HITS¶
本文介绍 HITS 算法，并演示如何用 GQL 实现该算法。
算法介绍¶
HITS 通过互相强化关系联合计算 Hub 分数和 Authority 分数。
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 HITS。
数据模型¶
为了在 GQL 中实现 HITS 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 HITS 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：
max_iterations：INT64类型，默认值20。 最大迭代次数。
此外，在过程内部定义了以下变量：
| 变量名 | 变量类型 | 描述 |
|---|---|---|
iter |
原始值变量 | 当前迭代次数。 |
auth_norm |
全局 SumAgg 聚合值变量 | Authority 分数的 L2 归一化因子。 |
hub_norm |
全局 SumAgg 聚合值变量 | Hub 分数的 L2 归一化因子。 |
auth_scale |
原始值变量 | 由 auth_norm 导出的缩放因子。 |
hub_scale |
原始值变量 | 由 hub_norm 导出的缩放因子。 |
auth |
点绑定 SumAgg 聚合值变量 | 每个点当前的 Authority 分数。 |
hub |
点绑定 SumAgg 聚合值变量 | 每个点当前的 Hub 分数。 |
next_auth |
点绑定 SumAgg 聚合值变量 | 为下一次迭代计算的每点 Authority 分数。 |
next_hub |
点绑定 SumAgg 聚合值变量 | 为下一次迭代计算的每点 Hub 分数。 |
result_table |
表变量 | 存储每点 Hub 和 Authority 得分的输出表。 |
以下步骤概述了该过程的逻辑：
- 将所有点的
auth和hub分数初始化为 1.0。 - 迭代更新：每个点的
next_auth为所有入邻居的hub分数之和，next_hub为所有出邻居的auth分数之和。 - 对
next_auth和next_hub做 L2 归一化后赋值给auth和hub。 - 在完成
max_iter轮迭代后，返回（vertex_id、hub_score、authority_score）。
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 hits_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/hits/：- hits_node.csv：点数据。
- hits_edge.csv：边数据。
查看 CSV 内容
hits_node.csvid,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 24,1hits_edge.csvsrc_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 #hits_graph TYPED hits_graph_type''' USE #hits_graph IMPORT INTO GRAPH { NODE (v@Node {id: id, rating: rating}) FROM DATAFILE { PATH: "file:///examples/algorithms/hits/hits_node.csv", FORMAT: "CSV", DELIMITER: ',' }, EDGE (id: src_id)-[e@Link {weight: weight}]->(id: dst_id) FROM DATAFILE { PATH: "file:///examples/algorithms/hits/hits_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 #hits_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 HITS 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 hits(max_iterations INT64 DEFAULT 20)
RETURNS (vertex_id INT64, authority_score DOUBLE, hub_score DOUBLE)
COMMENT "Compute classic HITS scores on a directed graph. Each iteration updates authority by incoming hubs and hub by outgoing authorities, then applies L2 normalization."
AS {
VALUE iter INT64 = 0
VALUE auth_norm SumAgg<DOUBLE> = 0.0
VALUE hub_norm SumAgg<DOUBLE> = 0.0
VALUE auth_scale DOUBLE = 1.0
VALUE hub_scale DOUBLE = 1.0
NODE VALUE auth SumAgg<DOUBLE> = 1.0
NODE VALUE hub SumAgg<DOUBLE> = 1.0
NODE VALUE next_auth SumAgg<DOUBLE> = 0.0
NODE VALUE next_hub SumAgg<DOUBLE> = 0.0
TABLE result_table TYPED TABLE {
vertex_id INT64,
authority_score DOUBLE,
hub_score DOUBLE
}
WHILE iter < max_iterations THEN {
MATCH (n)
PER NODE (n) {
SET n.@next_auth = 0.0
SET n.@next_hub = 0.0
}
MATCH (u)-[e]->(v)
PER PATH {
SET v.@next_auth += u.@hub
SET u.@next_hub += v.@auth
}
SET @auth_norm = 0.0
SET @hub_norm = 0.0
MATCH (n)
PER NODE (n) {
SET @auth_norm += n.@next_auth * n.@next_auth
SET @hub_norm += n.@next_hub * n.@next_hub
}
SET auth_scale = 1.0
SET hub_scale = 1.0
IF @auth_norm > 0.0 THEN {
SET auth_scale = sqrt(@auth_norm)
}
IF @hub_norm > 0.0 THEN {
SET hub_scale = sqrt(@hub_norm)
}
MATCH (n)
PER NODE (n) {
SET n.@auth = n.@next_auth / auth_scale
SET n.@hub = n.@next_hub / hub_scale
}
SET iter = iter + 1
}
MATCH (n)
PER NODE (n) {
EXPORT n.id, n.@auth, n.@hub INTO result_table
}
FOR r IN result_table
RETURN r.vertex_id AS vertex_id,
r.authority_score AS authority_score,
r.hub_score AS hub_score
ORDER BY authority_score DESC, hub_score DESC, vertex_id ASC
}
'''
3. 调用过程¶
将最大迭代次数设为20，计算各点的权威分数和枢纽分数。
USE #hits_graph CALL hits(20) RETURN vertex_id, authority_score, hub_score
返回：
展开查看返回
+-----------+----------------------+----------------------+
| vertex_id | authority_score | hub_score |
+-----------+----------------------+----------------------+
| 6 | 0.46078818086938617 | 0.22878573735316127 |
| 5 | 0.39884673775823076 | 0.31337330345878917 |
| 4 | 0.39884673775823076 | 0.24756037000663125 |
| 9 | 0.2789090624818426 | 0.17540742241976578 |
| 3 | 0.27260133168797474 | 0.38451877935783363 |
| 8 | 0.2533178717304967 | 0.19112269631042522 |
| 12 | 0.23089470319335856 | 0.1769811859355897 |
| 15 | 0.19204040064120753 | 0.13438018150476375 |
| 10 | 0.17263468965548384 | 0.1788396587810328 |
| 14 | 0.17097520171309802 | 0.13529227098655977 |
| 18 | 0.1375170138136927 | 0.10358544634202328 |
| 16 | 0.12808929359268753 | 0.08763016515043041 |
| 2 | 0.11906967331683077 | 0.46726820561541466 |
| 13 | 0.10802068157200848 | 0.1160588314479305 |
| 21 | 0.10491444566098529 | 0.06508571864806963 |
| 19 | 0.0972248950920121 | 0.06709133539037962 |
| 7 | 0.08023279859556993 | 0.1483217184376047 |
| 22 | 0.07033156295028854 | 0.021538550495216774 |
| 11 | 0.05927891040820165 | 0.21050754784532189 |
| 24 | 0.05557332059368472 | 0.0 |
| 23 | 0.04272471207283504 | 0.021538550495216774 |
| 17 | 0.04051200770030375 | 0.10280073692903223 |
| 20 | 0.030685040504097108 | 0.0781496500805586 |
| 1 | 0.0 | 0.36121770689840116 |
+-----------+----------------------+----------------------+
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。