圖分析與圖機器學習：原理、算法與實踐






	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	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 什麼是圖8 1.1.2 圖的重要性9 1.1.3 邊連接優於表連接10 1.2 圖分析和機器學習13 1.3 本章小結14 第一部分連接第2章連接並探索數據19 2.1 圖的結構20 2.1.1 圖的術語20 2.1.2 圖的模式24 2.2 圖的遍歷26 2.2.1 跳數和距離26 2.2.2 廣度和深度27 2.3 圖的建模27 2.3.1 圖模式選項和權衡27 2.3.2 表格轉換為圖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 尋找並發現模式37 2.4.5 匹配和合併38 2.4.6 加權和預測39 2.5 本章小結40 第3章更好地瞭解客戶和業務：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C360 旅程圖：一個GraphStudio教程45 3.3.1 創建TigerGraph Cloud賬戶45 3.3.2 獲取並安裝Customer 360入門套件46 3.3.3 GraphStudio概述48 3.3.4 設計圖模式48 3.3.5 加載數據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61 3.6.1 圖模式61 3.6.2 查詢和分析62 3.7 本章小結69 第4章研究創業投資70 4.1 目標：找到有前途的創業公司70 4.2 解決方案：創業投資圖71 4.3 實現創業投資圖以及查詢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絡模式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 瞭解圖分析105 6.1.1 分析要求106 6.1.2 圖遍歷方法106 6.1.3 並行處理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127 第7章更好的推薦和建議128 7.1 案例1：改善醫療轉診128 7.2 解決方案：構建和分析轉診圖129 7.3 實現醫療專家轉診網絡129 7.3.1 醫療轉診網絡入門套件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：使用圖進行基於多關係的推薦140 7.6 實現多關係推薦引擎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150 第8章加強網絡安全151 8.1 網絡攻擊的代價151 8.2 挑戰152 8.3 解決方案152 8.4 實現網絡安全圖153 8.4.1 網絡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：航線網絡的圖算法165 9.3 實現機場和航線分析器165 9.3.1 圖算法入門套件165 9.3.2 圖模式和數據集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178 第三部分學習第10章圖驅動的機器學習算法181 10.1 基於圖算法的無監督學習182 10.1.1 通過相似性和社區結構來學習182 10.1.2 尋找頻繁模式183 10.2 提取圖特徵184 10.2.1 領域無關特徵185 10.2.2 領域相關特徵188 10.2.3 圖嵌入：一個全新的世界191 10.3 圖神經網絡199 10.3.1 圖卷積網絡199 10.3.2 GraphSAGE203 10.4 圖機器學習方法的比較205 10.4.1 機器學習任務的用例205 10.4.2 模式發現與特徵提取方法206 10.4.3 圖神經網絡：總結與應用207 10.5 本章小結207 第11章重新審視實體解析208 11.1 問題描述：識別現實世界的用戶及其品味208 11.2 解決方案：基於圖的實體解析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 實現基於圖的實體解析211 11.3.1 數據庫內實體解析入門套件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 合併219 11.3.6 方法2：評分精確和近似匹配222 11.4 本章小結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：使用關係創建更智能的模型231 12.3 使用TigerGraph ML Workbench232 12.3.1 設置ML Workbench232 12.3.2 使用ML Workbench 和 Jupyter Notes233 12.3.3 圖模式和數據集234 12.3.4 圖特徵工程236 12.3.5 用圖特徵訓練傳統模型237 12.3.6 使用圖神經網絡239 12.4 本章小結242 12.5 與你聯繫242