔细估算了各种知识图谱每创建一条记录所需要的成本, ...
- 通过图注意力神经网络进行多智能体游戏抽象_[读论文] AttnPath: 将图注意力机制融入基于深度强化学习的知识图谱推理中...
论文原文:Incorporating Graph Attention Mechanism into Knowledge Graph Reasoning Based on Deep Reinforcem ...
最新文章
- sql-schema与catalog
- 数据结构与算法笔记（八）—— 插入排序
- ECshop网点程序优化-后台添加类目自动选择上次父类目并计算Sort Order
- AI+服务 阿里巴巴如何做智能服务转型？
- 150W光速秒充！realme真我GT Neo3正式发布 售价1999元起
- 清空linux当前页面内容,linux文档整理
- Django项目中集成富文本编辑器的通用方法,适合KindEditor,xhEditor,NicEditor,wymeditor等 .
- apache http自动跳转https_NGINX使用rewrite实现http 跳转 https
- linux中swap的权限,有关 Linux Swap
- Numpy快速入门教程
- SpringBoot + Vue 学生管理系统源码（包含数据库文件）
- redis-live监控安装与测试
- Rational ClearCase批量merge合并
- vue对table的某一行的数据进行编辑，删除，查看详情操作
- ul li文字不对齐
- 数据库应用——MyCat代理MySQL集群
- rz安装 xshell_Linux与windows之间文件传输工具RZSZ安装（Xshell或CRT）
- JS将数字金额转换为大写人民币汉字
- 轩小陌的Python笔记-day08 模块一总结
- SpringBoot：三十五道SpringBoot面试题及答案！