category
系统讲解图数据中的子图模式挖掘：为什么从节点视角转向子图视角（结构基元与异常检测）、Motif 网络基元的定义与意义（三节点/四节点模式、显著性检验）、子图同构（模式匹配的核心，VF2/Ullmann 算法、Cypher 模式匹配）、频繁子图挖掘（gSpan、支持度与反单调性）、图模式匹配查询（Cypher 子图查询与 APOC）、Motif 的意义（功能基元/异常结构/欺诈模式）、大规模挖掘的挑战（同构爆炸、剪枝、采样）、以及社交结构/欺诈模式等应用实践，帮助从图的局部结构中提取洞察。
系统讲解图数据库/图数据科学中的中心性算法：中心性的概念与意义（谁在图里重要）、度中心性（连接的多少，入度/出度/加权）、接近中心性（距离的远近，调和平均的修正）、介数中心性（桥梁的角色，Brandes 算法）、特征向量中心性（重要邻居的加权，幂迭代）、PageRank（全局重要性，阻尼因子与随机游走）、五种中心性的比较与选型（语义差异、场景匹配）、大规模计算与近似（近似介数、流式方法）、以及关键节点识别/传播源定位/反欺诈等应用实践，帮助选对并算对中心性指标。
系统讲解图数据库的约束机制与数据治理实践：为什么需要图约束、唯一性约束（实体唯一与去重）、存在性约束（必填关系与必填属性）、属性约束与类型、约束的建模与演进（约束变更与迁移）、数据治理框架（元数据/命名/所有权/生命周期）、数据质量维度（完整性/一致性/准确性/时效性）、主数据管理与血缘（MDM 与数据来源追踪）、治理工具与流程（Schema 校验/审计/自动化），帮助建立可信、规范、可维护的图谱数据资产管理。
系统讲解图数据库深度路径遍历的优化：多跳查询的挑战（组合爆炸与重复展开）、变长路径查询的语义与写法（*1..5 的展开、方向与约束）、遍历顺序与剪枝策略（先过滤后遍历、方向裁剪、深度限制）、图遍历器与策略（BFS/DFS、双向遍历、迭代式展开）、深度遍历的性能陷阱（路径笛卡尔积、关系属性过滤、无索引展开）、索引与存储优化（关系索引、邻接表缓存）、遍历的批处理与预计算（物化路径、动态规划中间结果）、以及资金链/社交网络深层遍历的实践与遍历监控调优，帮助在图上高效执行大跳数查询。
系统讲解时态图（Temporal Graph）与时间维度建模：时间属性的类型（valid time / transaction time）、时态关系的建模策略、bitemporal 建模、事件时序图与时间戳关系、历史状态查询（point-in-time）、图版本与快照、时态路径与时序分析、以及 Neo4j 等图库中的时间建模实践与性能考虑，帮助在图上表达和查询时间维度。
系统讲解社区发现（Community Detection）与图聚类：社区结构与模块度、Louvain 算法的层次聚类原理、标签传播（LPA）、Infomap、重叠社区（LFM/EGONET）、谱聚类、社区评估指标（模块度/NMI/ARI/纯度）、GDS 实操与参数调优、动态图社区、以及业务应用（群体识别/推荐/安全分析），帮助在图上高效划分有意义的群体。
系统讲解实体解析（Entity Resolution）与身份图实践：实体链接与去重的核心问题、身份图谱建模（实体主节点 + 别名/属性边）、候选生成的阻塞与索引、相似度计算（编辑距离/Jaro-Winkler/规则）、确定性 vs 概率匹配、机器学习辅助解析、增量与实时解析、主数据管理（MDM）与治理，帮助构建企业级统一身份视图。
系统讲解图数据导入与 ETL：导入前的建模准备（实体与关系映射）、批量导入工具（LOAD CSV / neo4j-admin import / APOC）、流式同步（Kafka CDC / 变更数据捕获）、增量更新与幂等设计、实体匹配与去重、数据质量校验与观测、导入性能优化，帮助把关系型/文件/流式数据稳定高效地灌入图数据库。
