Neo4j Graph Data Science 库中的度中心性算法实例

度中心性算法可用于查找图中的流行节点。它可以应用于加权图或未加权图。在加权情况下，算法计算图中每个节点的节点相邻关系的所有正权重的总和。忽略非正权重。

图的建立过程在专栏的其他文章中，不再赘述。

可以先看这个链接建立图
https://blog.csdn.net/m0_46371988/article/details/123986388?spm=1001.2014.3001.5501

首先给这个图命名

Graph是图的名字，Location是结点，ROAD是边。REVERSE，倒置，找入度最多的点。cost是边的权重那个属性。

CALL gds.graph.project(
  'Graph',
  'Location',
  {
    ROAD: {
      orientation: 'REVERSE',
      properties: ['cost']
    }
  }
)
如果节点和边比较多的话：

```python
CALL gds.graph.project(
  'mygraph',
  ['users','genres','movies','occupation'],
  ['hasOccupation','rated','hasGenre']

)

测试一下内存

```python
CALL gds.degree.write.estimate('Graph', { writeProperty: 'degree' })
YIELD nodeCount, relationshipCount, bytesMin, bytesMax, requiredMemory

度中心性计算。前两句和都不需要改。第三句话注意name，和ROAD是边。第四句话也注意一下。

CALL gds.degree.stream('Graph')
YIELD nodeId, score
RETURN gds.util.asNode(nodeId).name AS name, score AS ROAD
ORDER BY ROAD DESC, name DESC

官方原文档
https://neo4j.com/docs/graph-data-science/current/algorithms/degree-centrality/