度中心性¶

本文介绍度中心性算法，并演示如何用 GQL 实现该算法。

算法介绍¶

度中心性通过统计点关联边数量衡量点重要性。度数越高的点被认为更具影响力，因为它们与图中更多点具有直接连接。

该过程将算法逻辑封装为可复用过程，可直接在图数据上执行并输出结果。

更多信息，请参见度中心性。

数据模型¶

为了在 GQL 中实现度中心性算法，使用以下数据模型创建图类型：

实体由类型为Node的点表示，点属性包括id和rating。
实体间关系由类型为Link的边表示，边属性包括weight。

该图类型的完整定义，请参见准备图数据。

过程实现 ¶

为了计算度中心性结果，创建一个过程。

关于该过程的更多信息，请参见过程实现。下文将介绍该过程的关键组成部分及其工作原理。

该过程接受以下输入参数：

该过程不需要输入参数。

此外，在过程内部定义了以下变量：

变量名	变量类型	描述
`degree`	点绑定 SumAgg 聚合值变量	每个点的关联边数量（无向度数）。
`result_table`	表变量	存储 (vertex_id, degree) 结果对的输出表。

以下步骤概述了该过程的逻辑：

将每点的degree初始化为 0。
对每条无向边，将源端点的degree加 1。
将所有（点 ID、度数）对导出到result_table。
返回（vertex_id、degree），按度数降序排列。

操作步骤¶

在悦数图管理的控制台中，按顺序执行以下代码块。首次使用时，先按准备算法示例数据确认操作位置和目录挂载。

1. 准备图数据 ¶

创建一个与数据模型匹配的图类型。

'''
CREATE GRAPH TYPE IF NOT EXISTS degree_centrality_graph_type AS {
    NODE Node (LABEL Node {id INT PRIMARY KEY, rating INT}),
    EDGE Link (Node)-[LABEL Link {weight INT, MULTIEDGE KEY()}]->(Node)
}
'''

下载以下 CSV 文件，保留文件名，保存到部署目录下的examples/algorithms/degree_centrality/：

degree_centrality_node.csv：点数据。
degree_centrality_edge.csv：边数据。

查看 CSV 内容

degree_centrality_node.csv

id,rating
1,0
2,2
3,1
4,0
5,0
6,2
7,1
8,2
9,0
10,1
11,0
12,2
13,1
14,1
15,0
16,2
17,0
18,1
19,2
20,0
21,2
22,1
23,0
24,1

degree_centrality_edge.csv

src_id,dst_id,weight
1,2,4
1,3,2
1,4,7
1,5,9
2,3,1
2,4,6
2,5,5
2,6,2
3,4,3
3,5,4
3,6,8
4,6,2
4,7,6
4,8,5
5,6,4
5,8,7
5,9,6
6,8,1
6,9,5
6,10,6
7,9,2
7,10,9
8,9,3
8,11,6
8,12,4
9,10,4
9,12,7
9,13,2
10,12,1
10,13,8
10,14,4
11,12,2
11,14,5
11,15,7
12,14,3
12,15,6
12,16,5
13,15,2
13,16,7
14,15,4
14,17,8
14,18,2
15,16,1
15,18,5
15,19,3
16,18,3
16,19,6
17,18,2
17,20,7
17,21,5
18,19,4
18,21,9
18,22,6
19,21,1
19,22,5
20,21,3
20,23,6
20,24,8
21,22,2
21,23,4
21,24,7
22,24,4
23,24,1

基于图类型创建临时图，并将数据文件加载到临时图中。

CREATE TEMPORARY GRAPH IF NOT EXISTS #degree_centrality_graph TYPED degree_centrality_graph_type

'''
USE #degree_centrality_graph IMPORT INTO GRAPH {
      NODE (v@Node {id: id, rating: rating}) FROM DATAFILE {
          PATH: "file:///examples/algorithms/degree_centrality/degree_centrality_node.csv",
          FORMAT: "CSV",
          DELIMITER: ','
      },
      EDGE (id: src_id)-[e@Link {weight: weight}]->(id: dst_id) FROM DATAFILE {
          PATH: "file:///examples/algorithms/degree_centrality/degree_centrality_edge.csv",
          FORMAT: "CSV",
          DELIMITER: ','
      }
  }
'''

导入成功后，在控制台执行以下查询核对点数：

'''
USE #degree_centrality_graph
MATCH (n)
RETURN count(n) AS node_count
'''

node_count应为24。点数不符时，先按文件问题排查检查文件和导入结果。

2. 创建过程 ¶

创建实现度中心性算法的过程。关于该过程的更多信息，请参见过程实现。

'''
CREATE OR REPLACE PROCEDURE degree_centrality()
RETURNS (vertex_id INT64, degree INT64)
COMMENT "Compute undirected degree centrality for all vertices and return them sorted by degree descending."
AS {
  NODE VALUE degree SumAgg<INT64> = 0

  TABLE result_table TYPED TABLE {vertex_id INT64, degree INT64}

  MATCH (s)-[e]-(t)
  PER PATH {
    SET s.@degree += 1
  }

  MATCH (s)
  PER NODE (s) {
    EXPORT s.id, s.@degree INTO result_table
  }

  FOR r IN result_table
  RETURN r.vertex_id AS vertex_id, r.degree AS degree
  ORDER BY degree DESC, vertex_id ASC
}
'''

3. 调用过程 ¶

计算各点的度。

USE #degree_centrality_graph CALL degree_centrality() RETURN vertex_id, degree

返回：

展开查看返回

+-----------+--------+
| vertex_id | degree |
+-----------+--------+
| 6         | 7      |
| 9         | 7      |
| 12        | 7      |
| 15        | 7      |
| 18        | 7      |
| 21        | 7      |
| 4         | 6      |
| 5         | 6      |
| 8         | 6      |
| 10        | 6      |
| 14        | 6      |
| 2         | 5      |
| 3         | 5      |
| 16        | 5      |
| 19        | 5      |
| 1         | 4      |
| 11        | 4      |
| 13        | 4      |
| 17        | 4      |
| 20        | 4      |
| 22        | 4      |
| 24        | 4      |
| 7         | 3      |
| 23        | 3      |
+-----------+--------+

保存结果到文件或图中

如需将返回的结果保存为 CSV 文件或写入图，请参见 EXPORT。导出字段应与返回列及目标属性对应。

度中心性¶

算法介绍¶

数据模型¶

过程实现¶

操作步骤¶

1. 准备图数据¶

2. 创建过程¶

3. 调用过程¶

过程实现 ¶

1. 准备图数据 ¶

2. 创建过程 ¶

3. 调用过程 ¶