Neo4j Graph Data Science入门

一、简介

Neo4j Graph Data Science是Neo4j官方提供的一套图算法库，它用来代替之前的Graph Algorithm算法库，适合Neo4j 4.0以上版本使用。

同时官方的sandbox提供了一系列的图数据库项目，可以在官网直接申请，同时每一套项目都配置一套指南，提供快速入门，其中就包含了Graph Data Science。

二、在沙盒上创建一个GDS项目

官方文档参考
首先进入sandbox官网
第一次进入需要先登录账号，进入后，点击左上角+New Project创建一个新项目，选择Graph Data Science进行创建。

创建成功后，就可以进入到Brower页面了（注意大坑：360浏览器无法打开，推荐使用谷歌浏览器操作）

但如果不想在浏览器打开，也可以使用bolt协议在本地的Neo4j进行远程连接配置，配置好后就可以在本地直接打开了。

三、GDS实践

GDS介绍

在Neo4j Brower输入以下命令可以打开GDS的指南卡片：

:play https://guides.neo4j.com/sandbox/graph-data-science

以下是关于GDS算法的一些介绍：【渣渣翻译】

Neo4j的图数据科学(GDS)库包含了一套图算法，通过Cypher过程来调用。这套图算法提供了对图结构和节点的计算和分析方法，例如计算中心性和相似性得分，以及社区检测。GDS库分为三个成熟度级别：分别是product、beta和alpha。

本指南提供以下普通工作流来运行product层的算法：PageRank、标签传播、弱连接分量、Louvain和节点相似性。

• 计算要运行的图和算法的内存使用情况；
• 创建并管理一个图数据库；
• 将算法配置为你所需要的其中一种模式：流、写和统计。

更多细节参考官方文档 https://neo4j.com/docs/graph-algorithms/current/

可视化

在使用算法前可以先查看当前图数据库的结构和规模

CALL db.schema.visualization()

统计数据

计算一些简单的统计值来观察数据的分布情况，包括最小值、最大值、平均值、标准差

MATCH (c:Person)-[:INTERACTS]->()
WITH c, count(*) AS num
RETURN min(num) AS min, max(num) AS max, avg(num) AS avg_interactions, stdev(num) AS stdev

根据book来分组

MATCH (c:Person