Nano Hash - криптовалюты, майнинг, программирование

Как получить количество узлов с определенной меткой в ​​сообществе внутри сети?

Я работал с потоковым алгоритмом unionFind для визуализации связанных компонентов базы данных. Я хотел бы вывести таблицу, показывающую все узлы сети, а также количество узлов определенной метки в соответствующем сообществе каждого узла.

Например, скажем, у меня есть список сотрудников всего школьного округа, и я хотел бы определить количество учителей в школе каждого сотрудника (школа является связанным компонентом всей сети округа).

Я попытался присвоить setID (выданный unionFind.stream) каждому узлу и вызвать несколько операторов сопоставления для дальнейшего уточнения по метке узла. Я также безуспешно пытался использовать оператор FOREACH.

CALL algo.unionFind.stream()
YIELD nodeId, setId 
MATCH(n)
SET n.setId = setId
MATCH setList = collect(setId)
WITH MATCH(n) WHERE n.setId in setList
MATCH p = (n) WHERE n._label = 'Teacher'
RETURN n.setID as component_id, count(p) as number_of_teachers;

Я понимаю, что функция сбора могла быть использована здесь некорректно. Я надеюсь сначала назначить идентификатор набора каждому узлу n, а затем создать список всех идентификаторов набора, называемый списком набора, из которого я могу вызывать. Вместо этого я получаю сообщение об ошибке в строке сбора.

28.01.2019

  • Я никогда не использовал algo.unionFind.stream, но документация показывает, что ему нужен номер параметров. Ваш код выше точен? ... Или вы используете другую процедуру? 28.01.2019

Ответы:


1

Вы не показали свою модель данных, и ваш запрос содержит множество (синтаксических и логических) ошибок. Кроме того, кажется, что заявленный вами вариант использования может быть решен очень просто.

Чтобы сэкономить много времени, я просто предполагаю, что ваша модель данных очень проста (и я буду игнорировать все свойства):

(:Teacher)-[:TEACHES_FOR]->(:District)

С приведенной выше моделью данных следующий эффективный запрос вернет каждое District и количество TEACHES_FOR отношений, которые у него есть (что совпадает с количеством учителей в моей модели данных):

MATCH (district:District)
RETURN district, SIZE(()-[:TEACHES_FOR]->(district)) AS number_of_teachers;

Конструкция SIZE(()-[:TEACHES_FOR]->(district)) использует внутренний счетчик neo4j количества отношений каждого типа, связанных с узлом, и не требует фактического доступа к каким-либо отношениям.

29.01.2019
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..