Neo4j中的图形算法：15种不同的图形算法及其功能
遍历和寻路算法
1.并⾏⼴度优先搜索（BFS）
功能：遍历树数据结构，通过扇出探索最近的邻居和他们的次级邻居。它⽤于定位连接，并且是的前⾝。
当树较不平衡或⽬标更接近起点时，BFS是⾸选。它也可⽤于查节点之间的最短路径或避免深度优先搜索的递归过程。 如何使⽤：⼴度优先搜索可⽤于在像BitTorrent这样对等⽹络中定位邻居节点，在GPS系统中精确定位附近的位置，在社交⽹络服务中在特定距离内查⼈员。
2.并⾏深度优先搜索（DFS）
功能：通过在回溯之前尽可能探索每个分⽀来遍历树数据结构。它⽤于深层次的数据，是许多其他图算法的前⾝。当树更平衡或⽬标更接近端点时，深度优先搜索是⾸选。
如何使⽤：深度优先搜索通常⽤于游戏模拟，其中每个选择或操作引发下⼀个选择或操作，扩展成树状的概率图。它将遍历选择树，直到到最佳解决⽅案路径（即胜利）。
3.单源最短路径
功能：计算节点与所有其他节点的路径中汇总值(如成本、距离、时间或容量等关系的权重) 最⼩的路径。 如何使⽤：应⽤单源最短路径通常应⽤于⾃动获取物理位置之间的路线，例如通过Google地图获取驾车路线。它在逻辑路由中也很重要，例如电话呼叫路由（最低成本路由）。
4.全对最短路径
⽤途：计算⼀个最短路径林森林(组), 其中包含关系图中节点之间的所有最短路径。当最短路径被阻塞或变得次优时，它通常⽤于推算备⽤路由。
如何使⽤：全对最短路径⽤于计算备⽤路径的情境，例如⾼速公路备份或⽹络容量。它也是逻辑路由提供多路径的关键;，例如备选的呼叫路由。
5.最⼩权重⽣成树（MWST）
它的作⽤：连接树结构中所有点，计算路径的值（如成本、时间或容量）之和最⼩的路径。它也被⽤来逼近⼀些如旅⾏商问题和随机或迭代舍⼊。
如何使⽤：最⼩权重⽣成树⼴泛⽤于⽹络设计：成本最低的逻辑或物理路由，如铺设电缆，最快的垃圾收集路线，供⽔系统容量，⾼效电路设计等等。它还可以实时应⽤于滚动优化，如化学炼油⼚的流程或⾏驶路线修正。
中⼼性算法
南昌二日游攻略中⼼性算法
6. PageRank
作⽤：从当前节点的邻居，和邻居的邻居评估当前节点的重要性。⽤来源于其传递链接的数量和质量的的排名来估计⼀个节点的影响⼒。虽然已经，但它被⼴泛认为是检测任何⽹络中有影响⼒的节点的⽅法。
如何使⽤：PageRank⽤于评估重要性和影响⼒的⽅法有很多。它被⽤来推荐推特账户以及⼀般情绪分析。
PageRank也⽤于机器学习以确定最有影响的提取特征。在⽣物学中，它被⽤来识别⾷物链中哪些物种的灭绝会导致物种死亡的最⼤连锁反应。
7.程度中⼼性
作⽤：测量节点（或整个图）的关系数量。它被分解成⼊度（流⼊）和出度（流出），其中关系是有⽅向的。威信天气预报
世界之窗浏览器极速版如何使⽤：程度中⼼性着眼于即时连通性的使⽤, 如评估⼀个⼈的短期风险, 捕捉病毒或听觉信息。在社会研究中，朋友关系的⼊度可以⽤来评估⼈⽓，⽽出度可以⽤来评估合性。
8.亲密度中⼼性
作⽤：衡量⼀个节点对其集内所有邻居的中⼼程度。拥有到所有其他节点的路径最短的节点被认为能够以最快的速度到达整个组。
如何使⽤：亲密度中⼼性适⽤于多种资源，交流和⾏为分析，尤其是当交互速度显着时。。它被⽤于确定新公共服务的最佳位置以获得最⼤的可访问性。
在社交⽹络分析中，它⽤于到具有理想社交⽹络位置的⼈，以便更快地传播信息。
