图分析与图机器学习：原理、算法与实践

推荐阅读

关于封面

关于作者

12.5 与你联系

12.4 本章小结

12.3 使用TigerGraph ML Workbench

12.2 解决方案：使用关系创建更智能的模型

12.1 目标：改进欺诈检测

第12章 改进欺诈检测

11.4 本章小结

11.3 实现基于图的实体解析

11.2 解决方案：基于图的实体解析

11.1 问题描述：识别现实世界的用户及其品味

第11章 重新审视实体解析

10.5 本章小结

10.4 图机器学习方法的比较

10.3 图神经网络

10.2 提取图特征

10.1 基于图算法的无监督学习

第10章 图驱动的机器学习算法

第三部分 学习

9.4 本章小结

9.3 实现机场和航线分析器

9.2 解决方案：航线网络的图算法

9.1 目标：分析航空公司航线

第9章 航空公司航线分析

8.5 本章小结

8.4 实现网络安全图

8.3 解决方案

8.2 挑战

8.1 网络攻击的代价

第8章 加强网络安全

7.7 本章小结

7.6 实现多关系推荐引擎

7.5 解决方案：使用图进行基于多关系的推荐

7.4 案例2：个性化推荐

7.3 实现医疗专家转诊网络

7.2 解决方案：构建和分析转诊图

7.1 案例1：改善医疗转诊

第7章 更好的推荐和建议

6.3 本章小结

6.2 使用图算法进行分析

6.1 了解图分析

第6章 深入洞察：分析连接的重要性

第二部分 分析

5.4 本章小结

5.3 实施金融犯罪模式搜索

5.2 解决方案：将金融犯罪建模为网络模式

5.1 目标：检测金融犯罪

第5章 检测欺诈和洗钱模式

4.4 本章小结

4.3 实现创业投资图以及查询

4.2 解决方案：创业投资图

4.1 目标：找到有前途的创业公司

第4章 研究创业投资

3.7 本章小结

3.6 实现

3.5 解决方案：药物相互作用360图

3.4 案例2：药物不良反应分析

3.3 实现C360+旅程图：一个GraphStudio教程

3.2 解决方案：Customer 360+旅程图

3.1 案例1：跟踪和分析客户旅程

第3章 更好地了解客户和业务：360图

2.5 本章小结

2.4 图的能力

2.3 图的建模

2.2 图的遍历

2.1 图的结构

第2章 连接并探索数据

第一部分 连接

1.3 本章小结

1.2 图分析和机器学习

1.1.3 边连接优于表连接

1.1.2 图的重要性

1.1.1 什么是图

1.1 连接改变一切

第1章 连接就是一切

前言

O' Reilly Media Inc.介绍

版权页

封面

封面

版权页

O' Reilly Media Inc.介绍

前言

第1章 连接就是一切

1.1 连接改变一切

1.1.1 什么是图

1.1.2 图的重要性

1.1.3 边连接优于表连接

1.2 图分析和机器学习

1.3 本章小结

第一部分 连接

第2章 连接并探索数据

2.1 图的结构

2.2 图的遍历

2.3 图的建模

2.4 图的能力

2.5 本章小结

第3章 更好地了解客户和业务：360图

3.1 案例1：跟踪和分析客户旅程

3.2 解决方案：Customer 360+旅程图

3.3 实现C360+旅程图：一个GraphStudio教程

3.4 案例2：药物不良反应分析

3.5 解决方案：药物相互作用360图

3.6 实现

3.7 本章小结

第4章 研究创业投资

4.1 目标：找到有前途的创业公司

4.2 解决方案：创业投资图

4.3 实现创业投资图以及查询

4.4 本章小结

第5章 检测欺诈和洗钱模式

5.1 目标：检测金融犯罪

5.2 解决方案：将金融犯罪建模为网络模式

5.3 实施金融犯罪模式搜索

5.4 本章小结

第二部分 分析

第6章 深入洞察：分析连接的重要性

6.1 了解图分析

6.2 使用图算法进行分析

6.3 本章小结

第7章 更好的推荐和建议

7.1 案例1：改善医疗转诊

7.2 解决方案：构建和分析转诊图

7.3 实现医疗专家转诊网络

7.4 案例2：个性化推荐

7.5 解决方案：使用图进行基于多关系的推荐

7.6 实现多关系推荐引擎

7.7 本章小结

第8章 加强网络安全

8.1 网络攻击的代价

8.2 挑战

8.3 解决方案

8.4 实现网络安全图

8.5 本章小结

第9章 航空公司航线分析

9.1 目标：分析航空公司航线

9.2 解决方案：航线网络的图算法

9.3 实现机场和航线分析器

9.4 本章小结

第三部分 学习

第10章 图驱动的机器学习算法

10.1 基于图算法的无监督学习

10.2 提取图特征

10.3 图神经网络

10.4 图机器学习方法的比较

10.5 本章小结

第11章 重新审视实体解析

11.1 问题描述：识别现实世界的用户及其品味

11.2 解决方案：基于图的实体解析

11.3 实现基于图的实体解析

11.4 本章小结

第12章 改进欺诈检测

12.1 目标：改进欺诈检测

12.2 解决方案：使用关系创建更智能的模型

12.3 使用TigerGraph ML Workbench

12.4 本章小结

12.5 与你联系

关于作者

关于封面

推荐阅读