知识图谱（关系网络）概念及常用算法

最新推荐文章于 2024-07-22 17:33:26 发布

ssyshenn

最新推荐文章于 2024-07-22 17:33:26 发布

阅读量3.1w

点赞数 19

分类专栏：知识图谱文章标签：知识图谱图神经网络图论

本文链接：https://blog.csdn.net/ssyshenn/article/details/103275645

版权

1 什么是图？

图是一种常见的数据结构，用于表示对象及其之间的关系。其中，对象又称节点（node）或顶点（vertex），关系用边（edge）来描述。在数学上一般用 G=(V,E,A,X) 来表示，其中 V={v1,v2……,vn} 是节点集合，E=e_ij 表示边的集合，A 是大小为|V|×|V|的邻接矩阵，用于表示节点之间的连接关系，如果 e_ij∈E，则 A_ij=1，X 是大小为|V|×d 的特征矩阵，X 的第 i 行 X_i:表示第 i 个节点的属性特征，其中 d 是属性的维度。

2 图能做什么？

上图中，右侧手机号171505****关联了393个人，16年-19年累计进件1665次，放款65笔，其中33笔当期状态是逾期！

3 传统的图算法从应用角度可分为三类

1. 路径查找算法

2. 中心度算法

3. 社区发现算法

3.1 路径查找算法——Dijkstra

Dijkstra是一个贪心算法，用于在加权的图中查找最短路径，比起无脑的遍历，Dijkstra优化的点是，为了避免不必要的

重复计算，保留上一步的计算信息。

对于带权有向或无向图 G=(V,E)，Dijkstra 算法的复杂度为O(V^2) 只有当权重为正值时有效，基于 Fibonacci heap 的最

小优先队列实现版本，其时间复杂度为O(E+VlogV)。当权重有负值，可使用贝尔曼-福特算法。

1. 指定一个节点，例如我们要计算 'A' 到其他节点的最短路径
2. 引入两个集合（S、U），S集合包含已求出的最短路径的点（以及相应的最短长度），U集合包含未求出最短路径的点（以及A到该
点的路径，注意 如上图所示，A->E由于没有直接相连 初始时为∞）
3. 初始化两个集合，S集合初始时 只有当前要计算的节点，A->A = 0，U集合初始时为 A->B = 8, A->E = ∞, A->D = 1, 
A->C = 5
4. 从U集合中找出路径最短的点，加入S集合，例如 A->D = 1
5. 更新U集合路径，if ( 'D 到 C,E 的距离' + 'AD 距离' < 'A 到 C,E 的距离' ) 则更新U
循环执行 4、5 两步骤，直至遍历结束，得到A 到其他节点的最短路径