系统讲解图查询优化：Cypher 优化器的两阶段规划（逻辑→物理）、代价估算与启发式规则、Eager/Lazy 评估、模式匹配的执行策略、EXPLAIN 与 PROFILE 读法、慢查询诊断方法、索引设计与查询写法优化、统计信息与基数估算、以及计划缓存与调优流程，帮助把图查询从慢调快。
系统覆盖基于图数据库的推荐系统：协同过滤 vs 图推荐对比、用户-物品二部图建模、基于相似度的推荐（Jaccard/余弦/共同邻居）、基于路径的推荐（元路径/多跳传播）、Neo4j 实时推荐查询、图嵌入推荐（node2vec/GraphSAGE）、混合推荐架构与冷启动治理。
系统覆盖图数据建模的思维转换与实战模式：属性图 vs 关系模型建模差异、节点/关系/属性的建模决策、高基数关系、超节点与超边、时序图建模、动态标签与多对多建模、常见反模式（链式关系、属性塞节点、无差别动态标签）、Neo4j 建模落地与性能权衡。
深入图数据库的存储与执行内核：无索引邻接（index-free adjacency）为何让图查询快、节点/关系/属性在磁盘上的记录布局、遍历引擎与执行计划、标签与属性索引、属性存储与压缩、内存图 vs 磁盘图、事务写入与 WAL、从 Cypher 到物理计划的流水线，以及 Neo4j / JanusGraph / NebulaGraph 的存储引擎对比，帮助理解图数据库快在哪里、瓶颈在哪里。
系统覆盖图嵌入与图神经网络（GNN）：图嵌入的动机与三类方法（随机游走/node2vec、矩阵分解、GraphSAGE）、图神经网络核心（消息传递、聚合函数、GCN/GAT）、节点分类/链路预测/图分类任务、训练与评估（划分/度量）、PyTorch Geometric 实战、以及与图数据库的联合应用。
系统覆盖图数据库在反欺诈/风控场景的实战：欺诈图谱的数据建模（设备/IP/账户/联系人）、团伙识别与社群发现（Louvain/连通分量）、环检测与中介中心性、基于图谱的规则引擎、实时反欺诈查询优化、特征提取与模型融合（图特征+机器学习）、以及大规模风控图谱的工程落地。
系统覆盖 RDF 语义网核心技术栈：RDF 三元组与图模型、RDF/XML/Turtle/JSON-LD 序列化、命名空间与 IRI、RDFS 与 OWL 本体建模、SPARQL 查询语言（SELECT/CONSTRUCT/DESCRIBE/ASK）、SPARQL 更新与推理、RDF vs 属性图对比、Jena/Virtuoso 实战、以及 RDF 在知识图谱互操作与 Wikidata 场景的应用。
系统覆盖 Neo4j 生产环境性能调优：性能问题定位方法论、page cache 与 JVM 堆内存配置、执行计划 EXPLAIN/PROFILE 分析、查询优化技巧（限制深度/参数化/标签先行）、索引设计与复合/全文索引、批量写入与导入性能、常见性能反模式与调优清单。
图数据库生产运维手册：Neo4j Causal Cluster 拓扑与因果一致性、读写分离与客户端路由、Fabric 分片与复制策略、neo4j-admin 备份恢复与 PITR、Prometheus 监控告警，以及 NebulaGraph/JanusGraph/Dgraph 集群架构对比与选型决策。
图数据可视化与分析全指南：Neo4j Bloom/Browser 场景化探索、Cytoscape.js 与 D3.js 前端可视化实战、WebGL 大规模图渲染策略（采样/聚合/分片）、基于 Grafana/Metabase 的图数据仪表盘与图指标分析。
GraphRAG 落地指南：传统向量 RAG 的三大局限、实体链接与图检索增强、Neo4j Vector Index 构建与相似度查询、LangChain 集成、微软 GraphRAG/LightRAG 变体对比，以及可评测的工程落地路径。
知识图谱构建工程手册：实体识别（spaCy/预训练模型）与实体链接消歧、基于规则/依赖解析/LLM 的三元组抽取、本体设计与 RDF→属性图映射、从文本清洗到图谱入库的完整流水线实现，附质量评估与增量更新方案。