与Neo4j中机会百分比的关系

Question

考虑一个包含超过130万行的CSV文件，其中包含来自arXiv的文章的信息。该文件的结构如下所示：

id,title,url,abstract,date,categories,authors
0,"Title1",http://arxiv.org/abs/0704.0001,"Blabla",2007-04-02,Phenomenology,"Balázs, C.;Berger, E. L.;Nadolsky, P. M."

我正在把它导入Neo4j数据库。这不是问题。但是，引用一些基于概率的伪关系。你知道吗

我想生成（第1条）-[：CITES]->；（第2条）关系。但我不希望它们完全是随机的。我想考虑到这篇文章只能引用比它本身更老的文章，如果文章属于同一类，那么一篇引用另一篇的几率要高得多，同样的作者也在增加引用的几率。只是想模拟一下现实世界。你知道吗

我的问题是-如何才能做到这一点？可以用密码吗？或者我应该创建（即python）应用程序，以及如何构建它？或者我应该在CSV中创建一个列，然后像这样导入Neo4j：

id,title,url,abstract,date,categories,authors,cites
100,"Test",http://test.test,"Desc",2018-03-25,Phenomenology,"XYZ, John","0;4;15;25;60;69;89"

或者有什么工具可以帮我？还是我遗漏了什么？建立这种关系的最好方法（也许是最简单的方法）是什么？你知道吗

Answer 1

你可以创建一个密码脚本来完成它。 对于每篇文章，你必须创建一个随机评分函数，以找到最好的其他城市。你知道吗

结果应该是这样的：

MATCH (a:Article) WHERE size((a)-[:CITES]->(:Article)) = 0
WITH a LIMIT 100
  MATCH (b:Article) WHERE b.date < a.date 
 WITH 
  a, 
  b,
  CASE 
    WHEN a.categories = b.categories THEN rand()
    ELSE 0
  END AS catScore,
  CASE 
    WHEN a.authors = b.authors THEN rand()
    ELSE 0
  END AS catAuthor
  WITH a, b, catScore + 2* catAuthor AS score ORDER BY score DESC LIMIT 1
    CREATE (a)-[:CITES]->(b)
    RETURN count(*)

您应该多次执行此查询，直到其结果等于0。（如果需要，在APOC中有一个程序）。你知道吗

此查询无法在数据模型上运行，因为日期是字符串。我建议您存储时间戳，而不是字符串date（还有一个APOC函数来解析date），并在其上创建索引。你知道吗

此外，我认为您的数据模型中有Author和Category节点，不是吗？所以您应该调整查询。你知道吗