LLM增强的图深度学习算法平台
技术描述
在大模型时代，海量数据处理面临天价开销和效率低下的双重挑战。另一方面，关系数据库作为数据管理的主导力量，占据约80%的市场份额，市值逾千亿美元。然而，关系数据库的核心“关系表格数据”的智能分析问题仍然没有得到很好的解决。 为此，结合实验室在数据挖掘领域积累，本项目旨在开发一套“LLM增强的图深度学习算法库/平台”，重点突破关系表格挖掘、LLM运行效率等挑战，系统性的提高LLM在关系数据库、物联网等重要应用场景下的效率。项目成果可以应用在涉及关系数据库和关系数据的诸多商业场景，以平台/数据仓库的形式提供商业服务。目前，该项目初期代码已开源，并作为交大本科生和研究生课程作业进行验证。
技术优势
1. 本技术的核心优势主要集中于以下两点。1）实验室在图深度学习的积累。项目负责人王铮以第一作者的多个算法被多个国际知名图分析/深度学习算法库收录。因此，具有设计“国际级平台”的技术积累；2）项目负责人的两门课程（本科生内容理解和研究生社交网络分析），可以作为最好的“产学研”平台。 2. 市场竞争预测：目前斯坦福发起RelBench项目，依托其图学习平台和表格学习平台，可以视为主要竞争对手。但是本项目有两个特色：1）以LLM高效应用为核心；2）以一站式关系表格数据学习为目标。以上两点可以让项目更加切合大模型时代的关系数据分析应用场景。
效果指标
1. 目标市场：关系数据库+LLM。一方面，关系数据库作为数据管理的主导力量，占据约80%的市场份额，市值逾千亿美元。另一方面，大语言模型是未来人工智能发展趋势，具有极大的增长潜力。 2. 成果推广、应用和示范：项目采用“开源”的方式进行推广和应用，目前已经包含3W于行代码，并在本科生和研究生课程作为大作业进行初步的示范应用。 3. 未来：希望能够和企业对接，通过开源并结合实验室学术成果来保证项目的先进性，通过企业实践来保证项目的实用性。