9.中介中⼼性
作⽤：测量通过节点的最短路径的数量（⾸先通过⼴度优先搜索到）。最经常位于最短路径上的节点具有较⾼的中介中⼼性分数，并且是不同集之间的桥梁。它通常与控制资源和信息的流动有关。
如何使⽤：中介中⼼性适⽤于⽹络科学中的各种问题，并⽤于查明通信和运输⽹络中的瓶颈或可能的攻击⽬标。在基因组学中, 它已经被⽤来理解蛋⽩质⽹络中的控制基因, 例如更好的药物/疾病靶向。
中介中⼼性也被⽤来评估多⼈在线游戏玩家和共享医师专业知识的信息流动。
社区检测算法
社区检测算法
10.标签传播
作⽤：将基于邻⾥多数的标签作为推断簇的⼀种⼿段进⾏传播。这种极其快速的图形分割需要很少的先验信息, ⼴泛应⽤于⼤规模⽹络的社区检测。它是理解图形组织的关键⽅法, 通常是其他分析的主要步骤。
如何使⽤：标签传播具有多种应⽤，从了解社会社区的共识形成，到在⽣物⽹络中医⼀个识别⼀个过程（功能模块）中涉及的蛋⽩质组。它也⽤于半监督和⽆监督机器学习作为⼀个初始的预处理步骤。
11.强连通
作⽤：查关系⽹中可以互相访问到的⼀组节点。它通常是从深度优先搜索中应⽤的。
如何使⽤：强连通⼀般⽤于在已识别的集上启⽤并独⽴运⾏其他算法。作为定向图的预处理步骤, 它有助于快速识别断开连接的组。在零售建议中, 它有助于识别关联性强的⼀组商品, 然后向购买其中⼀些商品的⽤户推荐没有购买的那些。
12.并查集/联通分量/弱连通
作⽤：查节点组, 其中每个节点都可从同⼀组中的任何其他节点访问, ⽽不考虑关系的⽅向。它提供近恒定时间操作 (与输⼊⼤⼩⽆关) 来添加新组、合并现有组以及确定两个节点是否位于同⼀组中。
如何使⽤：并查集/联通分量经常与其他算法结合使⽤，特别是对于⾼性能分组。作为⽆向图的预处理步骤，它有助于快速识别断开的组。
汉庭酒店app下载13.Louvain模块度
作⽤：通过将关系密度与适当定义的随机⽹络进⾏⽐较, 测量社区分组的质量 (被认为是准确性)。它经常⽤于评估复杂⽹络和社区层次结构的组织。它对于⾮监督机器学习中的初始数据预处理也很有⽤。滁州招聘网
如何使⽤：Louvain⽤于评估Twitter，LinkedIn和YouTube上的社交结构。它被⽤于欺诈分析，以评估⼀个组织是否只有⼀些不良⾏为，或者是作为⼀个欺诈环，⽽这个欺诈环的关系密度⾼于平均值。Louvain在⽐利时电信⽹络中揭⽰了⼀个六级客户层级。
14.局部集聚系数/节点聚类系数
作⽤：对于特定的节点, 它可以量化它的邻居是如何接近⼀个派系 (每个节点都直接连接到每个其他节点)。例如, 如果您的所有朋友都直接了解对⽅, 您的本地聚类系数将为1。集中的较⼩的值表⽰尽管存在分组, 但节点没有紧密连接。
如何使⽤：局部聚类系数对于通过理解⼀致性或碎⽚的可能性来估计复原⼒是很重要的。利⽤这种⽅法对欧洲电⽹进⾏分析发现, 具有稀疏连通节点的集对⼴泛的故障具有更强的适应性。克什克腾旗旅游景点大全
15.三⾓计数和平均聚类系数
作⽤：测量有多少节点具有三⾓形以及节点倾向于聚集在⼀起的程度。平均聚类系数为1时有⼀个集团，为0时没有连接。为使聚类系数有意义，它应该明显⾼于⽹络中所有关系随机打乱的版本。
如何使⽤：平均聚类系数通常⽤于估计⽹络是否可能展现基于紧密集的“⼩世界”⾏为。这也是集稳定性和弹性的⼀个因素。流⾏病学家使⽤平均聚类系数来帮助预测不同社区的各种感染率。
