超图 (hypergraph) 目前在产业界得到了那些应用
谢谢被邀。1.先概括下，大家都知道graph的重要性。要不然，微软近期也不会推出了Concept Graph和Concept Tagging：Microsoft Concept Graph and Concept Tagging Release。一上来就说有500万的数量级的对象。要不然，Google也不会收购freebase了2. 应用场景的话，可能还有待挖掘。感觉有点像2000年前后的人工神经网络 -_-还是缺少杀手级的应用/算法/框架。想实现深度学习那种爆发，还是得等等。3. 其实做图谱的很多，但是多试用试用就能看到本质上的差别：一般都是在提供者的平台上做挖掘；进一步的提供API/SDK我感觉上面的是必须的，但是仍然太传统了，不符合Web的开放，要学习wiki啊，每个知识object都应该能通过URI进行唯一定位才是。4. 再举几个例子：Facebook的Graph也算Office365也在推Graph一些文章中提到过很多金融公司在用图谱做分析4.5. 国外的植物、疾病、基因等领域都有ontology：Planteome/plant-ontologyDiseaseOntology/HumanDiseaseOntology我搜集的：taurenshaman/semantic-web5. 我心里有个应用场景，不过属于那种一张纸一捅即破的情况，还是要低调发展那些巨头一露脸就是几百万的数量级。我的楚辞（楚辞 -- 让知识融入你的生活/作品）吭哧半年才达到50K的小目标 -_-||||||
■网友
【超图 (hypergraph) 目前在产业界得到了那些应用】 当然是有用的。其实在之前的另一篇回答里提到了一个例子，就是Facebook做了一个balanced k-way hypergraph partitioning that minimizes fanout的算法。
paper在http://www.vldb.org/pvldb/vol10/p1418-pupyrev.pdf，Introduction里面有一段介绍为什么他们要做这个研究。直接复制了。
Our primary motivation for studying hypergraph partitioning comes from the problem of storage sharding common in distributed databases. Consider a scenario with a largedataset whose data records are distributed across several storage servers. A query to the database may consume several data records. If the data records are located on multipleservers, the query is answered by sending requests to each server. Hence, the assignment of data records to servers determines the number of requests needed to process a query;this number is often called the fanout of the query. Queries with low fanout can be answered more quickly, as there is less chance of contacting a slow server. Thus, a common optimization is to choose an assignment of data records that collocates the data required by different queries.
简而言之data是vertex，query是hyper edge，storage server 是一个partition。
不过因为目的是减少计算时间，增加并行的操作，所以算的是approximation。
■网友
SQL优化也会利用超图建模，Join Reorder中如果有
这种条件，它的Query Graph就是一个超图，具体算法见论文 Dynamic Programming Strikes Back
■网友
Hypergraph的k-partition问题在VLSI里有用.
可以看这个survey. Recent directions in netlist partitioning: a survey
■网友
2010年开始，我开始了图算法方面的研究与应用。那时候比较neo4j刚刚开始流行。图的计算概念比较宽，有的是图数据结构的表达与存储，比如社交网络。有的是图的实时分析，比如知识图谱的推理。有的是迭代的图计算，比如graphx 中的pagerank。图的应用方向很多，区别与关系数据库和kv数据库，他更适合进行关联计算，比如推荐算法，社交网络分析，行为网络，通信网络，银行欺诈，知识网络等等。不过，首先，你得会用图进行表达
推荐阅读
- 「降雪」目前江苏全省道路运行基本顺畅 降雪持续
- 新浪微博创新基金投资了哪些团队
- 微博目前已经支持文本，图片，位置分享，为啥没有语音和视频呢微博的pm肯定想过这两种微博形态，但迟迟不做的原因到底是啥。是语音和视频不符合产
- 为啥现在没有一家信用评级系统的公司
- 同一款手游为啥会有多家代理
- 目前哪些门户网站的新闻质量相对较高
- 我想自己写一个视频编辑软件，都需要啥目前高三报志愿，是数字媒体，还是计算机
- 趣头条|二线豪车就是硬气，一毛钱都没降价，飞行家目前购车暂无优惠
- 趣头条|国产品牌硬气了，一毛钱都没降价，吉利嘉际目前购车暂无优惠
- 目前市面上有哪些蓝牙智能血糖仪