生成式人工智能（Generative AI）和大语言模型（Large Language Models，LLMs）已经成为大家关注的焦点，它们可以帮助我们在互联网上获取各种信息。然而，企业在使用LLMs时面临一些问题。使用LangChain将LLMs与TigerGraph集成……

本文作者Victor Lee是TigerGraph机器学习和人工智能副总裁，这篇文章详细为大家介绍了什么是图数据科学？新在何处？TigerGraph发布具有50+种图算法的增强型图数据科学库，如何开始使用？欢迎阅读。

最近，Neo4j 宣称其以100TB的规模运行 LDBC-SNB 查询，TigerGraph 工程副总裁乌明希博士，在查看了他们演示的实际内容后，发现这种所谓的100TB演示并不是对LDBC-SNB基准的合理使用；它只是一种营销策略罢了。相比之下，TigerGraph只用100 台机器就完成Neo4j所有展示（而Neo4j演示中需要1000多台机器）。

当您评估来自领先供应商的可用图技术时，架构是一个重要的考虑因素。今天，我将重点关注基于普遍接受的企业标准扩展图数据库的关键标准，比较两个领先的图数据库 TigerGraph 和 Neo4j。

实体解析任务的关键是在数字实体和与之相对应的现实实体中建立链接。图为实体解析问题提供了有效方法。具有大规模并行计算能力的原生图数据库是实施该方法的最佳工具。