Neo4j 图数据科学 文档
文档
Neo4j 数据库管理系统
  • 入门
  • 操作
  • 迁移和升级
  • 状态码
  • Java 参考
  • Kerberos 插件
Neo4j Aura
  • Neo4j Aura
  • Neo4j AuraDB
  • Neo4j AuraDS
Neo4j 工具
  • Neo4j Bloom
  • Neo4j 浏览器
  • Neo4j 数据导入器
  • Neo4j 桌面版
  • Neo4j 运维管理器
Neo4j 图数据科学
  • Neo4j 图数据科学库
  • Neo4j 图数据科学客户端
Cypher 查询语言
  • Cypher
  • Cypher 速查表
  • APOC 库
生成式 AI
  • Neo4j GraphRAG for Python
  • 嵌入和向量索引教程
  • GenAI 集成
  • 向量搜索索引
  • 向量搜索函数
  • GraphQL 向量索引搜索文档
创建应用程序
  • Python 驱动程序
  • Go 驱动程序
  • Java 驱动程序
  • JavaScript 驱动程序
  • .Net 驱动程序
  • Neo4j GraphQL 库
  • Neo4j 可视化库
  • OGM 库
  • Spring Data Neo4j
  • HTTP API
  • Neo4j 查询 API
连接数据源
  • Neo4j Apache Spark 连接器
  • Neo4j Apache Kafka 连接器
  • 更改数据捕获 (CDC)
  • BigQuery 到 Neo4j
  • Google Cloud 到 Neo4j
实验室
GenAI 生态系统
  • LLM 知识图谱构建器
  • 向量索引和搜索
  • LangChain
  • LangChain.js
  • LlamaIndex
  • Haystack
  • DSPy
开发者工具
  • APOC 扩展
  • Aura CLI
  • arrows.app
  • Cypher 工作台
  • ETL 工具
  • NeoDash
框架和集成
  • Needle 入门套件
  • Liquibase Neo4j 插件
  • Neo4j 迁移
  • neomodel
RDF 和链接数据
  • Neosemantics (Java)
  • RDFLib-Neo4j (Python)
获取帮助
社区论坛
Discord 聊天
知识库
Neo4j 开发者博客
Neo4j 视频
GraphAcademy
初学者课程
  • Neo4j 基础
  • Cypher 基础
  • 数据导入基础
  • 导入 CSV 数据
  • 图数据建模
数据科学家课程
  • 图数据科学入门
  • 图数据科学基础
  • 路径查找
生成式 AI 课程
  • Neo4j 和 LLM 基础
  • 向量索引和非结构化数据
  • 使用 Python 构建聊天机器人
  • 使用 TypeScript 构建聊天机器人
Neo4j 认证
  • Neo4j 认证专业人士
  • Neo4j 图数据科学认证
免费开始
搜索
跳至内容
Neo4j 图数据科学
产品版本
    • Neo4j 图数据科学库手册 v2.11
    • 简介
    • 安装
      • 支持的 Neo4j 版本
      • Neo4j 桌面版
      • Neo4j 服务器
      • Docker 上的 Neo4j
      • GDS 企业版
      • 配置 Apache Arrow 服务器
      • 系统要求
    • 入门
      • 基本工作流程
      • 端到端工作流程
      • 机器学习管道
    • 常见用法
      • 内存估算
      • 投影图
      • 运行算法
      • 日志记录
      • 监控系统
      • 系统信息
    • 图管理
      • 创建图
        • Cypher 投影
        • 原生投影
        • Apache Arrow 投影
        • 过滤
        • 采样
          • 带有重启的随机游走采样
          • 共同邻居感知随机游走采样
        • 随机生成
        • Cypher 投影（已弃用）
      • 目录操作
        • 列出图
        • 检查图是否存在
        • 删除图
      • 从图中读取
        • 流式节点
        • 流式关系
      • 更新图
        • 添加节点标签
        • 将有向关系转换为无向关系
        • 折叠路径
        • 删除图的一部分
      • 写回 Neo4j
        • 写入节点属性和标签
        • 写入关系
      • 导出图
        • 导出到新的 Neo4j 数据库
        • 导出到 CSV
        • 使用 Apache Arrow 导出
      • 实用程序函数
      • 管理
        • 访问控制
        • 备份和恢复
    • 图算法
      • 语法概述
      • 中心性
        • 文章排名
        • 关节点
        • 介数中心性
        • 桥接
        • CELF
        • 接近中心性
        • 度中心性
        • 特征向量中心性
        • PageRank
        • 调和中心性
        • HITS
      • 社区检测
        • 电导率指标
        • K-Core 分解
        • K-1 着色
        • K-Means 聚类
        • 标签传播
        • 莱顿算法
        • 局部聚类系数
        • Louvain 算法
        • 模块化指标
        • 模块化优化
        • 强连通分量
        • 三角形计数
        • 弱连通分量
        • 近似最大 k-割
        • 说话者-听众标签传播
      • 相似度
        • 节点相似度
        • 过滤后的节点相似度
        • K-最近邻
        • 过滤后的 K-最近邻
        • 相似度函数
      • 路径查找
        • Delta-Stepping 单源最短路径
        • Dijkstra 源-目标最短路径
        • Dijkstra 单源最短路径
        • A* 最短路径
        • Yen 的最短路径算法
        • 最小权重生成树
        • 最小权重 k-生成树
        • 最小有向斯坦纳树
        • 所有节点对最短路径
        • 随机游走
        • 广度优先搜索
        • 深度优先搜索
        • Bellman-Ford 单源最短路径
        • DAG 的最长路径
      • DAG 算法
        • 拓扑排序
        • DAG 的最长路径
      • 节点嵌入
        • 快速随机投影
        • GraphSAGE
        • Node2Vec
        • HashGNN
      • 拓扑链接预测
        • Adamic Adar
        • 共同邻居
        • 优先连接
        • 资源分配
        • 相同社区
        • 总邻居
      • Pregel API
    • 机器学习
      • 预处理
        • 缩放属性
        • 独热编码
        • 拆分关系
      • 节点嵌入
        • 快速随机投影
        • GraphSAGE
        • Node2Vec
        • HashGNN
      • 节点属性预测
        • 节点分类管道
          • 配置管道
          • 训练管道
          • 应用已训练模型进行预测
        • 节点回归管道
          • 配置管道
          • 训练管道
          • 应用已训练模型进行预测
      • 链接预测管道
        • 配置管道
        • 训练管道
        • 应用已训练模型进行预测
        • 理论考虑
      • 管道目录
        • 列出管道
        • 检查管道是否存在
        • 删除管道
      • 模型目录
        • 列出模型
        • 检查模型是否存在
        • 删除模型
        • 将模型存储在磁盘上
        • 发布模型
      • 训练方法
        • 逻辑回归
        • 随机森林
        • 多层感知器
        • 线性回归
      • 自动调整
    • 生产部署
      • 默认值和限制
      • 事务处理
      • 使用 GDS 和复合数据库（以前称为 Fabric）
      • GDS 与 Neo4j 集群
      • GDS 配置设置
      • GDS 功能切换
    • Python 客户端
    • Bloom 可视化
    • 附录
      • 操作参考
        • 图目录
        • 图算法
        • 机器学习
        • 其他操作
        • 配置设置
      • 从图数据科学库版本 1.x 迁移
        • 常见更改
        • 图投影
        • 图列表
        • 图删除
        • 内存估算
        • 算法
        • 机器学习
      • 从旧版 Cypher 投影迁移到新版 Cypher 投影
      • 从 Alpha Cypher 聚合迁移到新版 Cypher 投影

