Neo4j - APOC的PageRank如何处理关系声明中的重复关系？

Question

在书中"图形算法，在Apache Spark &Neo4J中的实际例子（05-2019，Mark Needham，Amy E. Hodler）。"，第155页，有一个使用APOC的PageRank算法来计算某些用户的PageRanks的例子。

的代码片段。

CALL algo.pageRank(
    'MATCH (u:User)-[:WROTE]->()-[:REVIEWS]->()-[:IN_CATEGORY]->
                                    (:Category {name: $category})
    WITH u, count(*) AS reviews
    WHERE reviews >= $cutOff
    RETURN id(u) AS id',
    'MATCH (u1:User)-[:WROTE]->()-[:REVIEWS]->()-[:IN_CATEGORY]->
                                    (:Category {name: $category})
    MATCH (u1)-[:FRIENDS]->(u2)
    RETURN id(u1) AS source, id(u2) AS target', (*)
    {graph: "cypher", write: true, writeProperty: "hotelPageRank",
    params: {category: "Hotels", cutOff: 3}}
)

节点声明很清楚。但是，在relation-statement中，似乎可以包含重复的关系。比如说 User A 写2 Reviews; User A 还拥有2个朋友（2个其他 Users，例如 B 和 C). 那么，我们最终有4对关系 A-B, A-C, A-B, A-C，如（*）。

问题: APOC的PageRank是否会忽略这种重复关系？即它只会看到两个对子。A-B, A-C. 或者这个实现将重复关系视为 "权重"？即如果3对 A-B 返回，它认为单 A-B 与权重3的关系。还是说没有这样的预处理，PageRank本身就会把每对链接视为一个独立的链接？

我已经查阅了官方文档（如下），但没有发现对这个问题的见解。希望得到任何帮助。

PageRank算法

Answer 1

您可能应该开始使用 图形数据科学 库，它是Graph Algorithms库的后续产品，也是更成熟的产品。你正在看的书正在慢慢更新，使用GDS库。GDS库中的PageRank版本确实支持单对节点之间的重复关系，即所谓的多图。您也可以看一下 本博文 以获取更多信息。

Answer 2

APOC的PageRank将重复的链接视为独立的链接，这意味着在程序中的 apoc.algo.pageRankWithCypher()如果Cypher查询意外地返回了重复的链接，就像书中的例子一样，它可能会影响最终的PageRanks。换句话说，与清除重复链接（只清除一个）相比，程序返回的PageRanks是不同的。

证明

在程序的Java源代码中，每个节点的外链数量用行来计算 sourceDegreeData.increment(sourceIndex); (联系). 节点将共享它们的 自己的网页排名 平等地分配给所有的外链。研究表明，该代码不做任何重复数据删除，即如果遇到了 A->B, A->C, A->B，它考虑的是3种关系。在这种情况下，外链的数量为 每个节点 叫做 程度 的节点。在我们的例子中， 程度 对于节点 A 是3。

这一点（没有重复数据删除）在代码的其他部分也是如此。在其他部分的代码中也是如此。NumLinks，就像最初的PageRank公式一样(联系)，是以函数计算的。getTotalWeightForNode() (联系). 之后，当PageRanks在函数 startIteration() (联系)和 iterateParallel() (联系)，当前节点的PageRank依赖于它的 程度. 同样，没有代码片段表明重复数据删除。

此外，没有产生Cypher查询部分中每个关系的权重。apoc.algo.pageRankWithCypher()，默认权重为1。

举个例子

假设一个空图，执行这个查询。

CREATE (a:Node {name: "a"}), (b:Node {name: "b"}), (c: Node {name: "c"}), (x:Node {name: "x"}), (y:Node {name: "y"}), (a)-[:CONNECT]->(b), (b)-[:CONNECT]->(c), (x)-[:CONNECT]->(a), (y)-[:CONNECT]->(c)

图：

注：虽然显示了关系方向，但我们忽略了方向，认为每对关系是双向的。

电脑的PageRanks，第1个假设没有重复链接；第2个 故意 对某些节点产生重复的链接。

// 1st
CALL apoc.algo.pageRankWithCypher({iterations: 2, node_cypher: 'MATCH (n) RETURN ID(n) as id', rel_cypher: 'MATCH (n)-[]-(m) RETURN ID(n) AS source, ID(m) AS target ORDER BY source', write: true, property:'pageRank1', numCpu: 1})

// 2nd
CALL apoc.algo.pageRankWithCypher({iterations: 2, node_cypher: 'MATCH (n) RETURN ID(n) as id', rel_cypher: 'MATCH (n)-[]-(m) RETURN ID(n) AS source, ID(m) AS target ORDER BY source UNION ALL MATCH (n)-[]-(m {name: "b"}) RETURN ID(n) AS source, ID(m) AS target ORDER BY source', write: true, property:'pageRank2', numCpu: 1})

之后，我们可以比较属性 PageRank1 和 PageRank2 为每个节点，看看区别。

最后一句话

在计算 PageRank 时，出现无意的重复链接有什么大不了的吗？我认为是的，因为 PageRank 公式化假设了独特的外链。

同一页面上的重复链接将被视为单个链接。

排名

为了保证可重复性，这里测试的Neo4j版本为 v3.5.17. APOC版本 v3.5.0.9 (其相应的源代码在 GitHub，分支 3.5.