编辑推荐
系统阐释图分析与图机器学习技术。
内容简介
本书的目标是向你介绍图数据结构、图分析和图机器学习的概念、技术和工具。每章的开头都列出了目标，大致分为三个方面：学习图分析和机器学习的概念；用图分析解决特定问题；了解如何使用GSQL查询语言和TigerGraph图平台。首先介绍图数据的基本概念，然后通过连接、分析、学习三大部分深入讲解一些图算法和机器学习技术。
作者简介
作者维克多·李，是TigerGraph机器学习和人工智能副总裁。他的博士论文是关于基于图的相似性和排序的。Lee博士与他人合作撰写了关于决策树和密集子图发现的书籍章节。
教学和培训也是他职业生涯的核心工作，从开发芯片设计培训材料到撰写TigerGraph的第1版技术文档，从担任12年课堂讲师到主持大量网络研讨会和现场研讨会，他都参与其中。
章节目录
版权信息
O'Reilly Media, Inc.介绍
前言
第1章 连接就是一切
1.1 连接改变一切
1.1.1 什么是图
1.1.2 图的重要性
1.1.3 边连接优于表连接
1.2 图分析和机器学习
1.3 本章小结
第一部分 连接
第2章 连接并探索数据
2.1 图的结构
2.1.1 图的术语
2.1.2 图的模式
2.2 图的遍历
2.2.1 跳数和距离
2.2.2 广度和深度
2.3 图的建模
2.3.1 图模式选项和权衡
2.3.2 表格转换为图
2.3.3 模型演进
2.4 图的能力
2.4.1 连接点
2.4.2 360度视图
2.4.3 深入洞察
2.4.4 寻找并发现模式
2.4.5 匹配和合并
2.4.6 加权和预测
2.5 本章小结
第3章 更好地了解客户和业务：360图
3.1 案例1：跟踪和分析客户旅程
3.2 解决方案：Customer 360+旅程图
3.3 实现C360+旅程图：一个GraphStudio教程
3.3.1 创建TigerGraph Cloud账户
3.3.2 获取并安装Customer 360入门套件
3.3.3 GraphStudio概述
3.3.4 设计图模式
3.3.5 加载数据
3.3.6 查询和分析
3.4 案例2：药物不良反应分析
3.5 解决方案：药物相互作用360图
3.6 实现
3.6.1 图模式
3.6.2 查询和分析
3.7 本章小结
第4章 研究创业投资
4.1 目标：找到有前途的创业公司
4.2 解决方案：创业投资图
4.3 实现创业投资图以及查询
4.3.1 Crunchbase入门套件
4.3.2 图模式
4.3.3 查询和分析
4.4 本章小结
第5章 检测欺诈和洗钱模式
5.1 目标：检测金融犯罪
5.2 解决方案：将金融犯罪建模为网络模式
5.3 实施金融犯罪模式搜索
5.3.1 欺诈和洗钱检测入门套件
5.3.2 图模式
5.3.3 查询和分析
5.4 本章小结
第二部分 分析
第6章 深入洞察：分析连接的重要性
6.1 了解图分析
6.1.1 分析要求
6.1.2 图遍历方法
6.1.3 并行处理
6.1.4 聚合
6.2 使用图算法进行分析
6.2.1 将图算法作为工具
6.2.2 图算法分类
6.3 本章小结
第7章 更好的推荐和建议
7.1 案例1：改善医疗转诊
7.2 解决方案：构建和分析转诊图
7.3 实现医疗专家转诊网络
7.3.1 医疗转诊网络入门套件
7.3.2 图模式
7.3.3 查询和分析
7.4 案例2：个性化推荐
7.5 解决方案：使用图进行基于多关系的推荐
7.6 实现多关系推荐引擎
7.6.1 推荐引擎2.0入门套件
7.6.2 图模式
7.6.3 查询和分析
7.7 本章小结
第8章 加强网络安全
8.1 网络攻击的代价
8.2 挑战
8.3 解决方案
8.4 实现网络安全图
8.4.1 网络安全威胁检测入门套件
8.4.2 图模式
8.4.3 查询和分析
8.5 本章小结
第9章 航空公司航线分析
9.1 目标：分析航空公司航线
9.2 解决方案：航线网络的图算法
9.3 实现机场和航线分析器
9.3.1 图算法入门套件
9.3.2 图模式和数据集
9.3.3 安装GDS库中的算法
9.3.4 查询和分析
9.4 本章小结
第三部分 学习
第10章 图驱动的机器学习算法
10.1 基于图算法的无监督学习
10.1.1 通过相似性和社区结构来学习
10.1.2 寻找频繁模式
10.2 提取图特征
10.2.1 领域无关特征
10.2.2 领域相关特征
10.2.3 图嵌入：一个全新的世界
10.3 图神经网络
10.3.1 图卷积网络
10.3.2 GraphSAGE
10.4 图机器学习方法的比较
10.4.1 机器学习任务的用例
10.4.2 模式发现与特征提取方法
10.4.3 图神经网络：总结与应用
10.5 本章小结
第11章 重新审视实体解析
11.1 问题描述：识别现实世界的用户及其品味
11.2 解决方案：基于图的实体解析
11.2.1 确实哪些实体是相同的
11.2.2 实体解析
11.3 实现基于图的实体解析
11.3.1 数据库内实体解析入门套件
11.3.2 图模式
11.3.3 查询和分析
11.3.4 方法1：Jaccard相似度
11.3.5 合并
11.3.6 方法2：评分精确和近似匹配
11.4 本章小结
第12章 改进欺诈检测
12.1 目标：改进欺诈检测
12.2 解决方案：使用关系创建更智能的模型
12.3 使用TigerGraph ML Workbench
12.3.1 设置ML Workbench
12.3.2 使用ML Workbench和Jupyter Notes
12.3.3 图模式和数据集
12.3.4 图特征工程
12.3.5 用图特征训练传统模型
12.3.6 使用图神经网络
12.4 本章小结
12.5 与你联系
关于作者
关于封面
推荐阅读
图分析与图机器学习：原理、算法与实践是2024年由机械工业出版社出版,作者[美] 维克多·李。
得书感谢您对《图分析与图机器学习：原理、算法与实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
