La recherche basée sur les graphes est une approche permettant de fournir des informations et de représenter les données en proposant une expérience de recherche plus proactive et ciblée. Elle permet de représenter les relations explicites entre les données, aidant les modèles d’intelligence artificielle à raisonner, à déduire et à récupérer les informations de manière efficace. « Avec Native Vector Search, les entreprises peuvent désormais aller au-delà de l’explicite pour découvrir les relations implicites au sein des données. Ces relations implicites sont essentielles pour trouver des textes ou des documents similaires, générer des recommandations et identifier des modèles », affirme l’éditeur.
Combler le fossé entre les relations explicites et implicites
Emil Eifrem, cofondateur et PDG de Neo4j, a souligné l’importance de l’intégration des relations explicites et implicites. « Il est très intéressant de combiner les relations implicites mises en évidence par les vecteurs avec les relations explicites et factuelles et les modèles mis en évidence par les graphiques, a-t-il déclaré. Les clients qui innovent avec l’IA générative doivent également s’assurer que les résultats sont précis, transparents et explicables ».L’outil Native Vector Search fait suite à l’intégration antérieure de Neo4j avec les fonctionnalités d’IA générative de Google Cloud dans Vertex AI. Cela permet aux utilisateurs de transformer des données non structurées en graphes, facilitant les requêtes en langage naturel et structurant les LLM sur un ensemble factuel de modèles et de critères pour minimiser les erreurs.
En outre, la base de données de graphes native de Neo4j a été entièrement intégrée à Microsoft Azure à partir d’avril 2023. En décembre 2022, la société a été reconnue pour la première fois dans le Gartner® Magic Quadrant™ pour les systèmes de gestion de bases de données dans le cloud, marquant la première instance où les fournisseurs de bases de données de graphes natifs ont été inclus.
