数据分析之图算法: 基于Spark和Neo4j

10

｜

第

1

章

下面是图分析和图算法的一些用例。你所面临的挑战与之相似吗？

•

调查传染病或级联传输故障的传播路径。

•

发现网络中最易受攻击或最易损坏的组件。

•

确定在传送信息或资源时速度最快、代价最小的方式。

•

预测数据中缺失的联系。

•

定位复杂系统中的直接影响和间接影响。

•

发现不可见的层级结构和依赖关系。

•

预测群组将合并还是分裂。

•

发现瓶颈及有权拒绝或提供更多资源的个体。

•

基于行为发现社团以进行个性化推荐。

•

减少欺诈和异常检测中的假正例。

•

为机器学习提取更多预测性特征。

1.6

　小结

本章介绍了当今数据是如何紧密关联在一起的，以及其意义所在。在分析群组动态性和关

系方面，目前已经有了活跃的科学实践，但是相关工具在很多行业不常见。在评估先进的

分析技术时，应该考虑数据的本质特性，思考是否需要了解社团属性或预测复杂行为。如

果数据用于表示某个网络，就应该避免这样做，不要缩减要素以采用平均模型，而应该使

用与数据和所寻求的见解相匹配的工具。

第

2

章将介绍图的概念和术语。