Graph 基于Neo4j图形数据库的图形划分算法

我知道有一些著名的图划分算法工具，比如METIS，它是由karypis实验室（）实现的

但我想知道有什么方法可以划分存储在Neo4j中的图吗？

---

或者我必须转储Neo4j的数据并手动转换节点和边缘格式以适应METIS输入格式？

过去我与METIS和Neo4j单独工作过，我不知道有任何工具可以从Neo4j生成METIS文件。尽管如此，编写这样一个工具应该是一项简单的任务，并且将是一项巨大的社区贡献

另一种将METIS与NeN4J集成的方法可能是通过JNI将MeTIS与C++的NeN4J连接起来。然而，这将涉及更多的内容，因为它必须处理事务、并发等问题

---

关于分区图这一更一般的问题，通过合理的努力实现一些更为已知和简单的算法是完全可能的。

关于新的、有趣的算法，这并不是详尽的或最先进的，但这些是我首先要看的地方：

具体算法：-我在论文中用过一次（）

• 迭代所有节点，然后为每个节点检索所有邻居，以便将一些“某个单元”分散到所有邻居
• 易于实现
• 可以确定
• 迭代-因为它是基于迭代的（就像Pregel中的超级步骤），所以您可以随时停止它。从理论上讲，保留时间越长，结果越好（尽管在某些情况下，在某些图形形状上，结果可能不稳定）
• 当我们实现这一点时，我们在一台具有约30GB RAM的机器上运行了100次迭代，最多可运行约400万个节点—完成这一过程不超过两天

特定算法：-来自Microsoft的局部概率算法-

• 难以实施
• 局部算法-类似BFS的访问模式（随机游动）
• 我已经有一段时间没有读过那篇论文了，但我记得它是建立在清晰的抽象之上的：
  • Evonible（可插拔）-决定要向当前集群添加多少邻居
  • EvoCut（多次调用Evonible以查找本地群集）
  • EvoPartition（反复调用EvoCut对整个图形进行分区）
• 不确定

通用算法系列：

从高层次来看：

• 通过将节点折叠为聚合节点来粗化图形
  • 粗化策略是可选的
• 在粗化/更小的图中查找簇
  • 集群策略是可选的
• 递增地对图形进行去砷化，在每一步的聚类中进行细化
  • 精炼策略是可选的

注:

• 如果图形变化缓慢（或者结果不需要是最新的），可以粗化一次（或不经常），然后使用粗化的图形-以节省计算
• 我不知道有什么具体的算法可以推荐

一般限制-少数群集算法所做的事情：

• 未确认节点类型-即，所有节点均被同等对待
• 未确认关系类型-即，所有关系都被同等对待
• 未确认关系方向-即被视为无方向的关系

---

+1关于导出到分区库（如METIS）如果你不想自己实现一个算法，那么导入到Neo4j中。如果你想实现一个算法，我建议导出到，，；分区；然后导入到Neo4j中。其中一些框架还内置了分区算法。这将为社区做出巨大贡献！感谢你的支持救命！我现在不打算自己实现一个算法，但这是一个很好的来源，我可以跟进。谢谢。