TigerGraph開源十大圖資料庫演算法庫

12月 24日 訊息，企業級圖分析平臺TigerGraph宣佈，正式開源 TigerGraph GSQL 圖資料庫演算法庫，釋出三大類共十大核心演算法。透過開放這些演算法庫，使用者能以更加簡單易用的方式支援更廣泛場景的業務分析。目前，使用者可以從github下載該演算法庫。

TigerGraph GSQL圖演算法庫包含了一系列效能卓越的GSQL查詢，所以GSQL的圖形演算法本質上是GSQL查詢。每種演算法都可以作為一個獨立的查詢使用，而每個查詢都可以實現某種標準的圖演算法。

在演算法執行中，使用者可以選擇三種不同格式的輸出結果，包括 JSON格式流輸出、 輸出值寫入表格類檔案，以及儲存為頂點屬性值。

目前，GSQL的圖形演算法庫中開源的核心演算法可分為三類：路徑搜尋的演算法、衡量中心度的演算法以及衡量群體度的演算法。

路徑搜尋的演算法，用於幫助使用者找到最短路徑或評估某條路徑的可行性或質量。其中主要包括：

·無權重單起點最短路徑演算法(Single-Source Shortest Path)。這種演算法在大量應用中都有廣泛運用，例如估計事件影響、評估知識傳播，或者用於調查犯罪的方法等。

·含權重單起點最短路徑演算法(Single-Source Shortest Path)。 這種演算法在尋找更優路線的應用中非常普遍，例如在GPS導航的路徑規劃中尋找兩個地點之間的最短路徑。

衡量中心度的演算法，用於幫助確定網路中某個頂點對於總體的重要性，可以用來解釋“位置有多靠中心”這樣的問題。其中主要包括：

·頁面排名演算法(PageRank)。這種演算法主要用於測量每個頂點對於其他頂點的影響力，例如能夠揭示個人在社交網路中的社會影響力大小、尋找複雜網路分析中的源頭和權威性等。

·接近中心度演算法(Closeness Centrality)。這種演算法可以幫助精確地衡量某一個頂點到底“多靠近中心”，例如在複雜的社交網路中，確定出中心度越高的個體，越有可能是網路中的一箇中心。

衡量群體度的演算法，主要用於評估一個網路結構中個體組合或分裂的程度，同時也能夠獲得網路的組織程度正在加強或削弱的趨勢。其中主要包括：

·連通分量演算法(Connected Components)。這種演算法能夠幫助確定互相連通的一組頂點和邊的最大範圍，例如在社會網路分析領域用於尋找網路中的有聯絡的小團體或個體。

·標籤傳播演算法(Label Propagation)。這種演算法是一種啟發性演算法，利用頂點間的關係建立關係完全圖模型，用於確定社群內部關係，例如廣泛地應用到多媒體資訊分類、虛擬社群挖掘等領域。

圖：TigerGraph演算法庫總覽