TigerGraph Cloud 开箱即用的入门套件，可用于快速的应用开发
以下示例，都可以在TigerGraph Cloud里直接选择，只需几分钟，系统会自动准备完毕。如果你希望本地部署应用，每个示例下方分别提供了所需的数据集、不同版本的solution，供下载使用。
自定义
没有预先填充的schema，数据集或查询
客户360 –归因和参与度图
创建客户旅程的实时360度视图，以了解归因和参与情况
COVID-19分析
检测感染中心并跟踪潜在传播者的活动
网络安全威胁检测
通过检测相互关联的事件，设备和人员来阻止网络安全威胁
数据沿袭 V3
通过追踪经过转换、加工后的数据的源头，来改善数据治理
企业知识图谱（企业数据）
分析包括投资者和主要利益相关者在内的公司数据
企业知识图谱（Crunchbase）
带有初创公司、创始人和企业的Crunchbase数据特征的知识图谱示例
实体解析（MDM）
通过属性和关系分析来识别，链接和合并诸如客户之类的实体
金融服务（付款）–欺诈检测
实时检测并阻止欺诈性付款
欺诈和洗钱检测（金融服务）
多种类型的欺诈和洗钱模式
GSQL 101
TigerGraph强大的图查询语言简介
图分析-中心性算法
确定您网络中对其他实体最重要的实体
图分析-社区检测算法
在您的网络中查找特定类型的社区标签：图算法
图分析-最短路径算法
确定跳数最少的网络路径
图卷积网络
图卷积网络用于在引用论文图上进行论文分类
医疗保健图（药物相互作用）
针对药品的公共（FAERS）和私有数据的医疗保健示例
医疗保健–推荐网络，Hub（PageRank）和社区检测
分析会员（患者）处方建立推荐网络，确定最有影响力的处方者（医生）并发现相关的处方者社区的情况
数据库内机器学习推荐
使用数据库内机器学习推荐系统提供内容和产品建议
用于大数据实体解析的数据库内机器学习
匹配，链接和分组实体，以便通过数据库内机器学习跨大型数据集创建单个标识
低秩近似机器学习
在数据库中本地实现低秩近似算法，以提供个性化建议
网络和IT资源优化
网络和IT资源图，用于建模和分析硬件中断对工作负载的影响
机器学习和实时欺诈检测 v3
移动行业示例，用于实时检测欺诈并生成基于图的特征来训练机器学习解决方案
推荐引擎（电影推荐）
使用公共数据构建的基于图的电影推荐引擎
推荐引擎2.0（超个性化营销）
超个性化的推荐引擎可实时创建动态打包，以提高点击率和收入
社交网络分析
用于理解和分析关系的社交网络示例
供应链分析
涵盖库存计划和影响力分析的示例
开始使用TigerGraph Cloud
