GraphAcademy 课程讲解：《Neo4j 图数据科学基础》

上次给大家介绍了GraphAcademy里面向数据科学家、数据工作者的课程《Neo4j 图数据科学简介》，从那里我们了解了Neo4j GDS的基本概念、安装和启用，以及图投影的具体操作。

今天给大家介绍后续课程《Neo4j 图数据科学基础》，我们详细看一下Neo4j GDS提供的图算法和它们适用的场景，以及图机器学习的基本用法。

希望通过本文的阅读可以了解课程内容，强烈推荐注册课程开始你自己的学习和进行实际编码和测试。

什么是 GraphAcademy

Neo4j GraphAcademy 是 Neo4j 推出的在线互动学习平台，提供免费、自由掌握进度的在线动手实验培训课程。不管你是开发者、运维管理员，还是数据科学家或从事机器学习、人工智能相关工作的人员，都可以在 GraphAcademy 找到适合你的课程。

所有课程均由具有多年经验的 Neo4j 专业人士开发。我们的目标是为你提供令人愉快的实践培训，其中包含文本内容、视频和代码挑战。

你通过的每门课程都会解锁一个徽章，可以通过你的职业档案或社交网络与朋友和同事分享。通过完成 Neo4j 认证考试，你将解锁限量版的 Neo4j T 恤奖励，以及更重要的是，获得图技术专业技术的证明，可以向雇主和同事展示这一荣誉。

《Neo4j 图数据科学基础》课程一览

在本课程中，我们将介绍数据科学家在使用 Neo4j 图形数据科学库 (GDS) 进行分析时需要了解的高级概念，课程涵盖了 GDS 中可用的图算法和机器学习操作的内容，并举例说明了如何在真实数据上使用它们。该课程继续使用运行在 Neo4j 沙箱的movie recommendations数据集，你将在整个课程中使用它。

本课程需要你具备一些基础的图数据科学知识和图数据库知识。如果没有完成《Neo4j 图数据科学简介》课程，建议先完成后再进行本课程的学习。

通过本课程你将掌握：

• 图算法的执行模式
• 不同类别的图算法和常见用例
• 如何在 GDS 中运行原生图机器学习管道

本课程分为两节内容，目录大纲如下：

图算法

• 算法层和执行模式
• 中心性和重要性
• 挑战：度中心性
• 寻找路径
• 挑战：找到最短路径
• 社区检测
• 节点嵌入
• 相似

图机器学习

• 机器学习概述
• 节点分类管道
• 链接预测

现在跟我一起看一看吧。

图算法

图算法产品级别和执行模式

我们从一段伪代码开始：

CALL gds[.<tier>].<algorithm>.<execution-mode>[.<estimate>](
	graphName: STRING,
	configuration: MAP
)

这段代码表示调用Neo4j GDS库，[]表示可选，<>表示可以选择不同的值。

图算法产品层级

tier表示Neo4j GDS产品的不同级别：alpha、beta和正式版。

• Alpha：表示算法处于实验阶段，可用于测试和验证，但随着版本的更新可能会发生变更。需要指定tier的值为alpha来调用Alpha版本的算法。
• Beta：表示算法经过了Alpha版本的验证，可以作为正式版的候选版本。需要指定tier为beta来调用。
• 正式版（production-quality）：即生产就绪版本，表示算法经过了稳定性和可扩展性测试，可以用在正式环境中。不指定tier的值就默认表示使用正式版。

执行模式

execution-mode有4种，用来指定如何处理算法的结果：

1. stream：将算法的结果作为记录流返回。
2. stats：返回汇总统计的单条记录，但不写入 Neo4j 数据库或修改任何数据。
3. mutate：将算法的结果写入内存中的图投影并返回汇总统计的单个记录。
4. write：将算法的结果写回 Neo4j 数据库并返回汇总统计的单个记录。

内存估计

estimate表示用来估算执行某个算法需要的内存大小，由GDS提供的一个估算程序来计算。

接下来我们详细看一看Neo4j GDS 提供的算法，即