图的常见衡量指标及算法调研

最近调研了一些图算法，简单做一个汇总。

算法核心	图算法分类	算法名称/指标	详细描述	算法包含关系
点	基础图算法	Clossness	衡量点是否位于每个图的中心，即该点到其他节点的最短路径（SSSP）的平均长度	SSSP
点	基础图算法	Betweenness	衡量某点、边的重要程度，即对所有的最短路径（sssp），找重合点、边	SSSP
点	基础图算法	PageRank	节点的重要程度	-
点	基础图算法	Katz	每个点邻居的中心性作为该结点的中心性，且对入度为0的点做特殊化处理	-
边（路径）	基础图算法	BFS	图遍历算法-宽度优先搜索	-
边（路径）	基础图算法	DFS	图遍历算法-深度优先搜索	-
边（路径）	基础图算法	SSSP	图遍历算法-单元最短路径	-
边（路径）	基础图算法	三角计数	衡量图的紧密程度	-
边（路径）	基础图算法	最大流算法	在流网络里，寻找起点到终点的最大流量	BFS/DFS
子图	基础图算法	子图查询/子图匹配	查找图里某个形状的子图	BFS/DFS
子图	图挖掘算法	SCC	查找图的强连通分量	BFS/DFS
子图	图挖掘算法	WCC	查找图的弱连通分量	-
子图	图挖掘算法	gSpan（频繁集挖掘）	查找图里出现频繁的某个子图	DFS
子图	图结构类算法（社区发现）	k-Core	在原图中查找若干子图，子图里每个点的度至少为k	-
子图	图结构类算法（社区发现）	Louvain算法	基于模块度（Modularity）的社区发现算法	-
子图	图结构类算法（社区发现）	label-propagation（LPA）	基于标签传播的社区发现算法	-
子图	图结构类算法（社区发现）	HANP	在LPA基础上，增加衰减因子，考虑图结构	-
子图	图结构类算法（社区发现）	基于聚类的社区发现算法	kmeans	-
子图	图结构类算法（社区发现）	基于团的社区发现算法	找接近于最大团的子图	-

另外，对一些图计算开源平台内嵌的图算法也做了汇总

图数据库及图算法平台	嵌入算法
阿里达摩院智能计算实验室：GraphScope	1、基础图算法：SSSP、PageRank、三角形计数、 2、度的中心线：特征向量中心度（eigenvector_centrality）、卡兹中心度（katz_centrality） 3、连通性算法：WCC（弱联通分量）、社区检测（cdlp、k-core、Louvain、label-propagation） 3、图神经网络算法：GraphSage、GCN
腾讯：Plato	1、基础图算法：树深度、BFS、N-阶度、HyperANF、PageRank 2、图特征打包计算：节点数/边数/密度/节点度分布；度中心性：Closeness、Betweenness 3、连通性算法：社区发现（连通分量、LPA、HANP、K-core） 4、图表示学习：Node2Vec-Randomwalk、Metapath-Randomwalk
北京大学：gStore	1、基础算法：sssp、子图、环检测、K跳查询、可达性查询
Tigergraph	1、基础图算法：SSSP、APSP（全顶点对最短路径）、PageRank、三角计数 2、图特征-中心度：Clossness、Betweenness 3、（连通性算法）：SCC（强连通分量）、WCC（弱连通分量）、社区检测（Louvain、label-propagation）