Update neo4j-graph-algorithms.md

data/3.Neo4j 高阶/1.图数据科学和机器学习/2.图算法概览/neo4j-graph-algorithms.md

-# Neo4j 图算法概览
\ No newline at end of file
+# Neo4j 图算法概览
+
+Neo4j Graph Data Science (GDS) 库包含许多图算法。包含以下类型算法的实现：
+
+- [路径查找](https://neo4j.com/docs/graph-data-science/current/algorithms/pathfinding/)- 这些算法有助于找到最短路径或评估路径的可用性和质量
+- [中心性](https://neo4j.com/docs/graph-data-science/current/algorithms/centrality/)- 这些算法确定网络中不同节点的重要性
+- [社区检测](https://neo4j.com/docs/graph-data-science/current/algorithms/community/)——这些算法评估一个群体是如何聚集或划分的，以及它加强或分裂的趋势
+- [相似性](https://neo4j.com/docs/graph-data-science/current/algorithms/similarity/)- 这些算法有助于计算节点的相似性
+- [链接预测](https://neo4j.com/docs/graph-data-science/current/algorithms/linkprediction/)- 这些算法确定节点对的接近程度
+- [节点嵌入](https://neo4j.com/docs/graph-data-science/current/algorithms/node-embeddings/)- 这些算法计算图中节点的向量表示。
+- [节点分类](https://neo4j.com/docs/graph-data-science/current/algorithms/node-classification/)- 该算法使用机器学习来预测节点的分类。
+
+以下指南提供了图形数据科学库和相关主题部分的更多详细信息和背景。
+
+- [图搜索算法](https://neo4j.com/developer/graph-data-science/graph-search-algorithms/)
+- [寻路算法](https://neo4j.com/developer/graph-data-science/path-finding-graph-algorithms/)
+- [中心性算法](https://neo4j.com/developer/graph-data-science/centrality-graph-algorithms/)
+- [社区检测算法](https://neo4j.com/developer/graph-data-science/community-detection-graph-algorithms/)
+- [图嵌入](https://neo4j.com/developer/graph-data-science/graph-embeddings/)
+- [链接预测](https://neo4j.com/developer/graph-data-science/link-prediction/)
+- [连接特征提取](https://neo4j.com/developer/graph-data-science/connected-feature-extraction/)
+
+问题：
+
+下列描述中，不正确的一项是？
+
+## 答案
+
+PageRank不是一种图算法
+
+## 选项
+
+### A
+
+图算法是专门处理关系而构建的数学计算
+
+### B
+
+图搜索（或图遍历）算法探索图以进行一般发现或显式搜索。他们将尝试访问尽可能多的图，但并不期望他们探索的路径在计算上是最优的。
+
+### C
+
+路径查找算法建立在[图搜索算法](https://neo4j.com/developer/graph-search-algorithms)之上，探索节点之间的路径，从一个节点开始，遍历关系直到到达目的地。
+
+### D
+
+中心性算法是图算法的传统类别之一。他们在图中找到重要的节点。
+
+### E
+
+PageRank不是一种图算法
\ No newline at end of file