# 图算法
# 简介
eZooDB基于图论与机器学习理论，为用户提供了多种图算法，可以帮助用户探索数据的非显性关系，分析并挖掘数据的深层价值。例如：发现图中相似节点或关键节点，快速查找点间特定路径，发现图中特定结构等。
eZooDB图算法包括中心度、社区发现、相似度、路径匹配、点映射、拓扑链接预测等六大类，同时包括各种企业场景下的特殊发掘算法，共计30余种，可以满足业务场景中丰富的图上的探索需求，帮助用户进行各类数据分析。
eZoo-Studio中的的图算法模块，可以帮助用户快速地了解eZooDB的算法功能，同时：
- 在小规模的数据场景中，获得直观的，全局的查看体验，快速了解图中数据的分布与特点。
- 辅助无技术基础的业务人员高效地使用图算法，可视化查看分析结果，进行数据分析。
- 所有算法具有预先设计的内置参数，可一键查询，使用户快速获得查询结果。
在探索页面选择左侧标签栏的图算法分析，可以在下拉菜单选择不同的算法应用。
目前eZoo-Studio中仅支持部分eZooDB的图算法，后续我们会持续更新其他算法。
本文档将会在每类算法中选取部分算法为例，介绍eZoo-Studio的算法功能使用，关于其他算法的信息可查看图算法接口的详细技术文档。
# 中心度算法
中心度算法主要用于识别图中特定节点的角色及其对网络的影响，快速发现图中更“重要”的节点。不同的中心度算法具有不同的判断策略，在不同的场景下有不同的应用，例如：
- 在金融风控场景中，追踪资金流向，分析股权关系
- 在互联网络或城市网络管理场景中，发现关键设备或设施节点，调整网络结构
- 在供应链分析场景中，分析供应商影响，发现重点企业
- 在舆情监控场景中，发现重点传播节点，分析传播链路
- 在市场运营场景中，辅助店铺选址，广告投放分析
# Pagerank算法
Pagerank算法根据边上权重值，基于传播模型，计算图中节点的重要程度，可用于进行重要基因探索，交通流量预测等。
界面左侧可以配置算法查询的相关参数，调整算法模型。
点击查询后就可以在右侧看到算法结果。其中，中心度较大的点，体积也会变得更大。
点击表格视图，或点击右侧菜单栏，可以看到各个节点的中心都分数。
# 社群发现算法
社群指在一个图上紧密相连的点集合，而社群发现算法用于划分图中节点，或发现符合需求的社群。根据不同的发现策略，一张图可能会被划分成不同的社群。在不同的场景下，社群发现算法有不同的应用，例如：
- 在反欺诈场景中，发现洗钱团伙，进行可信计算
- 在市场运营场景中，分析产品定位，填补市场空缺
- 在电商场景中，绘制用户画像，进行商品的智能推荐
- 在生物医疗场景中，分析生物分子，发现医疗社群结构
# LPA算法
LPA(Label Propagation Algorithm in semi-synchronous way)算法基于半同步标签传播理论，通过半监督学习，将图中的节点进行社群划分，具有很好的分类表现。
界面左侧可以配置算法查询的相关参数，调整算法模型，平衡计算消耗与分类效果。
点击查询后就可以在右侧看到算法结果。其中，处在同一社群的节点会被框在一起。
点击表格视图，或点击右侧菜单栏，可以看到各个社群，以及其中包含的节点。
# k-core算法
k-core算法目的是发现图中指定核心度的子图结构，帮助用户发现一个网络中的核心团体。
界面左侧可以配置算法查询的相关参数，选择适合的核心度进行发现。
点击查询后就可以在右侧看到算法结果。其中，符合核心度的子图结构会被框选。
点击表格视图，或点击右侧菜单栏，可以看到核心社群的节点信息。
