随机生成

在某些用例中，生成随机图很有用，例如用于测试或基准测试目的。出于这个原因，Neo4j 图算法库带有一组内置的图生成器。生成器将生成的图存储在图目录中。该图可用作库中任何算法的输入。

此功能处于 Beta 阶段。有关功能阶段的更多信息，请参阅API 阶段。

目前无法在 Neo4j 中持久化这些图。在生成的图上以写入模式运行算法会导致意外结果。

图生成由三个维度参数化

节点数 - 生成的图中节点的数量
平均度 - 描述生成的节点的平均出度
关系分布函数 - 用于连接生成节点的概率分布方法

语法

以下描述了运行图生成过程的 API

CALL gds.graph.generate(
    graphName: String,
    nodeCount: Integer,
    averageDegree: Integer,
    configuration: Map
})
YIELD name, nodes, relationships, generateMillis, relationshipSeed, averageDegree, relationshipDistribution, relationshipProperty

表 1. 参数
名称	类型	默认值	可选	描述
`graphName`	字符串	`null`	否	存储生成的图的名称。
`nodeCount`	整数	`null`	否	生成的节点数。
`averageDegree`	整数	`null`	否	生成的节点的平均出度。
`configuration`	映射	`{}`	是	其他配置，请参见下文。

表 2. 配置
名称	类型	默认值	可选	描述
`relationshipDistribution`	字符串	`UNIFORM`	是	用于连接生成节点的概率分布方法。有关更多信息，请参阅关系分布。
`relationshipSeed`	整数	`null`	是	用于生成关系的种子。
`relationshipProperty`	映射	`{}`	是	描述用于生成关系属性的方法。默认情况下，不会生成关系属性。有关更多信息，请参阅关系属性。
`aggregation`	字符串	`NONE`	是	关系聚合方法，参见关系投影。
`orientation`	字符串	`NATURAL`	是	定向边的方式。允许的值为 NATURAL、REVERSE 和 UNDIRECTED。
`allowSelfLoops`	布尔值	`false`	是	是否允许具有相同源节点和目标节点的关系。

表 3. 结果
名称	类型	描述
`name`	字符串	存储图的名称。
`nodes`	整数	图中节点的数量。
`relationships`	整数	图中关系的数量。
`generateMillis`	整数	生成图所用的毫秒数。
`relationshipSeed`	整数	用于生成关系的种子。
`averageDegree`	浮点数	生成的节点的平均出度。
`relationshipDistribution`	字符串	用于连接生成节点的概率分布方法。
`relationshipProperty`	字符串	生成的关系属性的配置。

关系分布

relationshipDistribution 参数控制用于生成新关系的统计方法。目前支持三种方法

UNIFORM - 均匀分布输出关系，即每个节点的出度完全相同（等于平均度）。目标节点是随机选择的。
RANDOM - 使用平均值为 averageDegree、标准差为 2 * averageDegree 的正态分布来分布输出关系。目标节点是随机选择的。
POWER_LAW - 使用幂律分布来分布输入关系。出度基于正态分布。

关系属性

图生成器能够生成关系属性。这可以通过 relationshipProperty 参数进行控制，该参数接受以下参数

表 4. 配置
名称	类型	默认值	可选	描述
`name`	字符串	null	否	存储属性值的名称。
`类型`	字符串	null	否	用于生成属性值的方法。
`最小值`	浮点数	0.0	是	生成的属性的最小值（仅 `RANDOM` 支持）。
`最大值`	浮点数	1.0	是	生成的属性的最大值（仅 `RANDOM` 支持）。
`值`	浮点数	null	是	分配给每个关系的固定值（仅 `FIXED` 支持）。

目前，支持两种生成关系属性的方法

FIXED - 为每个关系分配一个固定值。必须设置 value 参数。
RANDOM - 分配一个在较低 (min) 和较高 (max) 范围内的随机值。

关系种子

relationshipSeed 参数允许用户手动指定用于生成随机图的种子。指定后，无论生成的图是否要创建为加权或未加权，该过程都将生成节点之间相同的关系。如果用户想要检查算法在权重条件下的行为或性能，这将非常有用。

示例

以下所有示例都应在空数据库中运行。

在下面，我们将演示随机图生成过程的使用。

生成未加权图

以下将生成一个具有未加权关系的图

CALL gds.graph.generate('graph',5,2, {relationshipSeed:19})
YIELD name, nodes, relationships, relationshipDistribution

表 5. 结果
name	nodes	relationships	relationshipDistribution
"graph"	5	10	"UNIFORM"

已创建一个名为 graph 的新内存图，其中包含 5 个节点和 10 个关系，并将其添加到图目录中。我们可以使用 gds.graph.relationships 过程检查其拓扑结构。

以下将显示生成的关系

CALL gds.graph.relationships.stream('graph')
YIELD sourceNodeId,targetNodeId
RETURN  sourceNodeId as source, targetNodeId as target
ORDER BY source ASC,target ASC

表 6. 结果
源节点	目标节点
0	1
0	2
1	0
1	4
2	1
2	4
3	0
3	1
4	0
4	3

生成加权图

要生成具有加权关系的图，我们必须指定 relationshipProperty 参数，如上文所述。

以下将生成一个具有加权关系的图

CALL gds.graph.generate('weightedGraph',5,2, {relationshipSeed:19,
  relationshipProperty: {type: 'RANDOM', min: 5.0, max: 10.0, name: 'score'}})
YIELD name, nodes, relationships, relationshipDistribution

表 7. 结果
name	nodes	relationships	relationshipDistribution
"weightedGraph"	5	10	"UNIFORM"

生成的图 weightedGraph 具有一个名为 score 的属性，该属性为每个关系包含 5.0 到 10.0 之间的随机值。我们可以使用 gds.graph.relationshipProperty.stream 来流式传输图的关系及其分数值。

以下将显示生成的关系

CALL gds.graph.relationshipProperty.stream('weightedGraph','score')
YIELD sourceNodeId, targetNodeId, propertyValue
RETURN  sourceNodeId as source, targetNodeId as target, propertyValue as score
ORDER BY source ASC,target ASC, score

表 8. 结果
源节点	目标节点	分数
0	1	6.791408433596591
0	2	8.662453313014902
1	0	6.258381821615686
1	4	9.711806397654765
2	1	9.469695236791349
2	4	6.519823445755963
3	0	8.747179900968224
3	1	7.752117836610726
4	0	8.614858979680758
4	3	5.060444167785128

请注意，尽管 graph 和 weightedGraph 是使用相同的 seed 创建的，但它们的关系拓扑结构是等价的。