Graph 如何在Gremlin中输出相似性追加原因

我有以下简单的图表：

用户-->喜欢-->项

我使用以下Gremlin代码查找与用户u相似的前10名用户：

u.out('Likes').in('Likes').filter([u]).groupCount.cap.orderMap(T.decr)[0..10].map()

这将输出如下内容：

==>{userid=1}
==>{userid=5}
==>{userid=10}
==>{userid=15}

我希望输出的信息更加丰富，并具有额外的信息，如排序地图中的排名和与原始用户共享的项目（itemid），类似于以下内容：

==>{userid=1, rank=0, reason_items={1,2,3,5}}
==>{userid=5, rank=1, reason_items={1,2,10}}
==>{userid=10, rank=2, reason_items={1,2,4}}
==>{userid=15, rank=3, reason_items={1,2}}

一个高效的gremlin groovy代码示例会很好

---

谢谢。

在查询后添加适当的

转换

结束语：

rank = 0; itemsU1 = [] as Set; u1.out('Likes').aggregate(itemsU1).in('Likes')
      .filter{it != u1}.groupCount.cap.orderMap(T.decr)
      .transform{[id:it.id, rank:rank++, reason_item_ids:itemsU1.intersect(it.out('Likes').toSet()).collect{it.id}]}

…您可以获得：

==>{id=User6, rank=0, reason_item_ids=[Item1, Item5]}
==>{id=User4, rank=1, reason_item_ids=[Item1, Item2]}
==>{id=User2, rank=2, reason_item_ids=[Item1]}
==>{id=User5, rank=3, reason_item_ids=[Item5]}
==>{id=User3, rank=4, reason_item_ids=[Item2]}

对于以下示例图：

g = new TinkerGraph()

u1 = g.addVertex('User1')
u2 = g.addVertex('User2')
u3 = g.addVertex('User3')
u4 = g.addVertex('User4')
u5 = g.addVertex('User5')
u6 = g.addVertex('User6')

i1 = g.addVertex('Item1')
i2 = g.addVertex('Item2')
i3 = g.addVertex('Item3')
i4 = g.addVertex('Item4')
i5 = g.addVertex('Item5')

g.addEdge(u1,i1,'Likes')
g.addEdge(u1,i2,'Likes')
g.addEdge(u1,i5,'Likes')
g.addEdge(u2,i1,'Likes')
g.addEdge(u2,i4,'Likes')
g.addEdge(u3,i2,'Likes')
g.addEdge(u4,i1,'Likes')
g.addEdge(u4,i2,'Likes')
g.addEdge(u4,i3,'Likes')
g.addEdge(u5,i4,'Likes')
g.addEdge(u5,i5,'Likes')
g.addEdge(u6,i1,'Likes')
g.addEdge(u6,i4,'Likes')
g.addEdge(u6,i5,'Likes')

---

给定Faber的示例图，您可以执行以下操作：

u = u1; m = [:].withDefault {[]}; rank = 0; key = null
u.out('Likes').as('item').in('Likes').except([u]).as('user').select().groupBy {
  key = it.getColumn('user')
} {
  m[key] << it.getColumn('item').id
} {
  it.size()
}.cap().orderMap(T.decr)[0..10].transform {[
  'userid'         : it.id,
  'rank'           : rank++,
  'reason_item_ids': m[it]
]}

u=u1；m=[：]，默认为{[]}；秩=0；key=null
u、 out（'Likes'）。as（'item'）。in（'Likes'）。除了（[u]）。as（'user'）。select（）。groupBy{
key=it.getColumn（'user'）
} {
m[钥匙]