图分析与图机器学习：原理、算法与实践

定　价：¥89.00

作　者：	[美]维克多·李(Victor Lee),[荷]阮福坚(Phuc Kien Nguyen),[美]亚历山大·托马斯(Alexander Thomas)
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

当当网 (¥66.70)

ISBN：	9787111759171	出版时间：	2024-08-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　本书的目标是向你介绍图数据结构、图分析和图机器学习的概念、技术和工具。每章的开头都列出了目标，大致分为三个方面：学习图分析和机器学习的概念；用图分析解决特定问题；了解如何使用GSQL查询语言和TigerGraph图平台。首先介绍图数据的基本概念，然后通过连接、分析、学习三大部分深入讲解一些图算法和机器学习技术。

作者简介

　　Victor Lee是TigerGraph机器学习和人工智能副总裁。他的博士论文是关于基于图的相似性和排序的。Lee博士与他人合作撰写了关于决策树和密集子图发现的书籍章节。教学和培训也是他职业生涯的核心工作，从开发芯片设计培训材料到撰写TigerGraph的第1版技术文档，从担任12年课堂讲师到主持大量网络研讨会和现场研讨会，他都参与其中。Phuc Kien Nguyen是荷兰银行反洗钱和恐怖主义融资领域的数据科学家。他拥有代尔夫特理工大学的信息架构硕士学位。Alexander Thomas是前TigerGraph技术作家，拥有语言学和教育背景。黄凯，硕士研究生，毕业于北京理工大学，现任北京速通科技有限公司软件研发中心总工程师，主要从事于高可用、高性能、高并发的后台服务系统开发，对微服务架构、容器技术有一定的研究，对底层应用开发具有较深的了解，主导研发了多个ETC相关系统。

图书目录

目录
前言1
第1章连接就是一切7
1.1 连接改变一切8
1.1.1 什么是图8
1.1.2 图的重要性9
1.1.3 边连接优于表连接10
1.2 图分析和机器学习13
1.3 本章小结14
第一部分连接
第2章连接并探索数据19
2.1 图的结构20
2.1.1 图的术语20
2.1.2 图的模式24
2.2 图的遍历26
2.2.1 跳数和距离26
2.2.2 广度和深度27
2.3 图的建模27
2.3.1 图模式选项和权衡27
2.3.2 表格转换为图31
2.3.3 模型演进33
2.4 图的能力33
2.4.1 连接点34
2.4.2 360度视图34
2.4.3 深入洞察35
2.4.4 寻找并发现模式37
2.4.5 匹配和合并38
2.4.6 加权和预测39
2.5 本章小结40
第3章更好地了解客户和业务：360图42
3.1 案例1：跟踪和分析客户旅程42
3.2 解决方案：Customer 360 旅程图43
3.3 实现C360 旅程图：一个GraphStudio教程45
3.3.1 创建TigerGraph Cloud账户45
3.3.2 获取并安装Customer 360入门套件46
3.3.3 GraphStudio概述48
3.3.4 设计图模式48
3.3.5 加载数据50
3.3.6 查询和分析50
3.4 案例2：药物不良反应分析60
3.5 解决方案：药物相互作用360图60
3.6 实现61
3.6.1 图模式61
3.6.2 查询和分析62
3.7 本章小结69
第4章研究创业投资70
4.1 目标：找到有前途的创业公司70
4.2 解决方案：创业投资图71
4.3 实现创业投资图以及查询72
4.3.1 Crunchbase入门套件72
4.3.2 图模式72
4.3.3 查询和分析74
4.4 本章小结88
第5章检测欺诈和洗钱模式90
5.1 目标：检测金融犯罪90
5.2 解决方案：将金融犯罪建模为网络模式91
5.3 实施金融犯罪模式搜索92
5.3.1 欺诈和洗钱检测入门套件92
5.3.2 图模式92
5.3.3 查询和分析93
5.4 本章小结102
第二部分分析
第6章深入洞察：分析连接的重要性105
6.1 了解图分析105
6.1.1 分析要求106
6.1.2 图遍历方法106
6.1.3 并行处理107
6.1.4 聚合107
6.2 使用图算法进行分析109
6.2.1 将图算法作为工具109
6.2.2 图算法分类110
6.3 本章小结127
第7章更好的推荐和建议128
7.1 案例1：改善医疗转诊128
7.2 解决方案：构建和分析转诊图129
7.3 实现医疗专家转诊网络129
7.3.1 医疗转诊网络入门套件129
7.3.2 图模式130
7.3.3 查询和分析131
7.4 案例2：个性化推荐139
7.5 解决方案：使用图进行基于多关系的推荐140
7.6 实现多关系推荐引擎140
7.6.1 推荐引擎2.0入门套件140
7.6.2 图模式140
7.6.3 查询和分析142
7.7 本章小结150
第8章加强网络安全151
8.1 网络攻击的代价151
8.2 挑战152
8.3 解决方案152
8.4 实现网络安全图153
8.4.1 网络安全威胁检测入门套件153
8.4.2 图模式153
8.4.3 查询和分析154
8.5 本章小结163
第9章航空公司航线分析164
9.1 目标：分析航空公司航线164
9.2 解决方案：航线网络的图算法165
9.3 实现机场和航线分析器165
9.3.1 图算法入门套件165
9.3.2 图模式和数据集165
9.3.3 安装GDS库中的算法166
9.3.4 查询和分析167
9.4 本章小结178
第三部分学习
第10章图驱动的机器学习算法181
10.1 基于图算法的无监督学习182
10.1.1 通过相似性和社区结构来学习182
10.1.2 寻找频繁模式183
10.2 提取图特征184
10.2.1 领域无关特征185
10.2.2 领域相关特征188
10.2.3 图嵌入：一个全新的世界191
10.3 图神经网络199
10.3.1 图卷积网络199
10.3.2 GraphSAGE203
10.4 图机器学习方法的比较205
10.4.1 机器学习任务的用例205
10.4.2 模式发现与特征提取方法206
10.4.3 图神经网络：总结与应用207
10.5 本章小结207
第11章重新审视实体解析208
11.1 问题描述：识别现实世界的用户及其品味208
11.2 解决方案：基于图的实体解析209
11.2.1 确实哪些实体是相同的209
11.2.2 实体解析210
11.3 实现基于图的实体解析211
11.3.1 数据库内实体解析入门套件211
11.3.2 图模式211
11.3.3 查询和分析212
11.3.4 方法1：Jaccard 相似度213
11.3.5 合并219
11.3.6 方法2：评分精确和近似匹配222
11.4 本章小结229
第12章改进欺诈检测230
12.1 目标：改进欺诈检测230
12.2 解决方案：使用关系创建更智能的模型231
12.3 使用TigerGraph ML Workbench232
12.3.1 设置ML Workbench232
12.3.2 使用ML Workbench 和 Jupyter Notes233
12.3.3 图模式和数据集234
12.3.4 图特征工程236
12.3.5 用图特征训练传统模型237
12.3.6 使用图神经网络239
12.4 本章小结242
12.5 与你联系242