数据分析之图算法: 基于Spark和Neo4j

191

附录

额外信息及资料

本附录简单介绍一些有帮助的信息：其他算法、把数据导入

Neo4j

的另一种方法和另一个

程序库，并提供一些关于查找数据集、平台帮助信息和培训等方面的资源。

其他算法

许多算法可用于图数据。本书重点介绍了经典图算法中最具代表性的算法，以及应用程序

开发人员常用的算法。本书省略了像着色算法和启发式算法这样的算法，这是因为它们要

么在学术案例中更受关注，要么易于推导。

如基于边的社团发现算法等其他算法也都很有意思，但是还未在

Neo4j

或

Spark

中实现。

希望随着图分析应用的发展，这两种平台支持的图算法会不断增加。

还有一些算法虽然可用于图，但本质上并不是严格意义上的图算法，例如第

8

章介绍的一

些在机器学习任务中使用的算法。另一个值得关注的领域是相似度算法，它常用于推荐和

链接预测。相似度算法使用多种方法对节点属性等进行比较，可以计算出哪些节点彼此最

为相似。

Neo4j

批量数据导入和

Yelp

使用

Cypher

查询语言将数据导入

Neo4j

的过程采用了事务处理方式。图

A-1

粗略地展示

了这一过程。

192

｜

附录

原始数据 存储文件事务处理记录

图 A-1：基于 Cypher 的导入

这种方法适用于增量数据加载且支持多达

1000

万条记录的批量加载。在导入初始批量数

据集时，

Neo4j

导入工具是较好的选择。该工具直接创建存储文件，可跳过事务处理记录， ...