pagerank数据集_图数据库探秘

继续分析语义学和数据科学，现在该讨论图数据库及其所提供的内容。

介绍

我们是否应该将宝贵的时间用于学习提取，存储和分析数据的新方法？接触图表上的数学吗？

对我来说，我开始调查时不确定答案，但过了一会儿，我的答案是：

在本文的此处，我将讨论图形数据库的一些思想和概念，它们是什么，它们的优点是什么，以及它们如何在我们的日常任务中为我们提供帮助。

顺便说一句，我真的很厌倦编写大量的JOIN和loooong查询来计算2017年1月至2018年10月在Y州购买商品X的顾客数量(及其平均工资)，并且顾客的购买时间超过Z个月。因此，一切对我都有帮助，并且我认为很多人都可以减少时间，并使之变得更容易，更直观。

什么是图？

当我们谈论图表时，英语存在一个问题(西班牙语则没有问题)。如果您在线搜索图形图像，则可能会看到以下内容：

> google.com

但这不是我想谈的那种图表。 当我在这里谈论图形时，这是您应该在脑海中描绘的图形：

我将给出两个图形定义。首先是数学，然后是更简单的数学。

根据Behzad和Chartrand的说法：

图G是有限的非空集合V，以及V的(不同)元素的两个元素子集的(可能是空的)集合E(与V不相交)。V的每个元素被称为顶点和 V本身作为G的顶点集； 边缘集E的成员称为边缘。 图的元素是指顶点或边。

图论最吸引人的特征之一在于主题的几何或图形方面。 给定一个图形，通常用图形表示是有用的，其中集合的每个元素由平面中的一个点表示，每个边缘由一个线段表示。

将G的这种图称为G本身是很方便的，因为集合V和E很容易辨别。 在下面的图中，显示了图形G，其中顶点集V = {V1，V2，V3，V4}并且边缘集E = {V1V2，V1V3，V2V4，V3V4}

> Copyright Favio Vázquez (you can use it of course)

如您所见，集合V包含图中顶点或点的数量，E包含它们之间的关系(读取V1V2，就像将V1连接到V2一样)。

因此，简而言之，图是对象(或实体或节点)及其关系(或边缘)的数学表示。 这些点中的每一个都可以代表不同的内容，具体取决于您想要的内容。 顺便说一下，这里的节点和顶点是相同的，我们将互换使用它们。

我们将回顾一个有关在绘制图形数据库时如何使用它们的示例。

什么是数据库？

> https://www.bmc.com/blogs/dbms-database-management-systems/

从技术百科：

从最一般的意义上讲，数据库(DB)是有组织的数据集合。 更具体地，数据库是一种电子系统，其允许容易地访问，操纵和更新数据。

换句话说，组织将数据库用作存储，管理和检索信息的方法。 使用数据库管理系统(DBMS)管理现代数据库。

你想知道真相吗？根据我的经验，大多数数据库是：

· 没有组织

· 不容易访问

· 不容易操纵

· 不容易更新

当我们谈论做数据科学时。 在较早的年份(例如20哈哈)，因为数据简单，较小和较慢，所以维护数据库更容易。

如今，我们几乎可以将所需的任何内容保存在"数据库"中，而我认为该定义仍然存在于另一个概念中，即关系数据库。

在关系数据库中，我们有一组"正式"描述的表，可以用许多不同的方式从中访问或重组数据，而不必重新组织数据库表。 基本上，我们有一些模式可以存储不同的表，在这些表内部有一组列和行，在特定位置(行和列)有一个观察值。

这些表之间也有关系。但是它们不是最重要的，它们包含的数据是最重要的。通常，它们是这样的：

> https://towardsdatascience.com/what-if-i-told-you-database-indexes-could-be-learned-6cf8f59bff94

什么是图数据库？

www.cbronline.com/enterprise-it/software/graph-technology-data-standby-every-fortune-500-company

基于数学图的概念，图数据库包含节点和边的集合。 节点代表一个对象，边缘代表两个对象之间的连接或关系。 图形数据库中的每个节点由表示键值对的唯一标识符标识。 此外，每个边均由唯一的标识符定义，该标识符详细描述了起始节点或结束节点以及一组属性。

我将使用Cambridge Semantics的一个示例来说明图数据库的工作方式。

假设我们有一些数据存储在本地餐馆连锁店中。通常，在关系数据库中，您会将客户信息存储在一个数据库表中，将您提供的物品存储在另一个数据库表中，并将您的销售额存储在第三个表中。

