ChatGPT 加图数据库 NebulaGraph 预测 2022 世界杯冠军球队

article/2024/9/19 10:12:22

ChatGPT 预测世界杯

一次利用 ChatGPT 给出数据抓取代码，借助 NebulaGraph 图数据库与图算法预测体坛赛事的尝试。

作者：古思为

蹭 ChatGPT 热度

最近因为世界杯正在进行，我受到这篇 Cambridge Intelligence 的文章启发（在这篇文章中，作者仅仅利用有限的信息量和条件，借助图算法的方法做出了合理的冠军预测），想到可以试着用图数据库 NebulaGraph 玩玩冠军预测，还能顺道科普一波图库技术和图算法。

本来想着几个小时撸出来一个方案，但很快被数据集的收集工作劝退了，我是实在懒得去「FIFA 2022 的百科」抓取所需的数据，索性就搁浅、放了几天。

同时，另一个热潮是上周五 OpenAI 发布了 ChatGPT 服务，它可以实现各种语言编码。ChatGPT 可实现的复杂任务设计包括：

  • 随时帮你实现一段指定需求的代码
  • 模拟任意一个 prompt 界面：Shell、Python、Virtual Machine、甚至你创造的语言
  • 带入给定的人设，和你聊天
  • 写诗歌、rap、散文
  • 找出一段代码的 bug
  • 解释一段复杂的正则表达式的含义

ChatGPT 的上下文联想力和理解力到了前所未有的程度，以至于所有接触它的人都在讨论新的工作方式：如何掌握让机器帮助我们完成特定任务。

所以，当我试过让 ChatGPT 帮我写复杂的图数据库查询语句、解释复杂图查询语句的含义、解释一大段 Bison 代码含义之后，我突然意识到：为什么不让 ChatGPT 帮我写好抓取数据的代码呢？

抓取世界杯数据

我真试了下 ChatGPT，结果是：完全可以，而且似乎真的很容易。

整个实现过程，基本上我像是一个代码考试的面试官，或是一个产品经理，提出我的需求，ChatGPT 给出具体的代码实现。我再试着运行代码，找到代码中不合理的地方，指出来并给出建议，ChatGPT 真的能理解我指出的点，并给出相应的修正，像是：

chatGPT-correction-process

这一全过程我就不在这里列出来了，不过我把生成的代码和整个讨论的过程都分享在这里，感兴趣的同学可以去看看。

最终生成的数据是一个 CSV 文件：

  • 代码生成的文件 world_cup_squads.csv
  • 手动修改、分开了生日和年龄的列 world_cup_squads_v0.csv

上面的数据集包含的信息有：球队、小组、编号、位置、球员名字、生日、年龄、参加国际比赛场次、进球数、服役俱乐部。

Team,Group,No.,Pos.,Player,DOB,Age,Caps,Goals,Club
Ecuador,A,1,1GK,Hernán Galíndez,(1987-03-30)30 March 1987,35,12,0,Aucas
Ecuador,A,2,2DF,Félix Torres,(1997-01-11)11 January 1997,25,17,2,Santos Laguna
Ecuador,A,3,2DF,Piero Hincapié,(2002-01-09)9 January 2002,20,21,1,Bayer Leverkusen
Ecuador,A,4,2DF,Robert Arboleda,(1991-10-22)22 October 1991,31,33,2,São Paulo
Ecuador,A,5,3MF,José Cifuentes,(1999-03-12)12 March 1999,23,11,0,Los Angeles FC

这是手动删除了 CSV 表头的数据集 world_cup_squads_no_headers.csv。

图方法预测 2022 世界杯

图建模

本文用到了图数据库 NebulaGraph 和可视化图探索工具 NebulaGraph Explorer，你可以在阿里云免费申请半个月的试用。

图建模（Graph Modeling）是把真实世界信息以”点–>边“的图形式去抽象与表示。

这里，我们把在公共领域获得的信息映射成如下的点与边：

点：

  • player（球员）
  • team（球队）
  • group（小组）
  • club（俱乐部）

边：

  • groupedin（球队属于哪一小组）
  • belongto（队员属于国家队）
  • serve（队员在俱乐部服役）

而队员的年龄、参加国际场次（caps）、进球数（goals）则很自然作为 player 这一类点的属性。

下图是这个 schema 在 NebulaGraph Studio/Explorer（后边称 Studio/Explorer） 中的截图：

schema_fifa

我们点击右上角的保存后，便能创建一个新的图空间，将这个图建模应用到图空间里。

这里可以参考下 Explore 草图的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/draft/

导入数据进 NebulaGraph

有了图建模，我们可以把之前的 CSV 文件（无表头版本）上传到 Studio 或者 Explorer 里，通过点、选关联不同的列到点边中的 vid 和属性：

importer_config_mapping

完成关联之后，点击导入，就能把整个图导入到 NebulaGraph。成功之后，我们还得到了整个 csv --> Nebula Importer 的关联配置文件：nebula_importer_config_fifa.yml，你可以直接拖拽整个配置，不用自己去配置它了。

importer_log

这里可以参考 Explorer 数据导入的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/11.import-data/

