正版新书]图算法 行业应用与实践嬴图团队9787111749042

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

（1）作者背景权威：嬴图是一家国际领先的图数据库团队，拥有50多项图数据库专利，100%自主研发并拥有全部底层架构，服务于多家大型央企、国企及世界500强企业。