国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

本書的目標是向你介紹圖數(shù)據(jù)結(jié)構(gòu)、圖分析和圖機器學習的概念、技術(shù)和工具。每章的開頭都列出了目標，大致分為三個方面：學習圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。首先介紹圖數(shù)據(jù)的基本概念，然后通過連接、分析、學習三大部分深入講解一些圖算法和機器學習技術(shù)。

隨著圖形數(shù)據(jù)庫的迅速崛起，企業(yè)正在實施高級分析和機器學習解決方案，以幫助推動業(yè)務(wù)成果。本實用指南向數(shù)據(jù)科學家、數(shù)據(jù)工程師、架構(gòu)師和業(yè)務(wù)分析師展示了如何使用領(lǐng)先的圖形數(shù)據(jù)庫模型TigerGraph開始使用圖形數(shù)據(jù)庫。
你將探索從互聯(lián)數(shù)據(jù)中獲取價值的三階段方法：連接、分析和學習。三位作者介紹了涵蓋多種當代業(yè)務(wù)需求的真實使用案例。通過使用TigerGraph Cloud進行實踐練習，你將很快熟練掌握為企業(yè)設(shè)計和管理高級分析和機器學習解決方案的方法。

前言

目標
本書的目標是向你介紹圖數(shù)據(jù)結(jié)構(gòu)、圖分析和圖機器學習的概念、技術(shù)和工具。當你讀 完這本書時，我們希望你能理解如何使用圖分析來解決一系列現(xiàn)實世界的問題。我們希 望你能夠回答以下問題：圖是否適合任務(wù)？應該使用哪些工具和技術(shù)？數(shù)據(jù)中有哪些有 意義的關(guān)系，應該如何根據(jù)關(guān)系分析來制定任務(wù)？
根據(jù)經(jīng)驗，我們發(fā)現(xiàn)許多人能夠快速掌握圖的一般概念和結(jié)構(gòu)，但要思考圖，要培 養(yǎng)如何最佳地將數(shù)據(jù)建模為圖的直覺，然后將分析型任務(wù)制定為圖查詢，則需要更多 的努力和經(jīng)驗。幾乎每章的開頭都列出了對應的目標，它們大致分為三個方面：學習 圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用 GSQL 查詢語言和 TigerGraph 圖平臺。
目標讀者和前提條件
本書的目標讀者是對數(shù)據(jù)分析感興趣并想學習圖分析的人。你不必是一位嚴肅的程序員 或數(shù)據(jù)科學家，但了解一些數(shù)據(jù)庫和編程的概念肯定有助于你理解本書內(nèi)容。當我們深 入講解一些圖算法和機器學習技術(shù)時，我們會給出一些涉及集合、求和與極限的數(shù)學方 程式。這些方程式只是本書文字和圖像的補充。
在本書的案例部分，我們將在 TigerGraph Cloud 平臺上運行預先編寫好的 GSQL 代碼。 你只需要一臺可以訪問互聯(lián)網(wǎng)的計算機即可。如果你熟悉 SQL 數(shù)據(jù)庫查詢語言和任意主 流編程語言，那么你將能夠理解大部分的 GSQL 代碼。如果你不熟悉它們，也可以簡單　地按照說明并跟隨書中的注釋來運行預先編寫的案例示例。

閱讀方法和路線
我們旨在以實際的數(shù)據(jù)分析需求（而不是理論原理）為導向來呈現(xiàn)內(nèi)容。我們會嘗試使 用最簡單的術(shù)語來解釋事情，并盡量使用日常概念而不是難懂的技術(shù)術(shù)語。
本書通過完整的示例來介紹 GSQL 語言。在本書開頭，我們逐行描述了每行示例代碼的 目的和功能。我們還對特別重要的語言結(jié)構(gòu)、語法和語義進行了強調(diào)。若要獲得更全面 的 GSQL 教程，可以參閱本書之外的其他資源。

