数据分析之图算法: 基于Spark和Neo4j

社团发现算法

｜

111

在

PySpark

中运行这段代码，输出结果如下所示：

label collect_list(id)

180388626432 [jpy-core, jpy-console, jupyter]

223338299392 [matplotlib, spacy]

498216206336 [python-dateutil, numpy, six, pytz]

549755813888 [pandas]

558345748480 [nbconvert, ipykernel, jpy-client]

936302870528 [pyspark]

1279900254208 [py4j]

与连通分量算法相比，本例中库的簇更多。在如何判定簇方面，标签传播算法没有连通分

量算法那么严格。使用标签传播算法，两个相邻（直接连接）的节点可能位于不同的簇

中；然而，在使用连通分量算法时，节点总是与其邻节点位于同一个簇中，这是因为该算

法严格基于关系进行分组。

在本例中，最明显的区别是

Jupyter

的库被划为两个社团，一个包含其核心部分，另一个

为面向客户端的工具。

6.5.4

　使用

Neo4j

实现标签传播算法

下面使用

Neo4j

来尝试同一算法。执行以下查询：

CALL algo.labelPropagation.stream("Library", "DEPENDS_ON",

{ iterations: 10 })

YIELD nodeId, label

RETURN

label,

collect(algo.getNodeById(nodeId).id) ...