前言 早在3000年前，古埃及、希腊、罗马就开始利用航运系统开启了物资运输和分配，并形成了奥斯提亚、亚历山大港等古代超级物流中心；而在古中国和古印加，完善的驿站系统又将物资、人员、供给等方面进行了升级支持，从制度方面保障了长途运输上的速度和效率。 进入21世纪，在现代物流世界中，对速度和效率上的追求仍是关键，无论是从工厂到仓库，还是从仓库到客户手中，每一秒钟都至关重要。比如像亚马逊这种超级电子

图数据库、图计算、图中台都是用图论的方式去构造实体间的关联关系，实体用顶点来表达，而实体间的关系用边来表达。图数据库的这种简洁、自由、高维但100%还原世界的数据建模的方式让实体间的关联关系的计算比SQL类的数据库高效成千上万倍。 图： 图计算的“图”，是源于数学概念中的“图论”  新的业务场景和市场对于数据关联分析、深度关联价值的抽取有着刚性的需求——这些刚需需要基于实时图计算的技

前言 2022年11月以来，大语言模型席卷全球，在自然语言任务中表现卓越。尽管存在一系列伦理、安全等方面的担心，但各界对该技术的热情和关注并未减弱。 本文不谈智能伦理方面的问题，仅集中于Ulitpa嬴图在应用中的一些探索与实践，看看大模型+图技术 是如何相互辅助、互相促就的。当然，从最终的易用性和体验上来说，企业（客户）才是这两项技术在珠联璧合后的最终受益者！ 01 大模型的局限性 先进的

随着图思维方式与图数据框架在工业领域的有效开展和深入应用，可靠且高效的图算法也就成为了图数据探索、挖掘与应用的基石。该图算法系列（具体见推荐阅读），集合了 Ultipa 嬴图团队在算法实践应用中的经验与思考，希望在促进业界爱好者交流的同时，能从技术层面为企业的图数据库选型开拓一些思路。 K邻（K-Hop Neighbor）即K跳邻居，是基于广度优先（BFS）[1] 的遍历方式对起始节点周边的邻域