gStore1.2版本新增了七个高级函数，我们第2期将继续介绍的高级函数为：整体/局部集聚系数（clusterCoeff）、鲁汶算法（louvain）、K跳计数（kHopCount）/K跳邻居（kHopNeighbor）三类高级函数。
1 局部/整体集聚系数（clusteringCoeff）
1.1 局部集聚系数
查询结点 u 的局部集聚系数，即所有与它相连的结点之间所连的边的数量（即实际形成的以 u 为顶点的三角形数目），除以这些结点之间可以连出的最大边数（即最大可能形成的以 u 为顶点的三角形数目）。
clusterCoeff(u, directed, pred_set)
-
参数
u: 变量或结点 IRIdirected:布尔值，为真表示有向，为假表示无向（图中所有边视为双向） 。将图视为有向时，仅计数 cycle 类型三角形（详见三角形计数的介绍）pred_set：考虑的谓词集合（若设置为空{}，则表示允许出现数据中的所有谓词） -
返回值
返回值为结点 u 的局部集聚系数，对应的值为双精度浮点数（形式详见以下例子）。
{"paths":[{"src":"<IRI>","result":0.123}] } -
示例（数据集详见【4 示例数据集】）
下面的查询为局部集聚系数，构成它的边上关系为
喜欢和关注：SELECT (clusterCoeff(<Eve>,false,{<喜欢>,<关注>}) AS ?y) WHERE{}结果如下
{"paths":[{"src":"<Eve>","result":0.333333}] }
1.2 整体集聚系数
查询图的整体集聚系数。
clusterCoeff(directed, pred_set)
-
参数
directed:布尔值，为真表示有向，为假表示无向（图中所有边视为双向） 。将图视为有向时，仅计数 cycle 类型三角形（详见三角形计数的介绍）pred_set：考虑的谓词集合（若设置为空{}，则表示允许出现数据中的所有谓词） -
返回值
返回值为图的整体集聚系数，对应的值为双精度浮点数。
-
示例（数据集详见【4 示例数据集】）
返回值为结点 u 的整体集聚系数，对应的值为双精度浮点数（形式详见以下例子）。
SELECT (clusterCoeff(false, {<喜欢>,<关注>}) AS ?y) WHERE{}结果如下
{"paths":[0.272727] }
2 鲁汶算法（louvain）
基于标签传播查询图中各结点的聚类情况，可用于社区发现等多种应用。
louvain(directed, pred_set, maxIter, increase)
-
参数
directed: 布尔值，为真表示有向，为假表示无向（图中所有边视为双向）pred_set：考虑的谓词集合（若设置为空{}，则表示允许出现数据中的所有谓词）maxIter: 最大迭代次数，大于等于1的整数increase: 模块度增益阈值(0~1) -
返回值
返回值为以下形式，count为划分的社区数量，details为划分的各社区信息，包括社区编号communityId、成员数量menberNum
{"count": 3,"details": [{ "communityId": "2", "menberNum": 5},{ "communityId": "4", "menberNum": 5},{ "communityId": "5", "menberNum": 4}] } -
示例（数据集详见【4 示例数据集】）
下面的查询在无向图（图中所有边视为双向）中的各结点的聚类情况，边上的关系可以是喜欢或关注，最大迭代次数为1，模块度增益阈值为1查询语句为：
SELECT (louvain(false, {<喜欢>, <关注>}, maxIter=1,increase=0.01) AS ?x) WHERE{}结果如下
{"paths":[{"count":2, "details":[{"communityId":"5", "menberNum":3},{"communityId":"6", "menberNum":3}]}] }
3 K跳计数（kHopCount）/K跳邻居（kHopNeighbor）
3.1 K跳计数（kHopCount）
查询从结点 u 开始，统计其k层可所访问到的结点个数。
kHopCount(u, directed, k, pred_set)
-
参数
u: 变量或结点 IRIdirected:布尔值，为真表示有向，为假表示无向（图中所有边视为双向）k:跳数（仅统计此跳数可达的节点数）pred_set：考虑的谓词集合（若设置为空{}，则表示允许出现数据中的所有谓词） -
返回值
返回值为以下形式，其中 src 为 u 对应的 IRI ；depth 为所处层数/高度（等于参数k）；count 为所处层数访问到的结点总数，类型为整型。
{"paths":[{ "src": "<IRI>", "depth": 3, "count": 1}] } -
示例（数据集详见【4 示例数据集】）
下面的查询返回图中的K跳计数，构成它的有向边由喜欢，关注关系3跳内的计数信息：
SELECT (kHopCount(<Alice>,true,3,{<喜欢>,<关注>}) AS ?y) WHERE{}结果如下
{"paths":[{"src":"<Alice>","depth":3, "count":1}] }
3.2 K跳邻居（kHopNeighbor）
查询从结点 u 开始，其k层可所访问到的结点。
kHopNeighbor(u, directed, k, pred_set, ret_num)
-
参数
u: 变量或结点 IRI，表示源结点directed:布尔值，为真表示有向，为假表示无向（图中所有边视为双向）k:跳数（仅统计此跳数可达的节点数）pred_set：考虑的谓词集合（若设置为空{}，则表示允许出现数据中的所有谓词）ret_num：整数，选填，默认为100，表示最多返回ret_num个结点 IRI （若总结点数不足ret_num个，则返回所有结点 IRI ） -
返回值
返回值为以下形式，其中 src 为 u 对应的 IRI ；depth 为所处层数/高度（等于参数k）；dst为所处层数访问到的结点列表。
{"paths":[{ "src": "<SRC_IRI>", "depth": 1, "dst": ["<DST_IRI>"]}] } -
示例（数据集详见【4 示例数据集】）
下面的查询返回图中的K跳邻居，构成它的有向边由喜欢，关注关系3跳内的邻居信息：
SELECT (kHopNeighbor(<Francis>,true,3,{<喜欢>,<关注>},100) AS ?y) WHERE{}结果如下
{"paths":[{"src":"<Francis>","depth":3,"dst":["<Eve>","<Alice>"]}] }
4 示例数据集
<Alice> <关注> <Bob> .
<Alice> <喜欢> <Bob> .
<Alice> <不喜欢> <Eve> .
<Bob> <关注> <Alice> .
<Bob> <喜欢> <Eve> .
<Carol> <关注> <Bob> .
<Carol> <喜欢> <Bob> .
<Carol> <不喜欢> <Francis> .
<Dave> <关注> <Alice> .
<Dave> <关注> <Eve> .
<Dave> <不喜欢> <Francis> .
<Eve> <喜欢> <Carol> .
<Francis> <喜欢> <Carol> .
<Francis> <不喜欢> <Dave> .
<Francis> <不喜欢> <Eve> .
虚拟网络社交图
![[游戏开发][虚幻5]新建项目注意事项](https://img-blog.csdnimg.cn/direct/13ca23567b4844888aa638725ed63840.png)