Victor Lee是TigerGraph機器學習和人工智能副總裁。他的博士論文是關(guān)于基于圖的相似性和排序的。Lee博士與他人合作撰寫了關(guān)于決策樹和密集子圖發(fā)現(xiàn)的書籍章節(jié)。 教學和培訓也是他職業(yè)生涯的核心工作，從開發(fā)芯片設(shè)計培訓材料到撰寫TigerGraph的第1版技術(shù)文檔，從擔任12年課堂講師到主持大量網(wǎng)絡(luò)研討會和現(xiàn)場研討會，他都參與其中。
Phuc Kien Nguyen是荷蘭銀行反洗錢和恐怖主義融資領(lǐng)域的數(shù)據(jù)科學家。他擁有代爾夫特理工大學的信息架構(gòu)碩士學位。
Alexander Thomas是前TigerGraph技術(shù)作家，擁有語言學和教育背景。

黃凱，碩士研究生，畢業(yè)于北京理工大學，現(xiàn)任北京速通科技有限公司軟件研發(fā)中心總工程師，主要從事于高可用、高性能、高并發(fā)的后臺服務(wù)系統(tǒng)開發(fā)，對微服務(wù)架構(gòu)、容器技術(shù)有一定的研究，對底層應用開發(fā)具有較深的了解，主導研發(fā)了多個ETC相關(guān)系統(tǒng)。

