neo4j为图数据库，其中涉及的也就为图算法，图算法被用来度量图形，节点及关系。

在neo4j中，通过call algo.list() 可查看neo4j中的算法列表。

在neo4j官方文档中，主要记录如下各种方法：

一. 　　中心性算法（Centrality algorithms）

　　　　　　中心度算法主要用来判断一个图中不同节点的重要性：

　　　　　　　（１）PageRank（页面排名算法，algo.pageRank）

　　　　　　　（２）ArticleRank（文档排名算法，algo.articleRank）

　　　　　　　（３）Betweenness Centrality（中介中心性，algo.betweenness）

　　　　　　　（４）Closeness Centrality(紧密中心性，algo.closeness)

　　　　　　　（５）Harmonic Centrality（谐波中心性(这个翻译一直拿不准)，algo.closseness）

　　　　　　　（６）Eigenvecor Centrality （特征向量中心性，algo.eigenvector）

　　　　　　　（７）Degree Centrality(度中心性，algo.degree)

二. 　　社区发现算法（Community detection algorithms）

　　　　　　评估一个群体是如何聚集或划分的，以及其增强或分裂的趋势：

　　　　　　　　（１）Louvain(鲁汶算法，algo.louvain)

　　　　　　　　（２）Label Propagation（标签传播算法，algo.labelPropagagtion）

　　　　　　　　（３）Connected Components（连通组件算法，algo.unionFind）

　　　　　　　　（４）Strongly Connected Compontents（强连通组件，algo.scc）

　　　　　　　　（５）Triangle Counting/Clustering Coefficient（三角计数/聚类系数，algo.triangleCount）

　　　　　　　　（６） Balanced Triads（平衡三角算法，algo.balancedTriads）

三. 　　　路径寻找算法（Path Finding algorithms）　　　　　

　　　　　　用于找到最短路径，或者评估路径的可用性和质量：

　　　　　　　　（１）Ｍinimum Weight Spanning Tree（最小权重生成树，algo.mst）

　　　　　　　　（２）Shortest Path（最短路径，algo.shortestPath）

　　　　　　　　（３）Single Source Shortesr Path（单源最短路径，algo.shortestPath.deltastepping）

　　　　　　　　（４）All Pairs Shortest Path （全节点对最短路径，algo.allShortestPath）

　　　　　　　　（５）Ａ＊ （Ａ　star, algo.shortestPath.astar）

　　　　　　　　（６）Yen’s K-shortest paths(Yen k最短路径，algo.kShortestPaths)

　　　　　　　　（７）Random Walk（随机路径，algo.randomWalk）

四．　　相似度算法（Similarity algorithms）

　　　　　　用于计算节点间的相似度：

　　　　　　　　（１）Jaccard Similarity（Jaccard相似度，algo.similarity.jaccard）

　　　　　　　　（２）Consine Similarity（余弦相似度，algo.similarity.consine）

　　　　　　　　（３）Pearson Similarity（Pearson相似度，algo.similarity.pearson）

　　　　　　　　（４）Euclidean Distance（欧式距离，algo.similarity.euclidean）

　　　　　　　　（５）Overlap Similarity（重叠相似度，algo.similarity.overlap）

五.　　　链接预测算法（Link Prediction algorithms）

　　　　　　下面算法有助于确定一对节点的紧密程度。然后，我们将使用计算的分数作为链接预测解决方案的一部分:

　　　　　　　　（１）Adamic Adar（algo.linkprediction.adamicAdar）

　　　　　　　　（２）Common Neighbors（相同邻居，algo.linkprediction.commonNeighbors）

　　　　　　　　（３）Preferential Attachment（择优连接，algo.linkprediction.preferentialAttachment）

　　　　　　　　（４）Resource Allocation（资源分配，algo.linkprediction.resourceAllocation）

　　　　　　　　（５）Same Community（相同社区，algo.linkprediction.sameCommunity）

　　　　　　　　（６）Total Neighbors（总邻居，algo.linkprediction.totalNeighbors）

六　　　预处理算法（Preprocessing functions and procedures）

　　　　　　 　数据处理过程：

　　　　　　 　 （１）One Hot Encoding （algo.ml.oneHotEncoding）

原文地址：https://www.cnblogs.com/mzyn22/archive/2019/06/21/11065162.html