这是一本全面讲解当下主流图算法原理与工程实践的著作，旨在帮助读者在分析和处理各种复杂的数据关系时能更好地得其法、善其事、尽其能。
全书共10章：第1～3章主要介绍图的思维方式、图算法基础以及如何评估图算法的效率；第4～9章主要讲解6类经典图算法，包括中心性算法、相似度算法、连通性和紧密度算法、传播与分类算法、拓扑链接预测算法、图嵌入算法等，一共20余种算法，详细讲解了这些算法的原理、参数以及行业应用。第10章以案例的方式讲解了图算法在金融、生物医药等领域的深度应用，旨在为广大图数据库的使用者、开发者提供启发性思考。
本书概念清晰、内容丰富、实用性强、语言流畅，深入浅出、重点突出，既适合入门读者阅读，又适合有一定图数据库基础的进阶人员阅读。

嬴图团队，一支致力于构建世界上最快、最直观、最易用的下一代实时图数据库的国际化的技术研发与推广团队。自研的核心产品包括高性能图计算与实时图数据库软件，已构建了一整套针对数据资产管理、数据生命周期管理、数据治理指标管理的智能化产品矩阵。
致力于用图数据库（图中台、图计算引擎）、图增强AI技术、BI技术等为金融、大健康、医疗等行业深度赋能，业务主要集中在数据治理、数字化转型、流动性管理、资产负债管理、全面风险管理等领域。
团队目前已获得高密度并行图计算、超级节点处理、高性能查询语言及半结构化图数据处理、海量数据导入、装置、设备及存储介质、数据库深度路径搜索、动态图剪枝过滤等30多项技术成果和专利，100%自研并拥有全部底层架构，研发成果已成功服务于多家大型央企、国有企业及世界500强企业。
团队成员孙宇熙、刘思燕、张建松等毕业于哈佛大学商学院、清华大学等世界知名学府，来自硅谷和全球100强企业，拥有丰富的海内外创业与技术工程经验。

前言
第1章 图思维方式
1.1 什么是图
1.1.1 人类到底是如何思考的
1.1.2 由一道面试题引发的思考
1.2 图论与图计算
1.2.1 图论及其发展史
1.2.2 图计算概述
第2章 图算法基础
2.1 图算法的分类
2.2 图分析与数据科学
第3章 如何评估图算法的效率
3.1 什么是算法效率
3.2 查询模式、数据结构和计算效率
3.2.1 查询模式
3.2.2 数据结构与计算效率
3.3 并发设计与加速
第4章 中心性算法
4.1 节点度中心性
4.1.1 算法历史和原理
4.1.2 算法复杂度与算法参数
4.1.3 行业应用：零售信贷消费预测
4.2 接近中心性
4.2.1 算法历史和原理
4.2.2 算法复杂度与算法参数
4.2.3 行业应用：功能性场所选址
4.3 中介中心性
4.3.1 算法历史和原理
4.3.2 算法复杂度与算法参数
4.3.3 行业应用：交通枢纽评估
4.4 网页排名
4.4.1 算法历史和原理
4.4.2 算法复杂度与算法参数
4.4.3 行业应用：互联网网页排名
4.5 虚假账号排名
4.5.1 算法历史和原理
4.5.2 算法复杂度与算法参数
4.5.3 行业应用：社交网络恶意账号识别
第5章 相似度算法
5.1 杰卡德相似度
5.1.1 算法历史和原理
5.1.2 算法复杂度与算法参数
5.1.3 行业应用：度量学习模型的预测准确性
5.2 重叠相似度
5.2.1 算法历史和原理
5.2.2 算法复杂度与算法参数
5.2.3 行业应用：文本相似度比较
5.3 余弦相似度
5.3.1 算法历史和原理
5.3.2 算法复杂度与算法参数
5.3.3 行业应用：人脸识别
5.4 欧几里得距离
5.4.1 算法历史和原理
5.4.2 算法复杂度与算法参数
5.4.3 行业应用：异常检测
5.5 皮尔森相关系数
5.5.1 算法历史和原理
5.5.2 算法复杂度与算法参数
5.5.3 行业应用：构建相关性网络
第6章 连通性和紧密度算法
6.1 全图k邻
6.1.1 算法历史和原理
6.1.2 算法复杂度与算法参数
6.1.3 行业应用：企业影响力分析（工商和供应链图谱）
6.2 三角形计算
6.2.1 算法历史和原理
6.2.2 算法复杂度与算法参数
6.2.3 行业应用：社交网络紧密性
6.3 二分图
6.3.1 算法历史和原理
6.3.2 算法复杂度与算法参数
6.3.3 行业应用：地图着色问题
6.4 连通分量
6.4.1 算法历史和原理
6.4.2 算法复杂度与算法参数
6.4.3 行业应用：中继器网络安全系数
计算
6.5 最小生成树
6.5.1 算法历史和原理
6.5.2 算法复杂度与算法参数
6.5.3 行业应用：电力、网络线路规划
第7章 传播与分类算法
7.1 标签传播
7.1.1 算法历史和原理
7.1.2 算法复杂度与算法参数
7.1.3 行业应用：社交网络用户兴趣分类
7.2 k最近邻
7.2.1 算法历史和原理
7.2.2 算法复杂度与算法参数
7.2.3 行业应用：手写识别与离群点检测
7.3 k均值
7.3.1 算法历史和原理
7.3.2 算法复杂度与算法参数
7.3.3 行业应用：基于向量聚类的图像
颜色缩减
7.4 鲁汶识别
7.4.1 算法历史和原理
7.4.2 算法复杂度与算法参数
7.4.3 行业应用：用户社交关系分类
第8章 拓扑链接预测算法
8.1 基于节点低阶相似性
8.1.1 共同邻居
8.1.2 AA指标
8.1.3 资源分配
8.1.4 优先连接
8.2 基于节点高阶相似性
8.2.1 最短距离
8.2.2 Katz指标
8.2.3 重启型随机游走
8.2.4 SimRank指标
8.3 行业应用：推荐系统
第9章 图嵌入算法
9.1 图嵌入的目的
9.2 基于随机游走
9.2.1 随机游走概述
9.2.2 Skip-gram模型
9.2.3 负采样
9.2.4 损失函数
9.3 基于图神经网络
9.3.1 图神经网络概述
9.3.2 图卷积网络
9.3.3 GraphSAGE
9.4 行业应用：药物不良反应预测
第10章 图算法实战
10.1 在流动性风险管理中的创新应用
10.1.1 应用背景概述
10.1.2 传统计量工具的痛点与图变革
10.1.3 图计算应用于流动性风险管理的优势
10.2 在交叉性金融风险领域的识别与计量
10.2.1 交叉性金融风险的“蝴蝶效应”
10.2.2 识别并计量交叉性金融风险
10.2.3 图计算在金融领域的应用
10.3 实时商业决策与智能
10.4 最终受益人查询
10.5 实时欺诈识别
10.6 AI知识图谱反洗钱与智能推荐
10.6.1 反洗钱场景
10.6.2 智能推荐场景
10.7 寄生虫网络的研究
10.7.1 研究生态系统的痛点与解决思路
10.7.2 关于流行病的预防与研究