图算法：行业应用与实践

内容简介 这是一本全面讲解当下主流图算法原理与工程实践的著作，旨在帮助读者在分析和处理各种复杂的数据关系时能更好地得其法、善其事、尽其能。 全书共10章：第1~3章主要介绍图的思维方式、图算法基础以及如何评估图算法的效率；第4~9章主要讲解6类经典图算法，包括中心性算法、相似度算法、连通性和紧密度算法、传播与分类算法、拓扑链接预测算法、图嵌入算法等，一共20余种算法，详细讲解了这些算法的原理、参数以及行业应用。第10章以案例的方式讲解了图算法在金融、生物医药等领域的深度应用，旨在为广大图数据库的使用者、开发者提供启发性思考。 本书概念清晰、内容丰富、实用性强、语言流畅，深入浅出、重点突出，既适合入门读者阅读，又适合有一定图数据库基础的进阶人员阅读。

业界知名数据存储与大数据库专家、图数据库专家、图算法专家及学者；Ultipa联合创始人。拥有丰富的产品、技术、算法工程经验；持有十多项图数据库领域的技术成果和专利；作为Ultipa的嬴图团队的成员之一，参与著有《图数据库原理、架构与应用》《揭秘云计算与大数据》等多部科技畅销书。

Contents　目　　录<br />前言<br />第1章　图思维方式1<br />1.1　什么是图1<br />1.1.1　人类到底是如何思考的2<br />1.1.2　由一道面试题引发的思考6<br />1.2　图论与图计算10<br />1.2.1　图论及其发展史10<br />1.2.2　图计算概述15<br />第2章　图算法基础22<br />2.1　图算法的分类23<br />2.2　图分析与数据科学30<br />第3章　如何评估图算法的效率38<br />3.1　什么是算法效率38<br />3.2　查询模式、数据结构和计算效率40<br />3.2.1　查询模式41<br />3.2.2　数据结构与计算效率46<br />3.3　并发设计与加速58<br />第4章　中心性算法67<br />4.1　节点度中心性67<br />4.1.1　算法历史和原理67<br />4.1.2　算法复杂度与算法参数70<br />4.1.3　行业应用：零售信贷消费预测71<br />4.2　接近中心性72<br />4.2.1　算法历史和原理72<br />4.2.2　算法复杂度与算法参数74<br />4.2.3　行业应用：功能性场所选址75<br />4.3　中介中心性76<br />4.3.1　算法历史和原理76<br />4.3.2　算法复杂度与算法参数78<br />4.3.3　行业应用：交通枢纽评估79<br />4.4　网页排名79<br />4.4.1　算法历史和原理79<br />4.4.2　算法复杂度与算法参数82<br />4.4.3　行业应用：互联网网页排名82<br />4.5　虚假账号排名83<br />4.5.1　算法历史和原理83<br />4.5.2　算法复杂度与算法参数85<br />4.5.3　行业应用：社交网络恶意账号<br />　　　识别85<br />第5章　相似度算法86<br />5.1　杰卡德相似度86<br />5.1.1　算法历史和原理86<br />5.1.2　算法复杂度与算法参数88<br />5.1.3　行业应用：度量学习模型的预测<br />　　　准确性89<br />5.2　重叠相似度89<br />5.2.1　算法历史和原理89<br />5.2.2　算法复杂度与算法参数90<br />5.2.3　行业应用：文本相似度比较91<br />5.3　余弦相似度92<br />5.3.1　算法历史和原理92<br />5.3.2　算法复杂度与算法参数94<br />5.3.3　行业应用：人脸识别95<br />5.4　欧几里得距离 95<br />5.4.1　算法历史和原理95<br />5.4.2　算法复杂度与算法参数97<br />5.4.3　行业应用：异常检测97<br />5.5　皮尔森相关系数98<br />5.5.1　算法历史和原理98<br />5.5.2　算法复杂度与算法参数99<br />5.5.3　行业应用：构建相关性网络99<br />第6章　连通性和紧密度算法101<br />6.1　全图k邻101<br />6.1.1　算法历史和原理101<br />6.1.2　算法复杂度与算法参数105<br />6.1.3　行业应用：企业影响力分析<br />　　　（工商和供应链图谱）106<br />6.2　三角形计算109<br />6.2.1　算法历史和原理109<br />6.2.2　算法复杂度与算法参数113<br />6.2.3　行业应用：社交网络紧密性114<br />6.3　二分图115<br />6.3.1　算法历史和原理115<br />6.3.2　算法复杂度与算法参数120<br />6.3.3　行业应用：地图着色问题121<br />6.4　连通分量122<br />6.4.1　算法历史和原理122<br />6.4.2　算法复杂度与算法参数128<br />6.4.3　行业应用：中继器网络安全系数<br />　　　计算128<br />6.5　最小生成树129<br />6.5.1　算法历史和原理129<br />6.5.2　算法复杂度与算法参数134<br />6.5.3　行业应用：电力、网络线路<br />　　　规划135<br />第7章　传播与分类算法137<br />7.1　标签传播137<br />7.1.1　算法历史和原理137<br />7.1.2　算法复杂度与算法参数142<br />7.1.3　行业应用：社交网络用户兴趣<br />　　　分类143<br />7.2　k最近邻144<br />7.2.1　算法历史和原理144<br />7.2.2　算法复杂度与算法参数148<br />7.2.3　行业应用：手写识别与离群点<br />　　　检测149<br />7.3　k均值150<br />7.3.1　算法历史和原理150<br />7.3.2　算法复杂度与算法参数153<br />7.3.3　行业应用：基于向量聚类的图像<br />　　　颜色缩减153<br />7.4　鲁汶识别154<br />7.4.1　算法历史和原理154<br />7.4.2　算法复杂度与算法参数159<br />7.4.3　行业应用：用户社交关系<br />　　　分类159<br />第8章　拓扑链接预测算法161<br />8.1　基于节点低阶相似性163<br />8.1.1　共同邻居163<br />8.1.2　AA指标164<br />8.1.3　资源分配166<br />8.1.4　优先连接168<br />8.2　基于节点高阶相似性170<br />8.2.1　最短距离170<br />8.2.2　Katz指标172<br />8.2.3　重启型随机游走174<br />8.2.4　SimRank指标177<br />8.3　行业应用：推荐系统180<br />第9章　图嵌入算法182<br />9.1　图嵌入的目的182<br />9.2　基于随机游走186<br />9.2.1　随机游走概述187<br />9.2.2　Skip-gram模型191<br />9.2.3　负采样196<br />9.2.4　损失函数198<br />9.3　基于图神经网络200<br />9.3.1　图神经网络概述200<br />9.3.2　图卷积网络201<br />9.3.3　GraphSAGE207<br />9.4　行业应用：药物不良反应预测210<br />第10章　图算法实战212<br />10.1　在流动性风险管理中的创新<br />　　　应用213<br />10.1.1　应用背景概述214<br />10.1.2　传统计量工具的痛点与图<br />　　　　变革215<br />10.1.3　图计算应用于流动性风险管理<br />　　　　的优势216<br />10.2　在交叉性金融风险领域的识别与<br />　　　计量222<br />10.2.1　交叉性金融风险的“蝴蝶<br />　　　　效应”222<br />10.2.2　识别并计量交叉性金融<br />　　　　风险223<br />10.2.3　图计算在金融领域的应用226<br />10.3　实时商业决策与智能227<br />10.4　最终受益人查询231<br />10.5　实时欺诈识别234<br />10.6　AI知识图谱反洗钱与智能推荐237<br />10.6.1　反洗钱场景241<br />10.6.2　智能推荐场景243<br />10.7　寄生虫网络的研究249<br />10.7.1　研究生态系统的痛点与<br />　　　　解决思路249<br />10.7.2　关于流行病的预防与研究250