首页 > 专利学习

spark的数三角形算法_数据分析之图算法：基于Spark和Neo4j

spark的数三⾓形算法_数据分析之图算法：基于Spark和Neo4j 序 xi

前⾔　xiii

第　1章导论　1

1．1　何谓图　1

1．2　何谓图分析和图算法　3

1．3　图处理、图数据库、图查询和图算法　5

1．4　为何要关⼼图算法　6

1．5　图分析⽤例　9

1．6　⼩结　10

第　2章图论及其概念　11

2．1　术语　11

2．2　图的类型和结构　12

镜片镀膜机

2．3　图的种类　14

2．3．1　连通图与⾮连通图　14

电极铜2．3．2　⽆权图与加权图　15

2．3．3　⽆向图与有向图　16

2．3．4　⽆环图与有环图　17

2．3．5　稀疏图与稠密图　18

2．3．6　单部图、⼆部图和k部图　19

2．4　图算法的类型　21

2．4．1　路径查　21

2．4．2　中⼼性　21

2．4．3　社团发现　22

2．5　⼩结　22

第3章　图平台和图处理　23

3．1　图平台和图处理的注意事项　23

3．1．1　平台注意事项　23

3．1．2　处理注意事项　24

3．2　典型平台　25

3．2．1　选择平台　25

3．2．2　Apache Spark　26

3．2．3　Neo4j图平台　28

3．3　⼩结　30

第4章　路径查算法和图搜索算法　31

4．1　⽰例数据：交通图　33

4．1．1　将数据导⼊Spark　35

4．1．2　将数据导⼊Neo4j　36

4．2　⼴度优先搜索　36

4．3　深度优先搜索　38

4．4　最短路径算法　40

4．4．1　何时使⽤最短路径算法　41

4．4．2　使⽤Neo4j实现最短路径算法　41

4．4．3　使⽤Neo4j实现加权最短路径算法　43

4．4．4　使⽤Spark实现加权最短路径算法　44

4．4．5　最短路径算法的变体：A*算法　46

4．4．6　最短路径算法的变体：Yen的k最短路径算法　48 4．5　所有点对最短路径算法　49

4．5．1　近观所有点对最短路径算法　50

4．5．2　何时使⽤所有点对最短路径算法　51

4．5．3　使⽤Spark实现所有点对最短路径算法　51 4．5．4　使⽤Neo4j实现所有点对最短路径算法　52

4．6　单源最短路径算法　53

4．6．1　何时使⽤单源最短路径算法　54

4．6．2　使⽤Spark实现单源最短路径算法　55

4．6．3　使⽤Neo4j实现单源最短路径算法　57

4．7　最⼩⽣成树算法　57

4．7．1　何时使⽤最⼩⽣成树算法　58

显示器电路板

4．7．2　使⽤Neo4j实现最⼩⽣成树算法　59

4．8　随机游⾛算法　61

4．8．1　何时使⽤随机游⾛算法　61

4．8．2　使⽤Neo4j实现随机游⾛算法　61

4．9　⼩结　63

第5章　中⼼性算法　64

5．1　⽰例数据：社交图　66

折叠麻将桌5．1．1　将数据导⼊Spark　67

5．1．2　将数据导⼊Neo4j　67

5．2　度中⼼性算法　68

手机光线传感器5．2．1　可达性　68

5．2．2　何时使⽤度中⼼性算法　69

5．2．3　使⽤Spark实现度中⼼性算法　69

5．3　接近中⼼性算法　70

5．3．1　何时使⽤接近中⼼性算法　71

5．3．2　使⽤Spark实现接近中⼼性算法　72

5．3．3　使⽤Neo4j实现接近中⼼性算法　74

5．3．4　接近中⼼性算法变体：Wasserman & Faust算法　75 5．3．5　接近中⼼性算法变体：调和中⼼性算法　77

5．4　中间中⼼性算法　78

5．4．1　桥与控制点　78

5．4．2　计算中间中⼼性得分　79

5．4．3　何时使⽤中间中⼼性算法　79

5．4．4　使⽤Neo4j实现中间中⼼性算法　80

5．4．5　中间中⼼性算法变体：RA-Brandes算法　82

5．5　PageRank算法　83

