本文介绍了Neo4j的Graph Data Science (GDS)模块，包括安装过程、基本步骤、图算法的用途，以及GDS的三种等级、两种变体和四种执行模式。此外，还提到了GDS的功能函数和常用算法，如Dijkstra Source-Target算法，帮助用户理解和应用GDS进行图数据分析。
Neo4j Graph Data Science （GDS）
图算法用于计算图、节点或关系的度量。它们可以提供关于图中相关实体（中心性、排名）或社区等固有结构（社区检测、图分区、聚类）的见解。许多图算法都是迭代方法，经常使用随机游动、广度优先或深度优先搜索或模式匹配遍历图进行计算。
由于可能的路径随着距离的增加呈指数增长，许多方法的算法复杂度也很高。
幸运的是，优化算法已经存在，它们利用了图形的某些结构，将已经探索过的部分记忆起来，并将操作并行化。
官方文档：https://neo4j.com/docs/graph-data-science
安装
如APOC的安装一样，github上下载对应版本的jar包。
将jar包放入neo4j的plugins文件夹中.
然后在neo4j.conf中授权即可。
基本步骤
为了保证内存的足够，gds使用以下步骤：
- 创建图：从Neo4j中进行图形投影，放入内存中进行操作。
- 选择算法：选择合适的算法。
- 存储结果&#x
最低0.47元/天 解锁文章
扫一扫
764
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
