《数据分析之图算法：基于Spark和Neo4j》内容简介

图分析可以揭示复杂系统和大规模网络的运作机制，图算法为构建智能应用程序提供了快速建模的框架，有助于更准确、更快速地做出预测。包括商品推荐和欺诈检测在内的许多人工智能问题能转换为图论问题。本书基于Spark和Neo4j讲解近20种常用的图算法，帮助读者拓展重要图分析类型的相关知识和能力，更快速地发现数据中的模式并找到更优的解决方案。
马克·尼达姆（Mark Needham），Neo4j公司开发者关系工程师，Neo4j认证专家，曾深度参与Neo4j因果集群的开发工作。马克致力于帮助客户运用图数据库，善于针对富有挑战性的数据问题构建综合的解决方案。
埃米·E.霍德勒（Amy E.Hodler），Neo4j公司图分析与人工智能项目总监，热爱网络科学，在图分析项目的开发和运营方面有着丰富的经验，曾成功带领团队为EDS、微软、惠普等公司创造新的商机。

作品目录

O'Reilly
Media,
Inc.介绍
序
前言
第
1、章：导论
1.1、何谓图
1.2、何谓图分析和图算法
1.3、图处理、图数据库、图查询和图算法
1.4、为何要关心图算法
1.5、图分析用例
1.6、小结
第
2、章：图论及其概念
2.1、术语
2.2、图的类型和结构
2.3、图的种类
2.4、图算法的类型
2.5、小结
第
3、章：图平台和图处理
3.1、图平台和图处理的注意事项
3.2、典型平台
3.3、小结
第
4、章：路径查找算法和图搜索算法
4.1、示例数据：交通图
4.2、广度优先搜索
4.3、深度优先搜索
4.4、最短路径算法
4.5、所有点对最短路径算法
4.6、单源最短路径算法
4.7、最小生成树算法
4.8、随机游走算法
4.9、小结
第
5、章：中心性算法
5.1、示例数据：社交图
5.2、度中心性算法
5.3、接近中心性算法
5.4、中间中心性算法
5.5、PageRank算法
5.6、小结
第
6、章：社团发现算法
6.1、示例数据：软件依赖图
6.2、三角形计数和聚类系数
6.3、强连通分量算法
6.4、连通分量算法
6.5、标签传播算法
6.6、Louvain模块度算法
6.7、验证社团
6.8、小结
第
7、章：图算法实战
7.1、使用Neo4j分析Yelp数据
7.2、使用Spark分析航班数据
7.3、小结
第
8、章：使用图算法增强机器学习
8.1、机器学习和上下文的重要性
8.2、关联特征提取与特征选择
8.3、图与机器学习实践：链接预测
8.4、小结
8.5、总结
附录
额外信息及资料
其他算法
Neo4j批量数据导入和Yelp
APOC和其他Neo4j工具
查找数据集
Spark和Neo4j平台帮助信息
培训资源
关于作者
关于封面