数据导入后，我们可以在 schema 界面查看数据统计。可以看到，有 831 名球员参加了 2022 卡塔尔世界杯，他们服役在 295 个不同的俱乐部：

data_stats

这里我们用到了 Explorer 的 schema 创建的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/10.create-schema/#_6

探索数据

查询数据

下面，我们试着把所有的数据展示出来看看。

首先，借助 NebulaGraph Explorer，我用拖拽的方式画出了任意类型的点（TAG）和任意类型点（TAG）之间的边。这里，我们知道所有的点都包含在至少一个边里，所以不会漏掉任何孤立的点。

query-builder-0

让 Explorer 它帮我生成查询的语句。这里，它默认返回 100 条数据（LIMIT 100），我们手动改大一些，将 LIMIT 后面的参数改到 10000，并让它在 Console 里执行。

query-builder-1

初步观察数据

结果渲染出来是这样子，可以看到结果自然而然地变成一簇簇的模式。

bird_view

这些外围、形成的簇多是由不怎么知名的足球俱乐部，和不怎么厉害的国家队的球员组成，因为通常这些俱乐部只有一两个球员参加世界杯，而且他们还集中在一个国家队、地区，所以没有和很多其他球员、国家队产生连接。

edge_teams

图算法辅助分析

在我点击了 Explorer 中的两个按钮之后（详细参考后边的文档链接），在浏览器里，我们可以看到整个图已经变成：

Barcelona

这里可以参考 Explorer 的图算法文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/graph-explorer/graph-algorithm/

其实，Explorer 这里利用到了两个图算法来分析这里的洞察：

  1. 利用点的出入度，改变它们的显示大小突出重要程度
  2. 利用 Louvain 算法区分点的社区分割

可以看到红色的大点是鼎鼎大名的巴塞罗那，而它的球员们也被红色标记了。

预测冠军算法

为了能充分利用图的魔法（与图上的隐含条件、信息），我的思路是选择一种利用连接进行节点重要程度分析的图算法，找出拥有更高重要性的点，对它们进行全局迭代、排序，从而获得前几名的国家队排名。

这些方法其实就体现了厉害的球员同时拥有更大的社区、连接度。同时，为了增加强队之间的区分度，我准备把出场率、进球数的信息也考虑进来。

最终，我的算法是：

  • 取出所有的 (球员)-服役->(俱乐部) 的关系，过滤其中进球数过少、单场进球过少的球员（以平衡部分弱队的老球员带来的过大影响）
  • 从过滤后的球员中向外探索，获得国家队
  • 在以上的子图上运行 Betweenness Centrality 算法，计算节点重要度评分

算法过程

首先，我们取出所有进球数超过 10，场均进球超过 0.2 的 (球员)-服役->(俱乐部) 的子图：

MATCH ()-[e]->()
WITH e LIMIT 10000
WITH e AS e WHERE e.goals > 10 AND toFloat(e.goals)/e.caps > 0.2
RETURN e

为了方便，我把进球数和出场数也作为了 serve 边上的属性了。

query_step0

然后，我们全选图上的所有点，点击左边的工具栏，选择出方向的 belongto 边，向外进行图拓展（遍历），同时选择将拓展得到的新点标记为旗帜的 icon：

treversal_step1

现在，我们获得了最终的子图，我们利用工具栏里的浏览器内的图算法功能，执行 BNC（Betweenness Centrality）

bnc_step2

最后，这个子图变成了这样子：

bnc_predict

预测结果

最终，我们根据 Betweenness Centrality 的值排序，可以得到最终的获胜球队应该是：巴西 🇧🇷！

其次是比利时、德国、英格兰、法国、阿根廷，让我们等两个礼拜回来看看预测结果是否准确吧 😄。

注：排序数据（其中还有非参赛球队的点）

VertexBetweenness Centrality
Brazil🇧🇷3499
Paris Saint-Germain3073.3333333333300
Neymar3000
Tottenham Hotspur2740
Belgium🇧🇪2587.833333333330
Richarlison2541
Kevin De Bruyne2184
Manchester City2125
İlkay Gündoğan2064
Germany🇩🇪2046
Harry Kane (captain1869
England🏴󠁧󠁢󠁥󠁮󠁧󠁿1864
France🇫🇷1858.6666666666700
Argentina🇦🇷1834.6666666666700
Bayern Munich1567
Kylian Mbappé1535.3333333333300
Lionel Messi (captain1535.3333333333300
Gabriel Jesus1344

