Neo4j中的图算法：连通数据与图分析

直到最近，采用图形分析还需要大量的专业知识和决心，因为工具和集成是困难的，而且很少有人知道如何将图形算法应用于他们的困境和业务挑战。我们的目标是帮助改变这种状况。

我们正在编写本系列文章，以帮助组织更好地利用图表分析，以便他们做出新的发现并更快地开发智能解决方案。

虽然还有其他图形算法库和解决方案，但本系列的重点是Neo4j平台。然而，您会发现这些博客有助于理解更一般的图形概念，不管是什么图形数据库你用。

本周，我们将探讨为什么需要图表算法来分析今天的连接数据。

今天的数据需要图形算法

连通性是当今网络和系统最普遍的特点。

从蛋白质相互作用到社会网络，从通信系统到电网，从零售经验到供应链-即使是稍微复杂的网络也不是随机的，这意味着连接不是均匀分布的，也不是静态的。

这就是为什么简单的统计分析就不能充分描述-更不用说预测-连通系统中的行为。因此，当今大多数大数据分析没有充分模拟现实世界系统的连通性，也没有从大量相关数据中提取价值。

随着世界变得越来越互联，系统越来越复杂，我们必须使用构建的技术来利用关系及其动态特性。

毫不奇怪，对图形分析的兴趣已经爆炸，因为它是为了从连接的数据中获得洞察力而明确开发的。图表分析揭示了复杂的系统和网络在大规模的运作-不仅对大型实验室，而且对任何组织都是如此。图形算法是一种用于运行基于数学的计算过程，专门为连通信息创建。

理解连接数据

有四到五个“V”通常用来帮助定义大数据(体积，速度，变化，准确性和有时价值)，但几乎总是有一个强大的“V”缺失：Valence。

在化学中，价是一个元素的结合力；在心理学中，它是一个物体的内在吸引力；在语言学中，它是一个词组合的元素数。

虽然价在某些学