تجزیه و تحلیل گراف عمدتاً شامل پردازش گراف، استخراج نمودار و یادگیری نمودار است و در کاربردهای عملی بسیار مورد استفاده قرار می گیرد. از آنجایی که مقدار داده های گراف در حال گسترش است، محاسبات گراف با یک سری چالش روبرو می شود.
در سطح نرم‌افزار، از طریق تکنیک‌های نرم‌افزاری، مانند پلتفرم تک ماشینی و پلتفرم توزیع‌شده، بهبودهایی در پلت‌فرم‌های سخت‌افزاری همه‌منظوره موجود انجام شده است. در سطح سخت افزار، شتاب سخت افزاری عمدتاً از طریق نوآوری های معماری انجام شده است تا شکاف قابل توجهی بین سخت افزار همه منظوره و ویژگی های منحصر به فرد تجزیه و تحلیل گراف پر شود.
نقل قول: محاسبات نمودار – روشی جدید برای درک جهان (2022، 14 نوامبر) بازیابی شده در 14 نوامبر 2022 از
تصویری از معماری ReRAM. اعتبار: محاسبات هوشمند (2022). DOI: 10.34133/2022/9806758
ارائه شده توسط محاسبات هوشمند
در حال حاضر، تجزیه و تحلیل گراف هنوز یک موضوع تحقیقاتی محبوب است و با تعدادی از مشکلات روبرو است که باید به آنها پرداخت. به عنوان مثال، سنتز سطح بالا مخصوص دامنه، الگوهای نامشخص برای استخراج گراف، نمودارها و الگوهای بزرگ برای استخراج گراف، یادگیری نمودار پویا، محدودیت های ردپای حافظه، یادگیری گراف ناهمگن و غیره.
های جین و همکاران، پیاده‌سازی سیستم‌های نرم‌افزار و معماری‌های اختصاصی دامنه به سمت تجزیه و تحلیل گراف، محاسبات هوشمند (2022). DOI: 10.34133/2022/9806758
پذیرش گسترده برنامه های کاربردی تجزیه و تحلیل گراف و افزایش تدریجی اندازه و پیچیدگی داده های گراف، چالش های مهمی را برای فناوری های نرم افزاری و معماری های سخت افزاری برای محاسبه گراف به همراه دارد. علاوه بر این، شکافی بین ویژگی های تجزیه و تحلیل گراف و ویژگی های سخت افزاری سخت افزارهای همه منظوره وجود دارد.
رایانش گراف، فناوری است که گراف را در دنیای انسان مطالعه می کند، آنها را توصیف، به تصویر می کشد، تجزیه و تحلیل و محاسبه می کند. در حال حاضر، این فناوری نوظهور به طور گسترده مورد استفاده قرار گرفته است و تعداد زیادی الگوریتم گراف پدید آمده است. از طریق تجزیه و تحلیل داده های گراف در مقیاس بزرگ، می توان اطلاعات مهمی را که در داده های گراف پنهان شده است به دست آورد. به عنوان مثال می توان به تحلیل اپیدمیولوژی بیدرنگ، تبلیغات هدفمند و شناسایی سریع رفتارهای غیرعادی در زمینه مالی اشاره کرد.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
برای رسیدگی به مشکلات محاسبات گراف در مقیاس بزرگ، محققان تحقیقات بنیادی گسترده و مطالعات فناوری کلیدی را در سال‌های اخیر انجام داده‌اند.
در سال‌های اخیر، دستگاه‌های محاسباتی و حافظه جدید ظهور کرده‌اند و فناوری‌های بهینه‌سازی نرم‌افزار و فناوری‌های شتاب سخت‌افزاری به بهبود عملکرد قابل توجهی دست یافته‌اند.
به منظور تسهیل درک زمینه تجزیه و تحلیل گراف، تیم پروفسور دکتر های جین از دانشگاه علم و فناوری Huazhong وضعیت تحقیق فن آوری های کلیدی محاسبه گراف در پیاده سازی سیستم های نرم افزاری و معماری های خاص دامنه را خلاصه کرده و سپس خلاصه می کنند. ، آخرین پیشرفت تحقیقات را از سه جنبه مقایسه و تجزیه و تحلیل کنید: نظریه پایه، نرم افزار سیستم و معماری سیستم. مقاله مروری در 29 اکتبر در منتشر شد محاسبات هوشمند.
در عصر داده های بزرگ، روابط بین داده ها پیچیده و در مقیاس بزرگ است. رابطه بین اشیاء داده های مختلف به عنوان راس و لبه توصیف می شود، جایی که راس نشان دهنده شی داده و لبه نشان دهنده رابطه بین اشیاء داده است. این ساختار داده که نشان دهنده رابطه اشیاء داده است، Graph نامیده می شود. اطلاعات مفید را اغلب می توان با تجزیه و تحلیل نمودار استخراج کرد و در سناریوهای مختلف اعمال کرد.