Top Up Home HTML2PDF Neo4j Graph Data Science

Neo4j Graph Data Science

Laden der U-Bahn-Daten

  • Daten aus der Neo4j löschen 
    MATCH (x) DETACH DELETE x;
  • U-Bahn-Daten aus der Postgres holen: (ipynb) (render)
  • Die Cypher-Abfragen beziehen sich auf Daten des Berliner UBahn-Netzes
    • Aktuelles Netz (link)
    • Datenmodell in der Postgres-Datenbank
      (png)
    • Datenmodell in der Neo4j-Datenbank
      (png)

Graphprojektion

  • Legen sie folgende Graph-Projektion an 
    MATCH (ha:Haltestelle)<-[sa:ProjSegA]-(s:Segment)-[sb:ProjSegB]-(hb:Haltestelle)
WITH gds.graph.project(
    'bubahn',
    ha,
    hb,
    {relationshipProperties: s{.laengeInMeter}},
    {undirectedRelationshipTypes: ['*']}) AS g
RETURN
  g.graphName AS graph, g.nodeCount AS nodes, g.relationshipCount AS rels
  • Graph-Projektionen auflisten 
    call gds.graph.list()
  • Graph-Projektion löschen 
    CALL gds.graph.drop('bubahn') YIELD graphName;

Netz-Zusammenhang

  • Ermitteln Sie den Netz-Zusammenhang im Graphen
    (png)

Kürzeste Pfade

  • Ermitteln sie die kürzeste Pfade zwischen zwei Haltestellen
  • Als Beispiel soll die Verbindung zwischen HeidelbergerPlatz und KottbusserTor genommen werden
  • Hier sollen zwei Varianten betrachtet werden:
  • Anzahl Haltestellen
    (png)
  • Gesamtlänge der Strecke
    (png)

Closeness Centrality

  • Ermitteln sie die Closeness Centrality im Netz in Bezug auf die Länge der Segmente.
  • Berechnen sie für jede Haltestelle die Summe der Längen der kürzesten Pfade zu allen anderen Haltestelle
  • Sortieren sie das Ergebnis aufsteigend nach den Summen
    (png)