Neo4j ユーザー勉強会 #50(東京開催)

2024/09/11(水)17:30 〜 20:00 開催

ブックマーク

#SQL, #ChatGPT, #人工知能

イベント内容

現地開催です。Zoomではありません。
会場は東京・新宿です。

定員に達しましたが枠を追加しました。

50回目ののMeetupを開催させていただきます。

今回はNeo4jからTomaz Bratanicさんが来日されます。
「Graph Algorithms for Data Science: With examples in Neo4j」の著者です。
https://amzn.asia/d/gNNlhtG

1. GenAI researcher - Building knowledge graphs with LLMs

概要

In this talk, we will explore the process of building knowledge graphs using Large Language Models (LLMs). We will delve into the techniques and tools necessary to extract, organize, and connect information from diverse data sources. Additionally, we will share practical learnings and real-world examples to illustrate how these methods can be effectively applied to enhance data-driven decision-making and innovation.

Tomaz Bratanic has extensive experience with graphs, machine learning, and generative AI. He has written an in-depth book about using graph algorithms in practical examples. Nowadays, he focuses on generative AI and LLMs by contributing to popular frameworks like LangChain and LlamaIndex and writing blog posts about LLM-based applications.

この講演では、大規模言語モデル（LLM）を使用してナレッジグラフを構築するプロセスについて探求します。さまざまなデータソースから情報を抽出し、整理し、接続するための技術やツールについて詳しく説明します。さらに、これらの手法がデータ駆動型の意思決定やイノベーションを強化するためにどのように効果的に応用できるかを示す実践的な知見や実例も共有します。

Tomaz Bratanicは、グラフ、機械学習、生成AIに関する豊富な経験を持っています。彼は、グラフアルゴリズムを実際の例で使用する方法について詳述した本を執筆しています。現在は、LangChainやLlamaIndexといった人気のフレームワークに貢献しながら、生成AIやLLMに焦点を当て、LLMベースのアプリケーションに関するブログ記事を執筆しています。

発表者 (Speaker)

Tomaz Bratanic
https://neo4j.com

2. Powering Clinical Research with Knowledge Graphs

概要

In healthcare, data is abundant but often siloed. That makes it difficult to extract meaningful insights. Traditional data management systems are not equipped to handle the complexity of healthcare data, which includes clinical records, medical knowledge, omic results, and more. As a consequence, doctors, researchers, and patients are unable to take full advantage of this valuable resource.

Enter the Knowledge Graphs. They represent and connect diverse data sources. Recently, GPT makes it even easier to construct and query knowledge graphs. In healthcare, we use knowledge graphs to capture the relationships among patients, diseases, treatments, and outcomes. For examples, for a given set of symptoms, doctors can get a complete list of possible causes, ranked by the odds. Knowledge graphs can explain medical concepts and test results in a layman-friendly way so that the patients can understand them more easily.

In this talk, I will explore the potential of knowledge graphs for healthcare. And we will also discuss the challenges of building and maintaining knowledge graphs, including data quality, interoperability and privacy.

ヘルスケアでは、データは豊富なのですが、よくデータがサイロになっています。そのため、意味のある洞察を引き出すのが難しくなっています。従来のデータ管理システムは、臨床記録、医学的知識、オミックスの結果などを含むヘルスケアデータの複雑さに対応するための機能が備わっていません。その結果、医師、研究者、患者は、情報源を十分に活用することができません。

それに対して、ナレッジグラフが登場します。ナレッジグラフは、多様なデータソースを表現し結びつけます。最近では、GPTがナレッジグラフの構築とクエリが簡単にできるようになりました。ヘルスケアでは、ナレッジグラフを使って患者、疾患、治療、結果の関係を把握します。例えば、ある症状に対して、医師は考えられる原因を確率でランク付けした完全なリストを得ることができます。ナレッジグラフは、医学的な概念や検査結果を一般の人にもわかりやすい方法で説明することができるため、患者もより簡単に理解することができます。

このプレゼンテーションでは、ヘルスケアにおけるナレッジグラフの可能性を探っていきたいと思います。また、データの品質、相互運用性、プライバシーなど、ナレッジグラフを構築・維持する上での課題についても説明します。

発表者 (Speaker)

Sixing Huang, Gemini Data
https://www.geminidata.com

3. Knowledge GraphとGraphRAGを用いたリポジトリ全体の概念獲得とその応用

Concept Acquisition and Applications Using Knowledge Graph and GraphRAG for an Entire Repository

概要

In this presentation, I will introduce the paper "CODEXGRAPH: Bridging Large Language Models and Code Repositories via Code Graph Databases" (https://arxiv.org/pdf/2408.03910) and demonstrate its practical application. Knowledge Graph and GraphRAG are innovative technologies designed to extract concepts from an entire software repository and apply them to various development processes. The Knowledge Graph clarifies relationships between source code and related documents, visually representing dependencies and connections between functions, which helps deepen the understanding of the codebase structure. Meanwhile, GraphRAG (Graph Retrieval-Augmented Generation) leverages this graph structure to enhance the process of retrieving and generating information based on specific contexts. This allows for a comprehensive analysis of the repository’s structure, enabling tasks such as automatic code generation, test case automation, and refactoring suggestions. By combining these technologies, knowledge management in software development is improved, leading to increased developer productivity and better code quality.

今回は、「CODEXGRAPH: Bridging Large Language Models and Code Repositories via Code Graph Databases」（https://arxiv.org/pdf/2408.03910) の内容を紹介し、実際にその技術を使ったデモもお見せします。Knowledge GraphとGraphRAGは、ソフトウェアリポジトリ全体から概念を抽出し、それをさまざまな開発プロセスに応用するための革新的な技術です。Knowledge Graphは、ソースコードや関連ドキュメントの間の関係を明確にし、依存関係や機能のつながりを視覚的に表現することで、コードベースの構造を深く理解するのに役立ちます。一方、GraphRAG（Graph Retrieval-Augmented Generation）は、このグラフ構造を活用し、特定のコンテキストに基づいて情報を検索・生成するプロセスを強化します。これにより、リポジトリ全体の構造を解析し、新しいコードの自動生成、テストケースの自動化、リファクタリングの提案など、さまざまな開発タスクを効率化できます。これらの技術を組み合わせることで、ソフトウェア開発における知識管理が向上し、開発者の生産性やコード品質の向上が期待できます。

発表者 (Speaker)

青山宙樹 (Hiroki Aoyama)
Airitech株式会社 https://www.airitech.co.jp

4. GQL Standard (ISO/IEC 39075:2024)

概要

In April 2024, GQL (ISO/IEC 39075:2024) was published. Like SQL for RDB, it is the ISO standard query language for Graph Databases. What are the differences between Cypher and GQL? I will introduce the current status of GQL, which is being gradually incorporated into Neo4j 5.

2024年4月に、GQL (ISO/IEC 39075:2024) が発行されました。 RDBのSQLと同じようにGraph DatabaseのISO標準の問い合わせ言語です。 CypherとGQLはどこが違うのか? Neo4j 5で順次取り込まれているGQLの現状について紹介します。