目錄
前言1
第1章 連接就是一切7
1.1 連接改變一切8
1.1.1 什么是圖8
1.1.2 圖的重要性9
1.1.3 邊連接優(yōu)于表連接10
1.2 圖分析和機器學習13
1.3 本章小結(jié)14
第一部分 連接
第2章 連接并探索數(shù)據(jù)19
2.1 圖的結(jié)構(gòu)20
2.1.1 圖的術(shù)語20
2.1.2 圖的模式24
2.2 圖的遍歷26
2.2.1 跳數(shù)和距離26
2.2.2 廣度和深度27
2.3 圖的建模27
2.3.1 圖模式選項和權(quán)衡27
2.3.2 表格轉(zhuǎn)換為圖31
2.3.3 模型演進33
2.4 圖的能力33
2.4.1 連接點34
2.4.2 360度視圖34
2.4.3 深入洞察35
2.4.4 尋找并發(fā)現(xiàn)模式37
2.4.5 匹配和合并38
2.4.6 加權(quán)和預測39
2.5 本章小結(jié)40
第3章 更好地了解客戶和業(yè)務(wù)：360圖42
3.1 案例1：跟蹤和分析客戶旅程42
3.2 解決方案：Customer 360 旅程圖43
3.3 實現(xiàn)C360 旅程圖：一個GraphStudio教程45
3.3.1 創(chuàng)建TigerGraph Cloud賬戶45
3.3.2 獲取并安裝Customer 360入門套件46
3.3.3 GraphStudio概述48
3.3.4 設(shè)計圖模式48
3.3.5 加載數(shù)據(jù)50
3.3.6 查詢和分析50
3.4 案例2：藥物不良反應分析60
3.5 解決方案：藥物相互作用360圖60
3.6 實現(xiàn)61
3.6.1 圖模式61
3.6.2 查詢和分析62
3.7 本章小結(jié)69
第4章 研究創(chuàng)業(yè)投資70
4.1 目標：找到有前途的創(chuàng)業(yè)公司70
4.2 解決方案：創(chuàng)業(yè)投資圖71
4.3 實現(xiàn)創(chuàng)業(yè)投資圖以及查詢72
4.3.1 Crunchbase入門套件72
4.3.2 圖模式72
4.3.3 查詢和分析74
4.4 本章小結(jié)88
第5章 檢測欺詐和洗錢模式90
5.1 目標：檢測金融犯罪90
5.2 解決方案：將金融犯罪建模為網(wǎng)絡(luò)模式91
5.3 實施金融犯罪模式搜索92
5.3.1 欺詐和洗錢檢測入門套件92
5.3.2 圖模式92
5.3.3 查詢和分析93
5.4 本章小結(jié)102
第二部分 分析
第6章 深入洞察：分析連接的重要性105
6.1 了解圖分析105
6.1.1 分析要求106
6.1.2 圖遍歷方法106
6.1.3 并行處理107
6.1.4 聚合107
6.2 使用圖算法進行分析109
6.2.1 將圖算法作為工具109
6.2.2 圖算法分類110
6.3 本章小結(jié)127
第7章 更好的推薦和建議128
7.1 案例1：改善醫(yī)療轉(zhuǎn)診128
7.2 解決方案：構(gòu)建和分析轉(zhuǎn)診圖129
7.3 實現(xiàn)醫(yī)療專家轉(zhuǎn)診網(wǎng)絡(luò)129
7.3.1 醫(yī)療轉(zhuǎn)診網(wǎng)絡(luò)入門套件129
7.3.2 圖模式130
7.3.3 查詢和分析131
7.4 案例2：個性化推薦139
7.5 解決方案：使用圖進行基于多關(guān)系的推薦140
7.6 實現(xiàn)多關(guān)系推薦引擎140
7.6.1 推薦引擎2.0入門套件140
7.6.2 圖模式140
7.6.3 查詢和分析142
7.7 本章小結(jié)150
第8章 加強網(wǎng)絡(luò)安全151
8.1 網(wǎng)絡(luò)攻擊的代價151
8.2 挑戰(zhàn)152
8.3 解決方案152
8.4 實現(xiàn)網(wǎng)絡(luò)安全圖153
8.4.1 網(wǎng)絡(luò)安全威脅檢測入門套件153
8.4.2 圖模式153
8.4.3 查詢和分析154
8.5 本章小結(jié)163
第9章 航空公司航線分析164
9.1 目標：分析航空公司航線164
9.2 解決方案：航線網(wǎng)絡(luò)的圖算法165
9.3 實現(xiàn)機場和航線分析器165
9.3.1 圖算法入門套件165
9.3.2 圖模式和數(shù)據(jù)集165
9.3.3 安裝GDS庫中的算法166
9.3.4 查詢和分析167
9.4 本章小結(jié)178
第三部分 學習
第10章 圖驅(qū)動的機器學習算法181
10.1 基于圖算法的無監(jiān)督學習182
10.1.1 通過相似性和社區(qū)結(jié)構(gòu)來學習182
10.1.2 尋找頻繁模式183
10.2 提取圖特征184
10.2.1 領(lǐng)域無關(guān)特征185
10.2.2 領(lǐng)域相關(guān)特征188
10.2.3 圖嵌入：一個全新的世界191
10.3 圖神經(jīng)網(wǎng)絡(luò)199
10.3.1 圖卷積網(wǎng)絡(luò)199
10.3.2 GraphSAGE203
10.4 圖機器學習方法的比較205
10.4.1 機器學習任務(wù)的用例205
10.4.2 模式發(fā)現(xiàn)與特征提取方法206
10.4.3 圖神經(jīng)網(wǎng)絡(luò)：總結(jié)與應用207
10.5 本章小結(jié)207
第11章 重新審視實體解析208
11.1 問題描述：識別現(xiàn)實世界的用戶及其品味208
11.2 解決方案：基于圖的實體解析209
11.2.1 確實哪些實體是相同的209
11.2.2 實體解析210
11.3 實現(xiàn)基于圖的實體解析211
11.3.1 數(shù)據(jù)庫內(nèi)實體解析入門套件211
11.3.2 圖模式211
11.3.3 查詢和分析212
11.3.4 方法1：Jaccard 相似度213
11.3.5 合并219
11.3.6 方法2：評分精確和近似匹配222
11.4 本章小結(jié)229
第12章 改進欺詐檢測230
12.1 目標：改進欺詐檢測230
12.2 解決方案：使用關(guān)系創(chuàng)建更智能的模型231
12.3 使用TigerGraph ML Workbench232
12.3.1 設(shè)置ML Workbench232
12.3.2 使用ML Workbench 和 Jupyter Notes233
12.3.3 圖模式和數(shù)據(jù)集234
12.3.4 圖特征工程236
12.3.5 用圖特征訓練傳統(tǒng)模型237
12.3.6 使用圖神經(jīng)網(wǎng)絡(luò)239
12.4 本章小結(jié)242
12.5 與你聯(lián)系242