5．5．1　影响⼒　84

5．5．2　PageRank算法公式　84

5．5．3　迭代、随机冲浪者和等级沉没　85

5．5．4　何时使⽤PageRank算法　86

5．5．5　使⽤Spark实现PageRank算法　87

5．5．6　使⽤Neo4j实现PageRank算法　88

5．5．7　PageRank算法变体：个性化PageRank算法　90 5．6　⼩结　91

第6章　社团发现算法　92

6．1　⽰例数据：软件依赖图　94

6．1．1　将数据导⼊Spark　96

6．1．2　将数据导⼊Neo4j　97

6．2　三⾓形计数和聚类系数　97

6．2．1　局部聚类系数　97

6．2．2　全局聚类系数　98

6．2．3　何时使⽤三⾓形计数和聚类系数　98

6．2．4　使⽤Spark实现三⾓形计数算法　99

6．2．5　使⽤Neo4j实现三⾓形计数算法　99

6．2．6　使⽤Neo4j计算局部聚类系数　100

6．3　强连通分量算法　101

6．3．1　何时使⽤强连通分量算法　102

6．3．2　使⽤Spark实现强连通分量算法　102 6．3．3　使⽤Neo4j实现强连通分量算法　103 6．4　连通分量算法　106

6．4．1　何时使⽤连通分量算法　106

6．4．2　使⽤Spark实现连通分量算法　106 6．4．3　使⽤Neo4j实现连通分量算法　107

6．5　标签传播算法　108

6．5．1　半监督学习和种⼦标签　110

6．5．2　何时使⽤标签传播算法　110

6．5．3　使⽤Spark实现标签传播算法　110 6．5．4　使⽤Neo4j实现标签传播算法　111

6．6　Louvain模块度算法　113

6．6．1　通过模块度进⾏基于质量的分组　114 6．6．2　何时使⽤Louvain模块度算法　117 6．6．3　使⽤Neo4j实现Louvain模块度算法　118 6．7　验证社团　122

6．8　⼩结　122

第7章　图算法实战　123

7．1　使⽤Neo4j分析Yelp数据　123

7．1．1　Yelp社交⽹络　124

7．1．2　导⼊数据　124

7．1．3　图模型　125

7．1．4　Yelp数据概览　125

7．1．5　⾏程规划应⽤程序　129

7．1．6　旅游商务咨询　134

7．1．7　查相似类别　138

7．2　使⽤Spark分析航班数据　142

7．2．1　探索性分析　144

7．2．2　热门机场　144

7．2．3　源⾃ORD的延误　145

7．2．4　SFO的糟糕⼀天　147

7．2．5　通过航空公司互连的机场　149

7．3　⼩结　154

第8章　使⽤图算法增强机器学习　155

8．1　机器学习和上下⽂的重要性　155

8．2　关联特征提取与特征选择　157

8．2．1　图特征　158

8．2．2　图算法特征　158

8．3　图与机器学习实践：链接预测　160

8．3．1　⼯具和数据　161

8．3．2　将数据导⼊Neo4j　162

8．3．3　合著者关系图　163

8．3．4　创建均衡的训练数据集和测试数据集　164 8．3．5　如何预测缺失链接　169

8．3．6　创建机器学习管道　170

8．3．7　预测链接：基本图特征　171

8．3．8　预测链接：三⾓形和聚类系数　181 8．3．9　预测链接：社团发现　184

8．4　⼩结　190

8．5　总结　190

附录　额外信息及资料　191

关于作者　195

关于封⾯　195

>美发剂

本文发布于:2024-09-22 04:36:20，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/1/192940.html

上一篇：四年级数学要点知识点和重难点三角形

下一篇：建筑施工机械钢丝绳、吊钩、滑轮、卷筒报废标准docx

标签：算法路径实现数据

留言与评论（共有 0 条评论）