数据科学图算法：http://amzn.to/4s41GJ5

多年来我一直这么说：“整个世界都是一张图！” 世界的自然数据结构是图，而不是行和列：

蝴蝶效应 物联网（IoT） 上下文工程 网络 环境现象 食物链 全球市场 图分析 图数据库 知识图谱 关联数据 网络科学 神经科学与大脑连接 PageRank搜索算法 疾病传播 语义元数据 六度分隔 社交网络 供应链 等等

数据科学图算法：附Neo4j示例：9781617299469：计算机科学书籍 @ Amazon.com

来源：https://www.amazon.com/dp/1617299469/ref=cm_sw_r_as_gl_api_gl_i_0XQW8JR5TBMKT76FSVHW?linkCode=ml1&tag=kirkdborne-20&linkId=d9b8aa49f1f2d024955d798654cbefa6 分析数据的实用方法，利用图揭示隐藏的关联和新见解。

图是表示和理解关联数据的自然方式。本书探讨了数据科学中最重要的图算法与技术，并提供具体的实现和部署建议。即使没有任何图操作经验，也能从这本富有洞察力的指南中受益。这些强大的图算法通过清晰、无行话的文字和图解加以解释，便于您应用于自己的项目。

《数据科学图算法》中，您将学到：

• 标注属性图建模
• 从结构化数据（如CSV或SQL）构建图
• 从非结构化数据构建图的NLP技术
• Cypher查询语言语法，用于操作数据并提取洞察
• 社交网络分析算法，如PageRank和社区检测
• 如何通过节点嵌入模型将图结构转化为机器学习模型输入
• 在节点分类和链接预测工作流中使用图特征

《数据科学图算法》是一本实践指南，适用于在机器学习、欺诈检测和业务数据分析等应用中处理基于图的数据。书中充满有趣而引人入胜的项目，展示了图的方方面面。您将通过分析Twitter、使用NLP技术构建图等获得实用技能。

Michael Hunger作序。

购买印刷版图书将获得Manning Publications提供的PDF、Kindle和ePub格式免费电子书。

关于技术 简单来说，图是关联数据的网络。图是一种高效识别和探索数据集中自然存在的重要关系的方式。本书介绍了数据科学中最重要的图算法，示例涵盖机器学习、业务应用、自然语言处理等。

关于本书 《数据科学图算法》向您展示如何从结构化和非结构化数据构建并分析图。在书中，您将学习应用PageRank、社区检测/聚类和知识图谱模型等图算法，并通过动手数据项目实践每个新算法。这本前沿书籍还演示了如何使用节点嵌入创建优化人工智能模型输入的图。

内容概要

• 创建知识图谱
• 节点分类与链接预测工作流
• 用于图构建的NLP技术

读者对象 适合具备机器学习基础的数据科学家。示例使用Cypher查询语言，书中会加以解释。

关于作者 Tomaž Bratanic 工作在图与机器学习的交叉领域。 Arturo Geigel 是本书的技术编辑。

目录 第1部分 图入门 1 图与网络科学：简介 2 表示网络结构：设计第一个图模型 第2部分 社交网络分析 3 Cypher查询语言初体验 4 探索性图分析 5 社交网络分析入门 6 投影单分网络 7 基于二分网络推断共现网络 8 构建最近邻相似度网络 第3部分 图机器学习 9 节点嵌入与分类 10 链接预测 11 知识图谱补全 12 使用自然语言处理技术构建图