原文地址：https://discuss.nebula-graph.com.cn/t/topic/11584

谢谢你读完本文 (///▽///)


http://chatgpt.dhexx.cn/article/BtY1KJKU.shtml

相关文章

chatGPT模型简介

chatGPT模型简介

ChatGPT的工作原理 chatGPT 是一款由 OpenAI 开发的聊天机器人模型，它能够模拟人类的语言行为，与用户进行自然的交互。它的名称来源于它所使用的技术—— GPT-3架构，即生成式语言模型的第3代。 chatGPT的核心技术是 GPT-3 架构。它通过使用大…
阅读更多...
ChatGPT算法原理

ChatGPT算法原理

ChatGPT是什么 ChatGPT是一种基于AI的聊天机器人，它可以像人类一样与用户进行交流，帮助用户解决问题，或者与用户交谈、讨论。ChatGPT利用自然语言处理（NLP）技术，使用语义理解和自然语言生成来管理数据&…
阅读更多...
风靡全球的ChatGPT能预测足球结果吗？深度解析

风靡全球的ChatGPT能预测足球结果吗？深度解析

如果您对足球彩票感兴趣，想了解能否通过人工智能来提高胜率，本篇指南可以帮助您。我们深入探讨足球预测与人工智能的关系，不管如何，理解足球预测及其准确率，是避免盲目下注的开始，这会让您保持正确的心态来…
阅读更多...
微信小程序 | 基于ChatGPT实现模拟面试小程序

微信小程序 | 基于ChatGPT实现模拟面试小程序

Pre：效果预览 ① 选择职位进行面试 ② 根据岗位职责进行回答 一、需求背景 这两年IT互联网行业进入寒冬期，降本增效、互联网毕业、暂停校招岗位的招聘，各类裁员、缩招的情况层出不穷！对于这个市场来说，在经历了互联网资本的疯狂时代，现在各大需要的时候更多能实实在在挣…
阅读更多...
基于python实现微信接入ChatGpt进行自动回复

基于python实现微信接入ChatGpt进行自动回复

基于python实现微信接入ChatGpt进行自动回复 教程说明下载和使用python库如何下载python库如何使用python库导入python库 chatgpt部分申请openai的keypython调用chatgpt的简单示例 wxauto部分wxauto简单示例 整体实现整体示例代码 教程说明 1.机器人无法取代真人聊天,本教程仅…
阅读更多...
myChat - 第三方ChatGPT原生客户端，支持win和mac系统

myChat - 第三方ChatGPT原生客户端，支持win和mac系统

前言 可能你没体验过 ChatGPT，但肯定听说过。苦于高高的围墙，无法便捷的使用 ChatGPT。那你就不能错过 myChat ，一款第三方 ChatGPT 原生客户端。基于 OpenAI 提供的 ChatGPT 同款模型 GPT-3.5，可达到与 ChatGPT 类似的效果&…
阅读更多...
硬刚ChatGPT！文心一言能否为百度止颓？

硬刚ChatGPT！文心一言能否为百度止颓？

引言： 近年来，人工智能领域的发展突飞猛进，尤其是在自然语言处理（NLP）方面。OpenAI的ChatGPT无疑是这个领域的佼佼者[1]。那么，面对这样一款高度智能的AI模型，国内市场上是否有相应的产品能与之…
阅读更多...
大考在即 百度版ChatGPT会翻车吗？

大考在即 百度版ChatGPT会翻车吗？

文心一言的发布会定档3月16日，不出意外，百度创始人李彦宏、CTO王海峰将出现在北京总部的发布会现场。这是百度版ChatGPT最新的官方消息，2月7日，文心一言首次官宣，当时称，产品“3月见”。 3月如期而至&…
阅读更多...
百度文心一言可以完胜ChatGPT的4点可能性

百度文心一言可以完胜ChatGPT的4点可能性

文心一言，百度全新一代知识增强大语言模型，文心大模型家族的新成员，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。但说实话，很多人拿他与ChatGPT相对比&#x…
阅读更多...
大厂跟进ChatGPT，为什么百度“文心一言”成色最好？【快评】

