例子一：创建一个属性图（无权）

这次用的方法是本地load导入的，两个代码块分别导入节点、节点间关系。

    load csv with headers from "file:///sw-nodes.csv" as rowmerge (place:Place{id:row.id})

    load csv with headers from "file:///sw-relationships.csv" as rowmatch (origin:Place{id:row.src})match (destination:Place{id:row.dst})merge (origin) - [r:DEPENDS_ON]->(destination)

一、属性图如下

在这里插入图片描述

二、实现算法

1.stream模式执行Louvain算法（匿名图）

CALL gds.louvain.stream({nodeProjection: 'Place',relationshipProjection: {TYPE: {type: 'DEPENDS_ON',orientation: 'undirected',aggregation: 'NONE'}},includeIntermediateCommunities:True
}) YIELD nodeId, communityId
RETURN gds.util.asNode(nodeId).id AS name, communityId
ORDER BY name ASC

参数<>includeIntermediateCommunities:True,为真的时候，显示划分时出现的中间社团，结果最后一列表示该节点都曾被划分到哪个社团。中间一列表示节点最后所在社团。

2.结果如下

在这里插入图片描述

总结一：

如果你熟悉其他算法，会发现这个结果和连通分量算法（Connected components algorithm）结果一样，因为这是属性图中只包含了三个独立的社团，很容易区分开来。而且这个属性图本身是无权的。

例子二：创建一个属性图（有权）

CREATE(nAlice:User {name: 'Alice', seed: 42}),(nBridget:User {name: 'Bridget', seed: 42}),(nCharles:User {name: 'Charles', seed: 42}),(nDoug:User {name: 'Doug'}),(nMark:User {name: 'Mark'}),(nMichael:User {name: 'Michael'}),(nAlice)-[:LINK {weight: 1}]->(nBridget),(nAlice)-[:LINK {weight: 1}]->(nCharles),(nCharles)-[:LINK {weight: 1}]->(nBridget),(nAlice)-[:LINK {weight: 5}]->(nDoug),(nMark)-[:LINK {weight: 1}]->(nDoug),(nMark)-[:LINK {weight: 1}]->(nMichael),(nMichael)-[:LINK {weight: 1}]->(nMark);

一、属性图如下

在这里插入图片描述

二、算法实现

1.stream模式执行Louvain算法（命名图）

图命名：myGraph

CALL gds.graph.create('myGraph','User',{LINK: {orientation: 'UNDIRECTED'}},{nodeProperties: 'seed',relationshipProperties: 'weight'}
)

结果如下：

在这里插入图片描述

执行算法：

CALL gds.louvain.stream('myGraph',{includeIntermediateCommunities: true}
)
YIELD nodeId, communityId, intermediateCommunityIds
RETURN gds.util.asNode(nodeId).name AS name, communityId, intermediateCommunityIds
ORDER BY name ASC

2.结果如下

在这里插入图片描述

这里划分两个社团

3.带权值计算

CALL gds.louvain.stream('myGraph',{ relationshipWeightProperty: 'weight' ,includeIntermediateCommunities: true}
)
YIELD nodeId, communityId, intermediateCommunityIds
RETURN gds.util.asNode(nodeId).name AS name, communityId, intermediateCommunityIds
ORDER BY name ASC

4.结果如下

在这里插入图片描述

带权值之后，划分了三个社团

5.含原始社区属性计算

参数<>seedProperty：Used to set the initial community for a node. The property value needs to be a number.
用于设置节点的初始社区。属性值必须是数字。


CALL gds.louvain.stream('myGraph',{ seedProperty: 'seed',relationshipWeightProperty: 'weight' ,includeIntermediateCommunities: true}
)
YIELD nodeId, communityId, intermediateCommunityIds
RETURN gds.util.asNode(nodeId).name AS name, communityId, intermediateCommunityIds
ORDER BY name ASC