Kapitel 7. Graph-Algorithmen in der Praxis
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die Herangehensweise an die Graphenanalyse entwickelt sich, je vertrauter wir mit dem Verhalten verschiedener Algorithmen bei bestimmten Datensätzen werden. In diesem Kapitel gehen wir mehrere Beispiele durch, um dir ein besseres Gefühl dafür zu vermitteln, wie du eine umfangreiche Graphenanalyse anhand von Datensätzen von Yelp und dem US-Verkehrsministerium angehen kannst. Wir gehen durch die Yelp-Datenanalyse in Neo4j, die einen allgemeinen Überblick über die Daten, die Kombination von Algorithmen zur Erstellung von Reiseempfehlungen und die Auswertung von Nutzer- und Geschäftsdaten für die Beratung umfasst. In Spark werden wir Daten von US-Fluggesellschaften untersuchen, um Verkehrsmuster und Verspätungen zu verstehen und um herauszufinden, wie Flughäfen durch verschiedene Fluggesellschaften verbunden sind.
Da die Pfadfindungsalgorithmen einfach sind, werden wir in unseren Beispielen diese Zentralitäts- und Gemeinschaftserkennungsalgorithmen verwenden:
-
PageRank, um einflussreiche Yelp-Rezensenten zu finden und dann ihre Bewertungen für bestimmte Hotels in Beziehung zu setzen
-
Betweenness Centrality, um Rezensenten zu entdecken, die mit mehreren Gruppen verbunden sind, und dann ihre Präferenzen zu extrahieren
-
Label Propagation mit einer Projektion zur Erstellung von Superkategorien ähnlicher Yelp-Unternehmen ...
Get Graph-Algorithmen now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
