https://plumephp.com/tags/gds/Recent content in GDS on PlumePHPHugozh-CNTue, 29 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-centrality-algorithms-deep/Tue, 29 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-centrality-algorithms-deep/<h2 id="引言">引言</h2> <p>「谁是这个网络里最重要的节点」是个常见问题，但「重要」有完全不同的含义：连接最多的人、离所有人最近的人、连接两拨人的桥梁、被重要人物看重的人、还是被全世界引用的枢纽？中心性算法就是把这些不同的「重要性」形式化为可计算的指标。本文讲中心性算法的深入理解：先厘清中心性的概念（五种语义各回答什么问题），再逐个深入五种算法——度中心性（连接的多少）、接近中心性（距离的远近，含调和平均修正）、介数中心性（桥梁的角色，Brandes 算法的精髓）、特征向量中心性（重要邻居的加权，幂迭代）、PageRank（全局重要性，随机游走与阻尼因子），然后是五种中心性的比较与选型（语义差异与场景匹配）、大规模计算与近似（近似介数、流式与分布式）、最后是关键节点识别/传播源定位/反欺诈等应用实践。目标：你能根据「要回答什么问题」选对中心性算法，并理解其计算与在大图上的近似策略。</p>https://plumephp.com/graphdb-graph-community-detection/Mon, 28 Sep 2026 14:00:00 +0800https://plumephp.com/graphdb-graph-community-detection/<h2 id="引言">引言</h2> <p>图里天然存在「抱团」结构：社交圈、资金团伙、话题簇、蛋白质复合体。社区发现（Community Detection）就是自动把这些群体划出来，是图分析最常用的工具之一。本文系统讲社区发现：先理解社区结构与模块度（衡量划分质量的核心指标），再逐个深入主流算法——Louvain（层次聚类、当前实践标准）、标签传播 LPA（极快但质量波动）、Infomap（信息论视角）、重叠社区（一个人属于多个圈子）、谱聚类（线性代数视角），然后是评估指标（模块度/NMI/ARI/纯度）与超参数调优、GDS 实操（Neo4j GDS 库）、动态图的社区演化、最后是业务落地（团伙识别/推荐/异常检测）。目标：你能选对算法、跑出可靠的社区划分，并正确评估它好不好。</p>