大厂跟进ChatGPT，为什么百度“文心一言”成色最好？【快评】

作者 | 曾响铃 文 | 响铃说 赶ChatGPT热度，百度3月初就要发布与ChatGPT类似的人工智能聊天机器人服务“文心一言”（英文名：ERNIE Bot），似乎无法提振资本市场对百度的信心。 2022年第四季度及全年未经审计的财报发布…
阅读更多...
百度抢先发布中国版ChatGPT——文心一言，现已开通测试申请

百度抢先发布中国版ChatGPT——文心一言，现已开通测试申请

3月16日，百度抢先其他国内科技巨头一步，率先发布被誉为中国版ChatGPT的“文心一言”。 即日起，百度也通过“百度智能云”官网正式开发“文心一言”的预约，申请云服务测试。 但是，目前百度智能云只面向企业级客户开放文…
阅读更多...
百度李彦宏：文心一言和 ChatGPT 水平差距不是很大，也就一两个月

百度李彦宏：文心一言和 ChatGPT 水平差距不是很大，也就一两个月

3 月 26 日消息，近日，李彦宏在极客公园的直播中表示，文心一言确实不如现在最好的 ChatGPT 版本，但差距也不是很大，可能就是一两个月的差别。 李彦宏称，“我也不断在讲文心一言不够完美，事实上如…
阅读更多...
ChatGPT和百度文心一言写用例，谁更强？

ChatGPT和百度文心一言写用例，谁更强？

文心一言发布的第一时间，就排队申请了邀请码，昨晚看了下，邀请码已经到手，索性就拿一个例子试了一下，看看哪个能够真正意义上的提高生产力，最简单的录制了个GIF动画如下： 问题：你是一…
阅读更多...
百度中国版ChatGPT“正式问世”

百度中国版ChatGPT“正式问世”

百度中国版ChatGPT正式问世，这是百度自然语言处理方面的重大突破，也是AI领域的一次跨越。ChatGPT是百度自然语言处理技术的升级版，其核心是“GPT”，即“Generative Pre-training Transformer”，是一项基于深度学习的自…
阅读更多...
硬刚ChatGPT！文心一言能否为百度止颓？中国版ChatGPT“狂飙”的机会在哪儿？

硬刚ChatGPT！文心一言能否为百度止颓？中国版ChatGPT“狂飙”的机会在哪儿？

文章目录 目录产品背景发展历程科技简介主要功能合作伙伴 结语 文心一言 （英文名：ERNIE Bot） *是百度基于文心大模型技术推出的生成式对话产品，被外界誉为“中国版ChatGPT”，将于2023年3月份面向公众开放。 [40] 百度…
阅读更多...
百度文心一言，是中国版的ChatGPT吗？

百度文心一言，是中国版的ChatGPT吗？

百度文心一言，是中国版的ChatGPT吗？ 文心一言发布会网友评论： 百度在让人失望这件事上，从来没让人失望过！技术原理一句没有，商业价值滔滔不绝。ChatGPT？CheatGPT！难怪暴跌&#xff0…
阅读更多...
不同问题来评测百度、谷歌、ChatGPT、Phind、GPT-4(持续更新)

不同问题来评测百度、谷歌、ChatGPT、Phind、GPT-4(持续更新)

大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法…
阅读更多...
ChatGPT爆火 百度急了

ChatGPT爆火 百度急了

月活超1亿，对话机器人ChatGPT终于把火引向搜索引擎，谷歌、微软、百度开卷。 2月7日，火药味飙升：谷歌母公司Alphabet确认，将推“实验性对话式AI服务”Bard；微软举办发布会，直接推出了带有对话&a…
阅读更多...
百度chatGPT chatgpt 程序员

百度chatGPT chatgpt 程序员

ChatGPT作品展示： 可以使用Nginx反向代理，具体代码如下：server { listen 80; server_name www.example.com; location / { proxy_pass http://127.0.0.1:8080; } } 最近发现很多科技公司都在搞ChatGPT，我们普通网民没有技术也想体…
阅读更多...
百度文心一言对标 ChatGPT，你怎么看？

百度文心一言对标 ChatGPT，你怎么看？

文心一言 VS ChatGPT接受不完美 期待进步里程碑意义文心一言初体验✔ 文学创作✔ 商业文案创作✔ 数理逻辑推算✔ 中文理解✔ 多模态生成 写在最后 何为文心？“文”就是我们中华语言文字中的文，“心”是希望该语言模型可以用心的去理解语言，用…
阅读更多...
推荐文章

Copyright @ 2022~2023