一、介绍 从一种很高的角度来看，GDS通过将数据转换并加载到内存中的格式来工作，该格式针对高性能图分析进行了优化。GDS提供图形算法、特征工程和机器学习方法来执行这种内存图格式。这使得数据科学能够高效且可扩展地应用于大型图计算，包括整个图数据库或其中大部分的表示。 在本文中，我们将介绍GDS中的高级工作流，以及支持该工作流的CPU和内存配置信息。 二、通用工作流 下图显示了GDS中的一般工作流，它分为3个高级步骤。 图1：GDS高级工作流 读取并加载图：GDS需要从Neo4j数据库读取数据，进行转换，然后将其加载到内存中的图中。在GDS中，我们将此过程称为投影图（graphproject...

一、简介 Neo4j图形数据科学库（GraphDataScienceLibrary）为Neo4j提供了高效实现的并行通用图形算法版本，以Cypher过程的形式公开。当前最新版本为2.0。 许可证协议： ​​CreativeCommons4.0​​ 本文简要介绍Neo4j图形数据科学库中的主要概念。该库的目标是：为Neo4j提供高效实现的并行通用图形算法版本，以Cypher过程的形式公开。 1、算法 图算法用于计算图、节点或关系的度量。它们可以提供关于图中相关实体（中心度、排名）或社区等固有结构（社区检测、图分区、聚类）的见解。 许多图算法都是迭代方法，使用随机遍历、广度优先或深度优先...