当我想了解我的销售产品，订单库存以及谁是我的最佳客户时，这很好。但是缺少的是结缔组织，项目之间的联系以及数据库中可以让我充分利用的功能。

图数据库存储相同种类的数据，但也能够存储事物之间的链接。 约翰买了很多百事可乐，杰克嫁给了瓦莱丽(Valerie)，并购买了不同的饮料。 我不必运行JOIN即可了解如何向每个客户进行营销。 我可以看到数据中的关系，而不必进行假设和检验。

来自neo4j的人们提到：

访问本机图数据库中的节点和关系是一种高效的，恒定时间的操作，它使您能够每秒快速遍历每个内核数百万个连接。

关系数据库将高度结构化的数据存储在具有预定列和行的表中，而图数据库可以映射多种类型的关系和复杂数据。因此，图数据库的组织和结构并不像关系数据库那样僵化。所有关系都本机存储在边缘的顶点内，这意味着顶点和边缘可以各自具有与之关联的属性。这种结构允许数据库能够描述不相关数据集之间的复杂关系。

图数据库的用途

blog.cambridgesemantics.com/why-knowledge-graph-for-financial-services-real-world-use-cases

您知道吗？随着越来越多的大型和小型组织最近开始投资图数据库技术，2018年被誉为"图之年"。 因此，我们在这里并不走疯路。

我并不是说我们从关系数据库中了解的所有信息以及SQL将不再起作用。我的意思是，在某些情况下(令人惊讶的是很多情况)，使用关系图数据库比使用关系图数据库更好。

现在，我将为您提供有关何时应该使用图数据库而不是其他内容的想法：

· 您有高度相关的数据。

· 您需要一个灵活的架构。

· 您想要一个结构和构建更类似于人们思维方式的查询。

相反，如果您具有高度结构化的数据，则希望进行大量的分组计算，而表之间没有那么多的关系，那么使用关系数据库可能会更好。

图数据库还有另一个(不是很明显的)优势。它使您可以构建知识图。因为它们是图，所以知识图更加直观。人们不会在表格中思考，但是他们会立即理解图表。当您在白板上绘制知识图的结构时，对于大多数人来说，这显然是什么意思。

然后，您可以开始考虑构建数据结构，这可以使您重新思考整个机器学习和数据科学的方式。但这是下一篇文章的素材。

在公司中实施图形数据库

像传统的RDBMS一样，图数据库可以是事务性的或分析性的。

选择图数据库时选择焦点。 例如，流行的Neo4J，Neptune或JanusGraph专注于事务(OLTP)图数据库。

像AnzoGraph这样的东西是分析(OLAP)图数据库。 但是，请注意，您可能需要一个不同的引擎来运行涉及单个实体的快速查询(例如，肖恩买什么苏打水？)和轮询整个数据库的分析查询。 (例如，肖恩这样的人支付的苏打水平均价格是多少？)。 随着机器学习和AI的发展，图OLAP数据库变得非常重要，因为许多机器学习算法本质上都是图算法，与在RDBMS上运行相比，它们在图OLAP数据库上运行效率更高。

在这里，您可以找到适用于不同类型图数据库和计算工具的大量资源：

https://github.com/jbmusso/awesome-graph

图OLAP数据库的用例非常广泛。 例如，可以使用PageRank算法找到关键意见领袖和书推荐者。 此外，进行客户流失分析以提高客户保留率，甚至进行机器学习分析来确定推动书籍销售的前五个因素。

下一步是什么？

以下图表(摘自https://db-engines.com/)显示了该类别受欢迎程度的历史趋势。在每个月的排名中，选择每个类别中最好的三个系统，并计算其排名分数的平均值。为了进行比较，将初始值归一化为100。

> Graph databases are getting a lot of attention

> Together with Time Series databases, graph databases are on the top.

随着数据源的持续快速增长(非结构化数据以最快的速度增长)，寻找基于机器的见解变得越来越重要。

图数据库为链接各种数据提供了出色的基础架构。通过轻松表达实体和数据之间的关系，图形数据库使程序员，用户和机器更容易理解数据并寻找见解。这种更深层次的理解对于成功的机器学习计划至关重要，因为基于上下文的机器学习对于功能工程，基于机器的推理和推理变得越来越重要。

将来，我将讨论图形数据库如何总体上帮助我们进行机器学习和数据科学。

(本文由闻数起舞翻译自Favio Vázquez的文章《Graph Databases. What's the Big Deal?》，转载请注明出处，原文链接：https://towardsdatascience.com/graph-databases-whats-the-big-deal-ec310b1bc0ed)