1.1.2　图数据库应用领域

随着社交、电商、金融、零售、物联网等行业的快速发展，现实社会织起了一张庞大而复杂的关系网，对于此类复杂关系网，大数据平台适合批量逐条统计分析，不适合复杂关系处理，而传统关系数据库又很难处理复杂关系运算。这方面恰恰是图数据库的应用领域。

（1）社交领域：Facebook、Twitter、Linkedin、抖音、头条等可以用它来管理社交关系，实现好友推荐。

（2）知识图谱：谷歌在2003—2004年时，其实已经在慢慢把它的搜索引擎从反向索引转向转到了知识图谱。

（3）金融风控领域：通过关联关系做拓展，比如交易对手等相关的周边账号，通过这些关系来判断这笔交易或者转账的风险。从规则向基于关联关系的风控演进，这个趋势十分明显。

（4）零售领域：eBay、沃尔玛、拼多多可以使用它实现商品实时推荐，给买家更好的购物体验。

（5）工业制造领域：沃尔沃、戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制造解决方案。

（6）电信领域：Verizon、Orange和AT&T等电信公司依靠图数据库来管理网络，控制访问和提供客户服务。

（7）机器学习和AI：对于机器学习或者模型训练范畴来说，平时用大量数据去训练模型，然后将基于图的数据关系加入到模型训练，这个就是学术界非常流行的Graph Embedding，把图结构引入到模型训练里面。

（8）健康和医疗领域：患者的过往病史、服药史、医生的处方还存在纸质文档的情况，一些医疗类公司通过语音和图像将文档数字化，再用NLP把关键信息提取出来。根据关键信息，比如：血压、用药，等等构造一棵大的决策树或者医疗知识图谱。

（9）公共安全领域：比如，某些犯罪是团伙作案，那么追踪团伙中某个人的行为轨迹，比如：交通工具、酒店，等等就可标识出整个团伙的特征。某个摄像头和某个嫌疑人在某个时间构建出关联关系，下一个时刻，另外一个摄像头和另外一个嫌疑人也建立了关联，这些就是我们已经看到的图的应用领域。