0Pricing
Neo4j Graph Database Fundamentals · Урок

Графовые вложения с GDS

Узнайте, как Graph Data Science создаёт вложения узлов, преобразующие структуру графа в векторы для машинного обучения.

«Графовые вложения с GDS» — бесплатный урок Neo4j Graph Database Fundamentals на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Neo4j Graph Database Fundamentals, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Neo4j Graph Database Fundamentals содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

From Graphs to Vectors

Machine learning models work with numbers, not graph topology. Graph embeddings convert each node into a fixed-length vector that captures its position and neighborhood.

Why Embeddings Help

Once nodes are vectors, you can feed them into classifiers, clustering, and similarity search. Similar nodes end up close together in vector space.

Projecting a Graph

Embeddings run on an in-memory graph projection in GDS. First project the nodes and relationships you care about.

CALL gds.graph.project(
  'embedGraph',
  'Person',
  'FRIEND'
);

FastRP

FastRP (Fast Random Projection) is a quick, scalable embedding algorithm. It is a great default for large graphs.

CALL gds.fastRP.stream('embedGraph', { embeddingDimension: 128 })
YIELD nodeId, embedding
RETURN gds.util.asNode(nodeId).name AS name, embedding
LIMIT 5;

Node2Vec

Node2Vec uses biased random walks to learn embeddings that balance local and global structure. It is slower but often richer than FastRP.

CALL gds.node2vec.stream('embedGraph', { embeddingDimension: 128, walkLength: 80 })
YIELD nodeId, embedding
RETURN nodeId, embedding
LIMIT 5;

GraphSAGE

GraphSAGE is an inductive method: it learns a function that can embed even new nodes not seen during training, using their features.

Choosing Dimensions

The embedding dimension trades expressiveness for cost. Common values are 64, 128, or 256. Larger is more detailed but heavier.

Writing Embeddings Back

Use the write mode to store embeddings as a node property, so other queries and tools can use them.

CALL gds.fastRP.write('embedGraph', {
  embeddingDimension: 128,
  writeProperty: 'embedding'
});

Using Embeddings for Similarity

With vectors stored, compute cosine similarity between embeddings to find nodes that are structurally alike.

MATCH (a:Person {name: 'Alice'}), (b:Person)
WHERE a <> b
RETURN b.name, gds.similarity.cosine(a.embedding, b.embedding) AS sim
ORDER BY sim DESC LIMIT 5;

Embeddings in ML Pipelines

Embeddings are powerful features for GDS machine learning pipelines: node classification and link prediction both benefit from them.

Choosing an Algorithm

Use FastRP for speed at scale, Node2Vec for richer structure, and GraphSAGE when you must embed unseen nodes.

Quick Check

Test your embeddings knowledge.

Recap

You learned graph embeddings in GDS:

  • Embeddings turn nodes into vectors
  • FastRP is fast and scalable
  • Node2Vec uses biased random walks
  • GraphSAGE handles unseen nodes
  • Write embeddings back and use them in ML pipelines

Часто задаваемые вопросы

Урок «Графовые вложения с GDS» бесплатный?

Да — полный текст урока «Графовые вложения с GDS» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Neo4j Graph Database Fundamentals, подпишись на CoddyKit PRO. Курс Neo4j Graph Database Fundamentals содержит 4 уроков всего.

Чему я научусь в уроке «Графовые вложения с GDS»?

Узнайте, как Graph Data Science создаёт вложения узлов, преобразующие структуру графа в векторы для машинного обучения. Ты практикуешь Neo4j Graph Database Fundamentals с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать Neo4j Graph Database Fundamentals?

Предыдущий опыт не требуется. Neo4j Graph Database Fundamentals на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.

Сколько времени занимает урок «Графовые вложения с GDS»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке Neo4j Graph Database Fundamentals?

Да. Каждый урок Neo4j Graph Database Fundamentals включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Знакомство с библиотекой GDS
  2. Запуск алгоритмов GDS
  3. Конвейеры GDS и машинное обучение
  4. Графовые вложения с GDS
← Назад к Neo4j Graph Database Fundamentals