安装

从下载站下载对应的包到plugin目录下，修改配置文件/etc/neo4j/neo4j.conf，末尾加入gds.*，重新启动

在浏览器输入CALL gds.list()命令进行测试

建立图映射

为了使用图算法，需要先将图数据库的内容映射为一个新图
如果是全图映射，可以写成

CALL gds.graph.project('all_aj', '*', '*')
YIELD graphName, nodeCount, relationshipCount;

返回结果是

上述代码中第二个参数是节点，第三个参数是关系，可以通过字符串或列表的形式根据单个或多个节点和关系建图。

列举可用图

CALL gds.graph.list()
YIELD graphName, nodeCount, relationshipCount, schema;

PageRank算法

PageRank算法考虑节点的入度和出度计算重要性,可以识别影响力较大的节点。使用下列代码，可返回排名前十的中心节点。

CALL gds.pageRank.stream('all_aj')
YIELD
  nodeId,
  score
RETURN
  nodeId, score
ORDER BY
  score DESC
LIMIT
  10

为了更直观地查看节点名称，可以修改为以下形式：

CALL gds.pageRank.stream('all_aj')
YIELD
  nodeId,
  score
RETURN
  gds.util.asNode(nodeId).name AS name, score
ORDER BY
  score DESC
LIMIT
  10

如果想要展示图，可以修改为以下形式

CALL gds.pageRank.stream('all_aj')
YIELD
  nodeId,
  score
RETURN
  gds.util.asNode(nodeId), score
ORDER BY
  score DESC
LIMIT
  10

标签传播算法

算法的核心思想是通过在网络中传播标签来形成社区。每个节点都被初始化为一个唯一的标签。然后，标签通过连接的边在网络中传播。

在每次传播迭代中，每个节点将其标签更新为其邻居节点中最常见的标签。如果存在平局，算法会随机选择一个标签。这个过程会不断重复，直到标签达到收敛，即每个节点的标签与其邻居节点的大多数标签相同。

通过标签的传播，密集连接的节点组很快就会形成共识，并形成一个社区。在传播结束时，只有少数几个标签会保留下来，大多数标签会消失。具有相同标签的节点被认为属于同一个社区。

CALL gds.labelPropagation.stream('all_aj')
YIELD nodeId, communityId AS Community
RETURN gds.util.asNode(nodeId).name AS Name, Community
ORDER BY Community, Name