neo4j中心度算法（Centrality algorithm）- 1.pagerank

一.介绍
　　　PageRank算法最初是谷歌推出用来计算网页排名的，简单的说就是，指向这个网页的链接数越多，那么这个网页就越重要。
　　　PageRank算法基于两个假设：
　　　　　（1） 数量假设：一个网页的入度越大，页面质量越高
　　　　　（2）质量假设：一个网页的入度来源质量越高，页面质量越高
　　　pagerank早迭代之前都会为每个网页赋予一个相同的初始值，假设A,B,C,D四个网页，B,C,D均指向于A，则迭代一次后A的pagerank值为：PR（A）=PR(B)+PR©+PR(D),若B除指向A外还指向另一个网页，D不指向于A，则PR（A）=PR(B)/2+PR©

计算公式：

PR(A)=(1-d)+d（PR(1)/C(I)+····+PR(n)/C(n)）

（1）PR(A) 是页面A的PR值。
（2）PR(Tn)是页面Tn的PR值，在这里，页面Tn是指向A的所有页面中的某个页面。
（3）C(Tn)是页面Tn的出度，也就是Tn指向其他页面的边的个数。
（4）d 为阻尼系数，其意义是，在任意时刻，用户到达某页面后并继续向后浏览的概率，该数值是根据上网者使用浏览器书签的平均频率估算而得，可以设置在0和1之间，通常d=0.85。

二. neo4j-PageRnak

CALL algo.pageRank(label:String, relationship:String, {iterations:20, dampingFactor:0.85, write: true, writeProperty:'pagerank', concurrency:4})
YIELD nodes, iterations, loadMillis, computeMillis, writeMillis, dampingFactor, write, writeProperty

其中label即为neo4j中的label名，relationship为关系名，iterations为迭代次数，默认为20，dampingFactor：阻尼函数，默认为0.85，write:是否将计算结果写为节点属性，writeProperty：权重属性，concurrency：默认cpu数量：4。nodes, 考虑的节点的数目 iterations运行的迭代次数, loadMillis加载数据的毫秒数, computeMillis运算数据的毫秒数, writeMillis写入结果的毫秒数

三.实例

MERGE (home:Page {name:'Home'})
MERGE (about:Page {name:'About'})
MERGE (product:Page {name:'Product'})
MERGE (links:Page {name:'Links'})
MERGE (a:Page {name:'Site A'})
MERGE (b:Page {name:'Site B'})
MERGE (c:Page {name:'Site C'})
MERGE (d:Page {name:'Site D'})
MERGE (home)-[:LINKS {weight: 0.2}]->(about)
MERGE (home)-[:LINKS {weight: 0.2}]->(links)
MERGE (home)-[:LINKS {weight: 0.6}]->(product)
MERGE (about)-[:LINKS {weight: 1.0}]->(home)
MERGE (product)-[:LINKS {weight: 1.0}]->(home)
MERGE (a)-[:LINKS {weight: 1.0}]->(home)
MERGE (b)-[:LINKS {weight: 1.0}]->(home)
MERGE (c)-[:LINKS {weight: 1.0}]->(home)
MERGE (d)-[:LINKS {weight: 1.0}]->(home)
MERGE (links)-[:LINKS {weight: 0.8}]->(home)
MERGE (links)-[:LINKS {weight: 0.05}]->(a)
MERGE (links)-[:LINKS {weight: 0.05}]->(b)
MERGE (links)-[:LINKS {weight: 0.05}]->(c)
MERGE (links)-[:LINKS {weight: 0.05}]->(d)

neo4j 调用PageRank算法：

CALL algo.pageRank.stream('Page', 'LINKS', {iterations:20, dampingFactor:0.85, weightProperty: "weight"
})
YIELD nodeId, score
RETURN algo.getNodeById(nodeId).name AS page,score
ORDER BY score DESC

此处需注意，neo4j官网给的示例中return处写的是asnode，但我在neo4j3.4中尝试报错，故使用getnode成功运行。所得结果如下：