編集した質問が少し具体的になりました。グラフから推論を行うのにどのようなアルゴリズムを使用できますか？
ノードのコンテンツに基づいているのではなく、有向グラフの構造のみに基づいて作成しようとしていません。
たとえば、ページランク（当初）は、関連性の高いものについて推論を行うためにリンク構造（有向グラフ）を単独で使用しました。私は完全にはわかりませんが、Elo（チェスランク）はプレイヤーをランク付けするために何かsimlairを行います（スコアを追加しますが）。
私はpythonのnetworkxパッケージを使用していますが、今私はこれを達成するアルゴリズムを理解したいと思います。
ありがとうございます！
Eigenvector centralityは、ランダムウォークでノードが遭遇する確率をモデル化するために使用できるネットワークメトリックです。それは、ノードが有するエッジの数だけでなく、それが接続するノードのエッジの数も、接続されたノードに接続されたノードが有するエッジを有していることを考慮する。 GoogleのPageRankアルゴリズムがどのように動作するかはランダムウォークで実装できます。
つまり、network analysisというフィールドは広く、新しい興味深い研究で発展し続けています。あなたが質問をする方法は、あなたが異なる印象を持つかもしれないことを意味します。おそらく、私がここに含まれている3つのリンクを見て、それがあなたに始まったかどうかを見てから、より具体的な質問をフォローアップすることから始めましょう。
答えがありがとう、それはページランクがまさに私が求めていたものだが、もっと多くがあるかどうかを知りたいと思った今朝私に当たった。ありがとう+1 – Lostsoul
おそらくMarkov Random FieldsとConditional Random Fieldsをご覧ください。おそらく、あなたが記述しているものに類似した最も近いものは、次のとおりです。Bayesian Network
うん、何の確率？ – Avaris
私は一般的な問題を解決するためのより一般的な情報を探しています。私はエッジがそれをやる方法だと理解していますが、他のものがあるかどうか、あるいは私の問題に特有のものがすべてあるかどうかを確認しようとしていましたか？ – Lostsoul
ご迷惑をおかけして申し訳ございませんが、ご迷惑をおかけして申し訳ございません。私はday1からの注文のリストとday2からの注文のリスト（そして顧客の注文をつなぎ合わせるエッジ）を持っています。グラフを使って、3日目の購入予定を予測できますか？ – Lostsoul