2019 Neo4j Budapest Meetup

1. előadás: Kendi János és Dávid József: Kémiai keresés Neo4j-vel és tudás kinyerés tudományos dokumentumokból
   Már jól tudjuk, a gráfok mindenütt megtalálhatók. Nem csoda, hogy a kémiában is kulcs szerepet játszanak. Még a kémiai molekulák is leírhatók gráfok segítségével. Ebben az előadásban még többet mutatunk: Fogunk egy nagy publikusan elérhető dokumentumtárat és feltérképezzük a benne rejlő kémiai intelligenciát. A feldolgozásban számos egyéb technológia mellett felhasználjuk a Neo4j által kínált lehetőségeket is. Bemutatjuk hogyan tölthetjük fel a gráf adatbázisunkat kémiai információt hordozó kapcsolatokkal a Neo4J-hez készített plugin segítségével. Ezután hatékony lekérdezéseket futtathatunk a saját keresésünket kombinálva ezekkel a kapcsolatokkal.
   https://wp.chemaxon.com/app/uploads/2018/10/Chemical-Intelligence-That-Makes-Hidden-Knowledge-Effortlessly-Reachable.pdf
2. előadás: Szárnyas Gábor FOSDEM konferencia előadása: https://fosdem.org/2019/schedule/event/graph_multiplex_analysis_graphblas/

Program:

1. talk: Janos Kendi & Jozsef David (ChemAxon): Chemical search with Neo4j and knowledge extraction from scientific papers
   As we already know, graphs are everywhere. No wonder that graphs play key role in chemistry too. For a quick start: chemical structures can be represented as graphs too. In this talk we step even forward. We take a publicly available huge document set and reveal the chemical intelligence hidden inside. For this analytical purpose we use various technologies including Neo4j. We show you how to fill Neo4j with chemistry aware relationships using a custom Neo4j plugin. We'll demonstrate effective queries combining chemical and non-chemical query conditions.
   https://wp.chemaxon.com/app/uploads/2018/10/Chemical-Intelligence-That-Makes-Hidden-Knowledge-Effortlessly-Reachable.pdf
2. talk: Gabor Szarnyas: Multiplex graph analysis with GraphBLAS
   The GraphBLAS initiative is an effort to design a set of standard building blocks that allow users to formulate graph computations in the language of linear algebra, using operations on sparse adjacency matrices defined on custom semirings. Since its inception, GraphBLAS has been implemented for multiple languages (e.g. C and C++). However, current GraphBLAS implementations are often cumbersome to use and difficult to adapt for analysing typed graph data sets. In this talk, we present our results with GraphBLAS, discuss the lessons learnt, and present some discoveries on investigative journalism data sets such as the Panama and Paradise papers.
   https://fosdem.org/2019/schedule/event/graph_multiplex_analysis_graphblas/