总邻居

总邻居根据节点拥有的唯一邻居的数量计算节点的接近程度。它基于这样一个想法：节点连接得越多，它接收新链接的可能性就越大。

此功能处于 alpha 阶段。有关功能阶段的更多信息，请参阅 API 阶段。

历史和解释

总邻居使用以下公式计算

其中 N(x) 是与 x 相邻的节点集，N(y) 是与 y 相邻的节点集。

值为 0 表示两个节点不接近，而较高的值表示节点更接近。

库包含一个函数来计算两个节点之间的接近程度。

语法

以下将运行算法并返回结果

RETURN gds.alpha.linkprediction.totalNeighbors(node1:Node, node2:Node, {
    relationshipQuery: null,
    direction: "BOTH"
})

表 1. 参数
名称	类型	默认值	可选	描述
`node1`	节点	null	否	一个节点
`node2`	节点	null	否	另一个节点
`relationshipQuery`	字符串	null	是	用于计算`node1` 和 `node2` 之间相似性的关系类型
`direction`	字符串	BOTH	是	用于计算`node1` 和 `node2` 之间相似性的关系方向。可能的值为 `OUTGOING`、`INCOMING` 和 `BOTH`。

总邻居算法示例

以下将创建一个示例图

CREATE (zhen:Person {name: 'Zhen'}),
       (praveena:Person {name: 'Praveena'}),
       (michael:Person {name: 'Michael'}),
       (arya:Person {name: 'Arya'}),
       (karin:Person {name: 'Karin'}),

       (zhen)-[:FRIENDS]->(arya),
       (zhen)-[:FRIENDS]->(praveena),
       (praveena)-[:WORKS_WITH]->(karin),
       (praveena)-[:FRIENDS]->(michael),
       (michael)-[:WORKS_WITH]->(karin),
       (arya)-[:FRIENDS]->(karin)

以下将返回 Michael 和 Karin 的总邻居分数

MATCH (p1:Person {name: 'Michael'})
MATCH (p2:Person {name: 'Karin'})
RETURN gds.alpha.linkprediction.totalNeighbors(p1, p2) AS score

表 2. 结果
`score`
4.0

我们还可以根据特定关系类型计算一对节点的分数。

以下将返回仅基于 FRIENDS 关系的 Michael 和 Karin 的总邻居分数

MATCH (p1:Person {name: 'Michael'})
MATCH (p2:Person {name: 'Karin'})
RETURN gds.alpha.linkprediction.totalNeighbors(p1, p2, {relationshipQuery: "FRIENDS"}) AS score

表 3. 结果
`score`
2.0