数据分析之图算法: 基于Spark和Neo4j

使用图算法增强机器学习

｜

171

8.3.7

　预测链接

：

基本图特征

我们将从创建简单模型开始，基于从共同作者、择优连接和邻节点并集总数提取的特征，

尝试预测两位作者未来是否会合作。



共同作者

查找两位作者之间的潜在三角形数。这主要基于这样的理念：有共同作者的两位作者将

来可能会被相互引见并开展协作。



择优连接

将每对作者的合著者数量相乘，为每对作者生成一个分值。按照常理，一位作者更有可

能与已经合著了大量论文的人合作。



邻节点并集总数

找到每位作者的合著者总数，然后减去重复数。

在

Neo4j

中，可以使用

Cypher

查询来计算这些值。下面的函数将计算这些针对训练集的度

量指标：

def

apply_graphy_training_features(data):

query = """

UNWIND $pairs AS pair

MATCH (p1) WHERE id(p1) = pair.node1

MATCH (p2) WHERE id(p2) = pair.node2

RETURN pair.node1 AS node1,

pair.node2 AS node2,

size([(p1)-[:CO_AUTHOR_EARLY]-(a)-

[:CO_AUTHOR_EARLY]-(p2) | a]) AS commonAuthors,

size((p1)-[:CO_AUTHOR_EARLY]-()) * size((p2)-

[:CO_AUTHOR_EARLY]-()) AS ...