TigerGraph 随身听：每周带你“听”图分析

近期LDBC宣布TigerGraph成为第一个成功通过1TB LDBC SNB 商业智能工作负载测试审计的企业。但国内LDBC被滥用严重，很多国内厂商不顾LDBC的要求，在市场上宣传了很多不实信息，误导国内受众。本期播客通过和专家对话详细解读 LDBC 基准测试。

上期我们介绍了基于图神经网络GNN的图异常值检测，今天我们就来了解一下图数据切分与模型数据载入的问题，本期内容节选自TigerGraph图课堂直播，欢迎登陆官网观看完整版视频，利用TigerGraph ML Workbench（机器学习工作台）进行的demo演示。另外，也跟大家预告一下我们明天的图课堂直播课程，本期内容将分享TigerGraph的全新方案：在图数据库中使用GNN对十亿级数据进行全量推理。

今天我们要介绍的是由伊利诺伊大学芝加哥分校正在攻读博士学位的博士生窦英通撰写的基于图神经网络的图异常值检测文章，作者致力于图数据挖掘、欺诈检测和安全机器学习。文章的内容基于他最近的论文和 在KDD 2022 机器学习在金融领域workshop的分享。

今天的随身听，我们将主要围绕“洞察”这个主题进行讨论。在这本O’Reilly电子书的机器学习章节中，您可以详细地看到图如何增强机器学习的中心阶段，即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。

11月 TigerGraph Cloud发布了最新版本3.8，今天我们将为大家更全面地介绍TigerGraph Cloud最新版本中的一些全新工具和改进，包括全新上线的图可视化和分析工具TigerGraph Insights、TigerGraph ML Workbench（ 机器学习工作台）、TigerGraph GraphStudio最新版、Admin Portal等。

数字化是保险业竞争的“下半场”，各大险企已经逐年加大对数字科技的投入。在保险公司通过数据扩张市场、发展企业的过程中，图技术先天的对大量数据和复杂维度的处理能力，能够很好地解决保险公司在数据分析时的难点。如今，图技术已经成为保险业数字化的必需。今天，我们就保险行业的两个典型场景来聊聊图技术如何赋能保险业务的探索。