Mariia Bulycheva discusses the transition from classic deep learning to GNNs for Zalando's landing page. She explains the complexities of converting user logs into heterogeneous graphs, the...

我们将更新服务，限制应用程序修改非草稿邮件的敏感属性（如主题和正文）。只有具备特定权限的应用才能进行修改，新的限制将于2026年12月31日生效。建议开发者尽快申请更高权限，以确保顺利过渡。

Netflix engineers built Graph Abstraction, a high-throughput platform managing 650 TB of graph data with millisecond latency. Supporting services from Netflix Gaming’s social graphs to operational...

Prasanna Vijayanathan and Renzo Sanchez-Silva, both Engineers at Netflix, presented “Ontology‐Driven Observability: Building the E2E Knowledge Graph at Netflix Scale” at QCon London 2026, where...

The AI Evolution of Graph Search at Netflix: From Structured Queries to Natural LanguageBy Alex Hutter and Bartosz BalukiewiczOur previous blog posts (part 1, part 2, part 3) detailed how...

I have a graph: undirected, unweighted, no leaves, no disconnected edges or vertices. The graph is populated with vertices of 3 types: A, B, C. Let's say, I hold a vertex of type A, denoted as...

How and Why Netflix Built a Real-Time Distributed Graph: Part 1 — Ingesting and Processing Data Streams at Internet ScaleAuthors: Adrian Taruc and James DaltonThis is the first entry of a...

本文探讨了如何将Neo4j图数据库与大语言模型（LLM）结合，构建问答系统。通过知识图谱存储信息，LLM生成Cypher查询，最终提供自然语言答案，从而提升问答的智能化水平。

RustConf 2025 将探讨 Rust 在微软、人工智能和医疗等多个领域的应用，强调内存序的正确使用以避免数据竞争。同时，介绍了多个 Rust 项目和工具，如 beamterm 和 Utsuru，展示了 Rust 的广泛应用潜力。

本研究批判性审视了图机器学习中的常见信念，如过度平滑、过度挤压、同质性与异质性二元论及长范围任务。通过反例，旨在澄清这些误解，促进深入讨论。

本研究提出图基础模型（GFMs），旨在解决图数据在预训练和迁移学习中的挑战，并展示其在多种图任务中的应用潜力，为未来研究提供方向。

本研究提出了SPLIT-RAG框架，通过问题驱动的图划分和协作子图检索，提升了检索增强生成系统在大型知识图谱中的效率与准确性。实验结果表明，该方法优于现有技术。

本研究提出开放世界图助手（OGA），旨在解决开放世界场景中的数据不确定性问题，特别是有限标记和未知类别节点的处理。OGA结合自适应标签追踪，将语义与拓扑相结合以拒绝未知类别，并通过图标签注释器实现模型更新。实验结果验证了OGA的有效性和实用性。

本研究提出了解耦多跨度进化网络（DiMNet），解决了时间知识图推理中子图间结构交互不足的问题。DiMNet通过捕捉局部特征和历史语义信息，显著提升了语义变化模式的捕捉能力，实验表明其推理中的平均排名率提高了22.7%。

本研究提出了一种基于知识图谱的方法，解决大型语言模型在代码生成中的上下文准确性问题，显著提升了代码搜索与检索的质量，为开发更可靠的编码辅助工具提供了新方向。

本研究提出符号图排序器（SGR），旨在提升大语言模型（LLMs）在会话搜索中的表现。通过将会话图转化为文本，增强了对图结构的理解，并通过自监督学习提升拓扑信息的捕捉能力。实验结果表明，该方法在基准数据集上表现优越，促进了传统搜索策略与现代LLMs的融合。

本研究提出了一种基于最佳运输的图匹配方法（GM-OT），旨在解决从预训练语言模型向声学特征学习转移语言知识时的对齐挑战。该方法通过将语言和声学序列建模为结构化图，提升了知识迁移效率，显著提高了自动语音识别模型的性能。

本研究提出了一种新方法，将混合图优化算法转化为轻量级可解释的变换器神经网络，以应对交通预测中的空间和时间挑战。该网络在预测准确性上与现有方案相当，但参数数量显著减少，具有较高的实用价值。