此页面是否有帮助？

  • Neo4j 图数据科学
  • 图算法
编辑此页面

图算法

Neo4j 图数据科学 (GDS) 库包含许多图算法。这些算法被划分为代表不同问题类别的类别。本章列出了这些类别。

本章分为以下部分

  • 语法概述

  • 中心性

  • 社区检测

  • 相似度

  • 路径查找

  • DAG 算法

  • 节点嵌入

  • 拓扑链接预测

  • Pregel API

备份和恢复 语法概述

GraphAcademy 上的图数据科学课程

遵循我们的图数据分析学习路径，了解如何将图思维应用于您的机器学习管道。

立即报名

学习

  • 沙盒
  • Neo4j 社区网站
  • Neo4j 开发者博客
  • Neo4j 视频
  • GraphAcademy
  • Neo4j 实验室

社交

  • Twitter
  • 聚会
  • Github
  • Stack Overflow
  • 想要发言？

联系我们 →

  • 美国：1-855-636-4532
  • 瑞典 +46 171 480 113
  • 英国：+44 20 3868 3223
  • 法国：+33 (0) 1 88 46 13 20

© 2024 Neo4j, Inc.
条款 | 隐私 | 网站地图

Neo4j®、Neo Technology®、Cypher®、Neo4j® Bloom™ 和 Neo4j® Aura™ 是 Neo4j, Inc. 的注册商标。所有其他商标均为其各自公司的财产。