NEO4J-链路预测算法06-全邻域算法（Total Neighbors ）应用场景简介

1.简介

        Total Neighbors 根据节点拥有的唯一邻居的数量计算节点的接近度。它基于节点连接越多，接收新链接的可能性就越大的想法

        算法公式如下：

其中N(x)为节点x的关系节点，N(y)为节点y相邻节点。

值0表示两个节点不接近，而较高的值表示节点较近。

neo4j包含一个函数来计算两个节点之间的接近度

2.使用场景

3.源码解析

    public double totalNeighbors(@Name("node1") Node node1, @Name("node2") Node node2,
                                 @Name(value = "config", defaultValue = "{}") Map<String, Object> config) {
        ProcedureConfiguration configuration = ProcedureConfiguration.create(config);
        RelationshipType relationshipType = configuration.getRelationship();
        Direction direction = configuration.getDirection(Direction.BOTH);

        NeighborsFinder neighborsFinder = new NeighborsFinder(api);
        return neighborsFinder.findNeighbors(node1, node2, relationshipType, direction).size();
    }

        入参:node1,node2为两个节点数据，config中能识别relationshipQuery和direction,其中relationshipQuery为节点关系编码，direction为方向，默认为BOTH无方向，OUTING为node1->node2,INCOMING为node2->node1。

        源码解析:

1.将传入的config参数放入ProcedureConfiguration的config中

ProcedureConfiguration configuration = ProcedureConfiguration.create(config);

2.获取ProcedureConfiguration类config中relationshipQuery参数（此参数为关系名称）

RelationshipType relationshipType = configuration.getRelationship();

3.获取config中direction参数，此为指定关系方向

Direction direction = configuration.getDirection(Direction.BOTH);

4.获取两个节点所有相邻节点并集的数量

neighborsFinder.findNeighbors(node1, node2, relationshipType, direction).size();

4.neo4j中资源分配算法使用示例 

1）数据初始化

MERGE (zhen:Person {name: "Zhen"})
MERGE (praveena:Person {name: "Praveena"})
MERGE (michael:Person {name: "Michael"})
MERGE (arya:Person {name: "Arya"})
MERGE (karin:Person {name: "Karin"})

MERGE (zhen)-[:FRIENDS]-(arya)
MERGE (zhen)-[:FRIENDS]-(praveena)
MERGE (praveena)-[:WORKS_WITH]-(karin)
MERGE (praveena)-[:FRIENDS]-(michael)
MERGE (michael)-[:WORKS_WITH]-(karin)
MERGE (arya)-[:FRIENDS]-(karin)

2）以下将返回 Michael 和 Karin 的 Total Neighbors 全邻域数

MATCH (p1:Person {name: 'Michael'})
MATCH (p2:Person {name: 'Karin'})
RETURN algo.linkprediction.totalNeighbors(p1, p2) AS score

结果：4.0

3）我们还可以根据特定的关系类型计算一对节点的全邻域数.以下将仅根据FRIENDS关系返回 Michael 和 Karin 的全邻域数

MATCH (p1:Person {name: 'Michael'})
MATCH (p2:Person {name: 'Karin'})
RETURN algo.linkprediction.totalNeighbors(p1, p2, {relationshipQuery: "FRIENDS"}) AS score

结果：2.0

NEO4J-链路预测算法05-相同社区算法（Same Community）应用场景简介

下一篇：