优化 Cypher 查询以分析网络中的拓扑

Question

我有一个网络（例如水网络），我想找到拓扑结构：集群（圆形路径）、桥梁（连接集群的关系）和树（其余的）。

这里是用于创建示例网络的 Cypher 语句。(https://www.dropbox.com/s/e1gtqxlm9ngaau5/Cypher%20to%20create%20example%20network.cql?dl=0) 蓝色的关系是我正在寻找的集群，红色的关系是桥梁，绿色的关系是树木。

为了找到集群，我有两种方法，这两种方法都返回正确的结果。但两者都太慢了。

方法一： 从关系开始，查看开始节点和结束节点之间是否存在第二条路径。 这个需要大约 1000 万个 db hits

MATCH (n:WN)-[r:PIPE]->(m:WN) 
WHERE EXISTS((n)-[r]->(m)-[:PIPE*2..]-(n))
RETURN r

方法 2： 首先寻找圆形路径，忽略方向。 （大约 12000）然后提取唯一关系。 这个需要大约 20M 的 db 命中。

MATCH path=(n:WN)-[:PIPE*..]-(n)
RETURN 
     apoc.coll.subtract(
          apoc.coll.flatten(COLLECT(relationships(path))
          ),
          []
     )
    AS clusterRelationships

有没有更聪明的方法，可以更快地返回结果？

Answer 1

您可以使用 GDS 库中提供的 Strongly connected component algorithm 检测集群。我认为它符合您对集群的定义，并且也适用于您的示例。

强连通分量 (SCC) 算法查找 有向图中的连接节点，其中每个节点都可以到达 来自同一集合中任何其他节点的两个方向。

为了检测网桥，您可以使用Betweenness centrality algorithm 来查找潜在的网桥节点，这些网桥节点具有与其连接的网桥关系。这将限制在计算哪些边是桥时需要考虑的边数。不幸的是，这个解决方案对于一些非常小的桥来说并不完美，假设它们是一个只有一个或两个节点的桥，中介中心性不会那么高。并且图中间的一些节点会有很高的介数分数，因为理论上所有的信息都会流过它们。

我有另一个想法可能会很快奏效。运行强连通分量算法并将结果存储回 Neo4j。然后尝试找到连接不同节点集群的边。这将包括树木和桥梁，然后您必须决定应将关系归类为两个选项中的哪一个。