#gStore-weekly | gStore最新版1.2之新增内置高级函数详解（二）

gStore1.2版本新增了七个高级函数，我们第2期将继续介绍的高级函数为：整体/局部集聚系数（clusterCoeff）、鲁汶算法（louvain）、K跳计数（kHopCount）/K跳邻居（kHopNeighbor）三类高级函数。

1 局部/整体集聚系数（clusterCoeff）

1.1 局部集聚系数

查询结点 u 的局部集聚系数，即所有与它相连的结点之间所连的边的数量（即实际形成的以 u 为顶点的三角形数目），除以这些结点之间可以连出的最大边数（即最大可能形成的以 u 为顶点的三角形数目）。

clusterCoeff(u, directed, pred_set)

• 参数u : 变量或结点 IRI

  directed :布尔值，为真表示有向，为假表示无向（图中所有边视为双向） 。将图视为有向时，仅计数 cycle 类型三角形（详见三角形计数的介绍）

  pred_set：考虑的谓词集合（若设置为空 {} ，则表示允许出现数据中的所有谓词）

• 返回值

  返回值为结点 u 的局部集聚系数，对应的值为双精度浮点数（形式详见以下例子）。

  {
   "paths":[
          {"src":"<IRI>","result":0.123}
   ]
  }
  

• 示例（数据集详见【4 示例数据集】）

  下面的查询为局部集聚系数，构成它的边上关系为喜欢和关注：

  SELECT (clusterCoeff(<Eve>,false,{<喜欢>,<关注>}) AS ?y) WHERE{}
  

  结果如下

  {
   "paths":[
          {"src":"<Eve>","result":0.333333}
   ]
  }
  

1.2  整体集聚系数

查询图的整体集聚系数。

clusterCoeff(directed, pred_set)

• 参数

  directed :布尔值，为真表示有向，为假表示无向（图中所有边视为双向） 。将图视为有向时，仅计数 cycle 类型三角形（详见三角形计数的介绍）

  pred_set：考虑的谓词集合（若设置为空 {} ，则表示允许出现数据中的所有谓词）

• 返回值

  返回值为图的整体集聚系数，对应的值为双精度浮点数。

• 示例（数据集详见【4 示例数据集】）

  返回值为结点 u 的整体集聚系数，对应的值为双精度浮点数（形式详见以下例子）。

  SELECT (clusterCoeff(false, {<喜欢>,<关注>}) AS ?y) WHERE{}
  

  结果如下

  {
   "paths":[0.272727]
  }
  

2 鲁汶算法（louvain）

基于标签传播查询图中各结点的聚类情况，可用于社区发现等多种应用。

louvain(directed, pred_set, maxIter, increase)

• 参数directed : 布尔值，为真表示有向，为假表示无向（图中所有边视为双向）

  pred_set：考虑的谓词集合（若设置为空 {} ，则表示允许出现数据中的所有谓词）

  maxIter: 最大迭代次数，大于等于1的整数

  increase: 模块度增益阈值(0~1)

• 返回值

  返回值为以下形式，count为划分的社区数量，details为划分的各社区信息，包括社区编号communityId、成员数量menberNum

  {
      "count": 3,
      "details": [
          { "communityId": "2", "menberNum": 5},
          { "communityId": "4", "menberNum": 5},
          { "communityId": "5", "menberNum": 4}
      ]
  }
  

• 示例（数据集详见【4 示例数据集】）

  下面的查询在无向图（图中所有边视为双向）中的各结点的聚类情况，边上的关系可以是喜欢或关注，最大迭代次数为1，模块度增益阈值为1查询语句为：

  SELECT (louvain(false, {<喜欢>, <关注>}, maxIter=1,increase=0.01) AS ?x) WHERE{}
  

  结果如下

  {
      "paths":[
       {
        "count":2, 
        "details":[
         {"communityId":"5", "menberNum":3},
      {"communityId":"6", "menberNum":3}
                 ]
           }
    ]
  }
  

3 K跳计数（kHopCount）/K跳邻居（kHopNeighbor）

3.1 K跳计数（kHopCount）

查询从结点 u 开始，统计其k层可所访问到的结点个数。

kHopCount(u, directed, k, pred_set)

• 参数

  u : 变量或结点 IRI

  directed :布尔值，为真表示有向，为假表示无向（图中所有边视为双向）

  k :跳数（仅统计此跳数可达的节点数）

  pred_set：考虑的谓词集合（若设置为空 {} ，则表示允许出现数据中的所有谓词）

• 返回值

  返回值为以下形式，其中 src 为 u 对应的 IRI ；depth 为所处层数/高度（等于参数k）；count 为所处层数访问到的结点总数，类型为整型。

  {
      "paths":[
          { "src": "<IRI>", "depth": 3, "count": 1}
      ]
  }
  

• 示例（数据集详见【4 示例数据集】）

  下面的查询返回图中的K跳计数，构成它的有向边由喜欢，关注关系3跳内的计数信息：

  SELECT (kHopCount(<Alice>,true,3,{<喜欢>,<关注>}) AS ?y) WHERE{}
  

  结果如下

  {
      "paths":[
          {"src":"<Alice>","depth":3, "count":1}
      ]
  }
  

3.2  K跳邻居（kHopNeighbor）

查询从结点 u 开始，其k层可所访问到的结点。

kHopNeighbor(u, directed, k, pred_set, ret_num)

• 参数

  u : 变量或结点 IRI，表示源结点

  directed :布尔值，为真表示有向，为假表示无向（图中所有边视为双向）

  k :跳数（仅统计此跳数可达的节点数）

  pred_set：考虑的谓词集合（若设置为空 {} ，则表示允许出现数据中的所有谓词）

  ret_num：整数，选填，默认为100，表示最多返回 ret_num 个结点 IRI （若总结点数不足 ret_num 个，则返回所有结点 IRI ）

• 返回值

  返回值为以下形式，其中 src 为 u 对应的 IRI ；depth 为所处层数/高度（等于参数k）；dst为所处层数访问到的结点列表。

  {
      "paths":[
          { 
              "src": "<SRC_IRI>", 
              "depth": 1, 
              "dst": ["<DST_IRI>"]
          }
      ]
  }
  

• 示例（数据集详见【4 示例数据集】）

  下面的查询返回图中的K跳邻居，构成它的有向边由喜欢，关注关系3跳内的邻居信息：

  SELECT (kHopNeighbor(<Francis>,true,3,{<喜欢>,<关注>},100) AS ?y) WHERE{}
  

  结果如下

  {
   "paths":[
    {
              "src":"<Francis>",
              "depth":3,
              "dst":["<Eve>","<Alice>"]
          }
   ]
  }
  

4 示例数据集

<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> .

虚拟网络社交图