随着图形数据库的迅速崛起，企业正在实施高级分析和机器学习解决方案，以帮助推动业务成果。本实用指南向数据科学家、数据工程师、架构师和业务分析师展示了如何使用领先的图形数据库模型TigerGraph开始使用图形数据库。 你将探索从互联数据中获取价值的三阶段方法：连接、分析和学习。三位作者介绍了涵盖多种当代业务需求的真实使用案例。通过使用TigerGraph Cloud进行实践练习，你将很快熟练掌握为企业设计和管理高级分析和机器学习解决方案的方法。 通过学习本书，你将： 使用图形思维来连接、分析和学习数据，以实现高级分析和机器学习。 了解图分析和机器学习如何提供关键的商业洞察力和成果。 使用图算法的五个核心类别来推动高级分析和机器学习。 提供核心业务实体（包括客户、产品、服务、供应商和公民）的实时全景视图。 通过机器学习和高级分析从连接数据中发现洞察力。

前言
第1章 连接就是一切
1.1 连接改变一切
1.1.1 什么是图
1.1.2 图的重要性
1.1.3 边连接优于表连接
1.2 图分析和机器学习
1.3 本章小结
第一部分 连接
第2章 连接并探索数据
2.1 图的结构
2.1.1 图的术语
2.1.2 图的模式
2.2 图的遍历
2.2.1 跳数和距离
2.2.2 广度和深度
2.3 图的建模
2.3.1 图模式选项和权衡
2.3.2 表格转换为图
2.3.3 模型演进
2.4 图的能力
2.4.1 连接点
2.4.2 360度视图
2.4.3 深入洞察
2.4.4 寻找并发现模式
2.4.5 匹配和合并
2.4.6 加权和预测
2.5 本章小结
第3章 更好地了解客户和业务：360图
3.1 案例1：跟踪和分析客户旅程
3.2 解决方案：Customer 360+旅程图
3.3 实现C360+旅程图：一个GraphStudio教程
3.3.1 创建TigerGraph Cloud账户
3.3.2 获取并安装Customer 360入门套件
3.3.3 GraphStudio概述
3.3.4 设计图模式
3.3.5 加载数据
3.3.6 查询和分析
3.4 案例2：药物不良反应分析
3.5 解决方案：药物相互作用360图
3.6 实现
3.6.1 图模式
3.6.2 查询和分析
3.7 本章小结
第4章 研究创业投资
4.1 目标：找到有前途的创业公司
4.2 解决方案：创业投资图
4.3 实现创业投资图以及查询
4.3.1 Crunchbase入门套件
4.3.2 图模式
4.3.3 查询和分析
4.4 本章小结
第5章 检测欺诈和洗钱模式
5.1 目标：检测金融犯罪
5.2 解决方案：将金融犯罪建模为网络模式
5.3 实施金融犯罪模式搜索
5.3.1 欺诈和洗钱检测入门套件
5.3.2 图模式
5.3.3 查询和分析
5.4 本章小结
第二部分 分析
第6章 深入洞察：分析连接的重要性
6.1 了解图分析
6.1.1 分析要求
6.1.2 图遍历方法
6.1.3 并行处理
6.1.4 聚合
6.2 使用图算法进行分析
6.2.1 将图算法作为工具
6.2.2 图算法分类
6.3 本章小结
第7章 更好的推荐和建议
7.1 案例1：改善医疗转诊
7.2 解决方案：构建和分析转诊图
7.3 实现医疗专家转诊网络
7.3.1 医疗转诊网络入门套件
7.3.2 图模式
7.3.3 查询和分析
7.4 案例2：个性化推荐
7.5 解决方案：使用图进行基于多关系的推荐
7.6 实现多关系推荐引擎
7.6.1 推荐引擎2.0入门套件
7.6.2 图模式
7.6.3 查询和分析
7.7 本章小结
第8章 加强网络安全
8.1 网络攻击的代价
8.2 挑战
8.3 解决方案
8.4 实现网络安全图
8.4.1 网络安全威胁检测入门套件
8.4.2 图模式
8.4.3 查询和分析
8.5 本章小结
第9章 航空公司航线分析
9.1 目标：分析航空公司航线
9.2 解决方案：航线网络的图算法
9.3 实现机场和航线分析器
9.3.1 图算法入门套件
9.3.2 图模式和数据集
9.3.3 安装GDS库中的算法
9.3.4 查询和分析
9.4 本章小结
第三部分 学习
第10章 图驱动的机器学习算法
10.1 基于图算法的无监督学习
10.1.1 通过相似性和社区结构来学习
10.1.2 寻找频繁模式
10.2 提取图特征
10.2.1 领域无关特征
10.2.2 领域相关特征
10.2.3 图嵌入：一个全新的世界
10.3 图神经网络
10.3.1 图卷积网络
10.3.2 GraphSAGE
10.4 图机器学习方法的比较
10.4.1 机器学习任务的用例
10.4.2 模式发现与特征提取方法
10.4.3 图神经网络：总结与应用
10.5 本章小结
第11章 重新审视实体解析
11.1 问题描述：识别现实世界的用户及其品味
11.2 解决方案：基于图的实体解析
11.2.1 确实哪些实体是相同的
11.2.2 实体解析
11.3 实现基于图的实体解析
11.3.1 数据库内实体解析入门套件
11.3.2 图模式
11.3.3 查询和分析
11.3.4 方法1：Jaccard相似度
11.3.5 合并
11.3.6 方法2：评分精确和近似匹配
11.4 本章小结
第12章 改进欺诈检测
12.1 目标：改进欺诈检测
12.2 解决方案：使用关系创建更智能的模型
12.3 使用TigerGraph ML Workbench
12.3.1 设置ML Workbench
12.3.2 使用ML Workbench和Jupyter Notes
12.3.3 图模式和数据集
12.3.4 图特征工程
12.3.5 用图特征训练传统模型
12.3.6 使用图神经网络