数据分析之图算法：基于Spark和Neo4j

字数统计: 1.4k字 | 阅读时长: 5分

2021-12-17

Spark1, neo4j1, 书68, 图模型1, 思维导图55, 机器学习20

摘要: 《Graph Algorithms Practical Examples in Apache Spark and Neo4j》

【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：潮汐朝夕
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

本书的好处是偏向于具体应用和实践，算法层面偏入门，每一章开头都有一个比较好的图来帮初学者理解，但要图算法里的深入的东西，这本书应该是不够的。

在代码层面，Spark 主要处理数据输入以及和 Neo4j 进行交互，Neo4j 主要是处理所有的算法层面。

注意书里的Neo4j代码已经是旧版本的了，新版本的 Neo4j，有一些区别，例如直接弃用了 Graph Algorithm algo 插件。

导论

何谓图
何谓图分析和图算法
图处理、图数据库、图查询和图算法
为何要关心图算法
图分析用例

图论及其概念

术语
图的类型和结构
图的种类
- 连通图与非连通图
- 无权图与加权图
- 无向图与有向图
- 无环图与有环图
- 稀疏图与稠密图
- 单部图、二部图和k部图
图算法的类型
- 路径查找
- 中心性
- 社团发现

图平台和图处理

图平台和图处理的注意事项
- 平台注意事项
- 处理注意事项
典型平台
- 选择平台
- Apache Spark
- Neo4j图平台

路径查找算法和图搜索算法

示例数据：交通图
- 将数据导入Spark
- 将数据导入Neo4j
广度优先搜索
深度优先搜索
最短路径算法
- 何时使用最短路径算法
- 使用Neo4j实现最短路径算法
- 使用Neo4j实现加权最短路径算法
- 使用Spark实现加权最短路径算法
- 最短路径算法的变体：A* 算法
- 最短路径算法的变体：Yen的k最短路径算法
所有点对最短路径算法
- 近观所有点对最短路径算法
- 何时使用所有点对最短路径算法
- 使用Spark实现所有点对最短路径算法
- 使用Neo4j实现所有点对最短路径算法
单源最短路径算法
- 何时使用单源最短路径算法
- 使用Spark实现单源最短路径算法
- 使用Neo4j实现单源最短路径算法
最小生成树算法
- 何时使用最小生成树算法
- 使用Neo4j实现最小生成树算法
随机游走算法
- 何时使用随机游走算法
- 使用Neo4j实现随机游走算法

中心性算法

示例数据：社交图
- 将数据导入Spark
- 将数据导入Neo4j
度中心性算法
- 可达性
- 何时使用度中心性算法
- 使用Spark实现度中心性算法
接近中心性算法
- 何时使用接近中心性算法
- 使用Spark实现接近中心性算法
- 使用Neo4j实现接近中心性算法
- 接近中心性算法变体：Wasserman & Faust算法
- 接近中心性算法变体：调和中心性算法
中间中心性算法
- 桥与控制点
- 计算中间中心性得分
- 何时使用中间中心性算法
- 使用Neo4j实现中间中心性算法
- 中间中心性算法变体：RA-Brandes算法
PageRank算法
- 影响力
- PageRank算法公式
- 迭代、随机冲浪者和等级沉没
- 何时使用PageRank算法
- 使用Spark实现PageRank算法
- 使用Neo4j实现PageRank算法
- PageRank算法变体：个性化PageRank算法

社团发现算法

示例数据：软件依赖图
- 将数据导入Spark
- 将数据导入Neo4j
三角形计数和聚类系数
- 局部聚类系数
- 全局聚类系数
- 何时使用三角形计数和聚类系数
- 使用Spark实现三角形计数算法
- 使用Neo4j实现三角形计数算法
- 使用Neo4j计算局部聚类系数
强连通分量算法
- 何时使用强连通分量算法
- 使用Spark实现强连通分量算法
- 使用Neo4j实现强连通分量算法
连通分量算法
- 何时使用连通分量算法
- 使用Spark实现连通分量算法
- 使用Neo4j实现连通分量算法
标签传播算法
- 半监督学习和种子标签
- 何时使用标签传播算法
- 使用Spark实现标签传播算法
- 使用Neo4j实现标签传播算法
Louvain模块度算法
- 通过模块度进行基于质量的分组
- 何时使用Louvain模块度算法
- 使用Neo4j实现Louvain模块度算法
验证社团

潮汐朝夕的生活实验室 \Doge 陪伴一个算法工程师的职业生涯

AI模型图模型