그래프 알고리즘

1장. 시작하기
__그래프란?
__그래프 분석과 알고리즘은 무엇인가?
__그래프 프로세싱, 데이터베이스, 질의, 알고리즘
____OLTP와 OLAP
__그래프 알고리즘에 관심을 가져야 하는 이유
__그래프 분석 사례
__결론

2장. 그래프 이론과 개념
__용어
__그래프 타입과 구조
____랜덤, 작은 세상, 척도 독립 구조
__그래프가 갖는 여러 특징
____연결과 비연결 그래프
____비가중 그래프와 가중 그래프
____비방향성 그래프와 방향성 그래프
____비순환 그래프와 순환 그래프
____희소 그래프와 밀집 그래프
____일분, 이분, k분 그래프
__그래프 알고리즘의 타입
____경로 찾기
____중심성
____커뮤니티 검출
__요약

3장. 그래프 플랫폼과 프로세싱
__그래프 플랫폼과 프로세싱 고려 사항
____플랫폼 고려 사항
____프로세싱 고려 사항
__대표적인 플랫폼
____플랫폼 선택
____아파치 스파크
____Neo4j 그래프 플랫폼
__요약

4장. 경로 찾기와 그래프 탐색 알고리즘
__예제 데이터: 운송 그래프
____데이터를 아파치 스파크로 불러오기
____데이터를 Neo4j로 불러오기
__너비 우선 탐색
____너비 우선 탐색(아파치 스파크 활용)
__깊이 우선 탐색
__최단 경로
____언제 최단 경로를 사용해야 하는가?
____최단 경로(Neo4j 사용)
____최단 경로(Neo4j 사용)
____최단 경로(가중치 적용, 아파치 스파크 사용)
____최단 경로의 변형(Variation): A*
____최단 경로의 변형: 옌의 k-최단 경로
__모든 쌍의 최단 경로
____모든 쌍의 최단 경로를 자세히 알아보기
____모든 쌍의 최단 경로를 사용해야 할 경우
____모든 쌍의 최단 경로(아파치 스파크 사용)
____모든 쌍의 최단 경로(Neo4j 사용)
__단일 출발 최단 경로
____단일 출발 최단 경로를 사용해야 할 경우
____단일 출발 최단 경로(아파치 스파크 사용)
____단일 출발 최단 경로(Neo4j 사용)
__최소 신장 트리
____최소 신장 트리를 사용해야 할 경우
____최소 신장 트리(Neo4j 사용)
__랜덤 워크
____랜덤 워크를 사용해야 할 경우
____Neo4j를 사용한 랜덤 워크
__요약

5장. 중심성 알고리즘
__그래프 데이터 예: 소셜 그래프
____아파치 스파크로 데이터 가져오기
____Neo4j로 데이터 가져오기
__연결 중심성
____도달
____연결 중심성을 사용해야 할 경우
____연결 중심성(아파치 스파크 사용)
__근접 중심성
____근접 중심성을 사용해야 할 경우
____근접 중심성(아파치 스파크 사용)
____근접 중심성(Neo4j 사용)
____근접 중심성 변형: 와서만과 파우스트
____근접 중심성 변형: 조화 중심성
__매개 중심성
____매개 중심성을 사용해야 할 경우
____매개 중심성(Neo4j 사용)
____매개 중심성 변형: 랜덤 근사 브랜드
__PageRank
____영향력
____PageRank 공식
____반복 동작, 랜덤 서퍼, 랭크 싱크
____PageRank를 사용해야 할 경우
____PageRank(아파치 스파크 사용)
____PageRank(Neo4j 사용)
____PageRank 변형: 개인화된 PageRank
__요약

6장. 커뮤니티 검출 알고리즘
__예제 그래프 데이터: 소프트웨어 종속성 그래프
____아파치 스파크로 데이터 가져오기
____Neo4j로 데이터 가져오기
__트라이앵글 수와 결집 계수
____지역 결집 계수
____전역 결집 계수
____트라이앵글 수와 결집 계수를 사용해야 할 경우
____트라이앵글 수(아파치 스파크 사용)
____Neo4j 사용한 트라이앵글
____지역 결집 계수(Neo4j 사용)
__강한 연결 요소
____강한 연결 요소를 사용해야 할 경우
____강한 연결 요소(아파치 스파크 사용)
____강한 연결 요소(Neo4j 사용)
__연결 요소
____연결 요소를 사용해야 할 경우
____연결 요소(아파치 스파크 사용)
____연결 요소(Neo4j 사용)
__레이블 전파
____준지도 학습과 시드 레이블
____레이블 전파를 사용해야 할 경우
____레이블 전파(아파치 스파크 사용)
____레이블 전파(Neo4j 사용)
__루뱅 모듈성
____루뱅을 사용해야 할 때
____루뱅(Neo4j 사용)
__커뮤니티 검증
__요약

7장. 실전 그래프 알고리즘
__Neo4j를 사용한 옐프 데이터 분석
____옐프 소셜 네트워크
____데이터 불러오기
____그래프 모델
____옐프 데이터 개요
____여행 계획 애플리케이션
____여행 비즈니스 컨설팅
____유사 카테고리 찾기
__아파치 스파크로 항공사 비행 데이터 분석
____탐색적 분석
____인기 있는 공항
____ORD에서 지연
____SFO의 좋지 않은 비행 날짜
____항공사별 상호 연결 공항
__요약

8장. 머신러닝 향상을 위한 그래프 알고리즘
__머신러닝과 문맥의 중요성
____그래프, 콘텍스트, 정확도
__연결 특징 추출과 선택
____그래프 특징
____그래프 알고리즘 특징
__실전 그래프와 머신러닝: 링크 예측
____도구와 데이터
____Neo4j로 데이터 가져오기
____공동 저자 그래프
____균형된 훈련과 테스트용 데이터 세트 만들기
____누락된 링크를 예측하는 방법
____머신러닝 파이프라인 생성
____링크 예측: 기본 그래프 특징
____링크 예측: 트라이앵글과 결집 계수
____링크 예측: 커뮤니티 검출
__요약
__전체 내용 요약

부록. 추가 정보와 자원
__기타 알고리즘
__Neo4j 대량 데이터 가져오기와 옐프
____APOC와 다른 Neo4j 도구
__데이터 세트 찾기
__아파치 스파크와 Neo4j 플랫폼 지원
__훈련