#gStore-weekly | gStore最新版本0.9.1之PPR函数的使用

本文链接：https://blog.csdn.net/weixin_48167662/article/details/122699366

在内核版本v0.9.1中，新增了Personalized PageRank（PPR）自定义函数，Personalized PageRank自定义函数可用于计算实体间的相关度，从而在图中找出影响度最大的节点。

PPR(u, k, pre_set,retNum)

参数说明：

u :变量或节点IRI，表示源结点

K :整数，用来控制大规模图上的运算量，当k设为-1时，相当于不作限制，将算出接近真实值的PPR

pre_set :考虑的谓词集合（若给出空，则默认为考虑所有谓词）

retNum :整数，表示返回 PPR 值为 Top-k 的结点 IRI 及其对应的 PPR（若总结点数不足 k 个，则返回所有结点IRI 及其对应的 PPR）

1. 示例数据

为了更好地演示PPR函数功能，使用以下的数据作为示例数据：

<Alice> <关注> <Bob> .<Alice> <喜欢> <Bob> .<Alice> <不喜欢> <Eve> .<Bob> <关注> <Alice>.<Bob> <喜欢> <Eve> .<Carol> <关注> <Bob> .<Carol> <喜欢> <Bob> .<Carol> <不喜欢><Francis> .<Dave> <关注> <Alice>.<Dave> <关注> <Eve> .<Dave> <不喜欢><Francis> .<Eve> <喜欢> <Carol>.<Francis> <喜欢> <Carol>.<Francis> <不喜欢> <Dave>.<Francis> <不喜欢> <Eve> .

上述数据的图如下：

2. 示例

我们假设要查询与Francis相关度最高的三人，且构成它边只能有“喜欢”关系标记，SPARQL查询语句为：

SELECT (PPR(<Francis>, -1, {<喜欢>}, 3) as ?y)WHERE {}

结果如下（为方便阅读，省略了字符串最外层的双引号和内部双引号转义）：

{     "paths":[{        "src":"<Francis>",         "results":[            {"dst":"<Carol>","PPR":0.325179},            {"dst":"<Bob>","PPR":0.262717},            {"dst":"<Eve>","PPR":0.212104}         ]     }] }

下面标红的部分即为与Francis有"喜欢"关系的人，从图可看出：Carol与Francis的相关度最高，其次Bob，最后为Eve，与PPR函数查询的结果匹配一致。