neo4j社区发现算法（Community detection algorithms）-4.The Triangle Counting / Clustering Coefficient

一.介绍
　　　　聚集系数算法，在图论中，聚集系数表示一个图形中节点聚集程度的系数，具体来说，是一个点的邻接点之间相互连接的程度。证据显示，在现实网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密组织关系。
　　聚集系数可分为全局聚集和局部聚集：
　　　　全局聚集：
　　　　全局聚集系数是基于节点三元组的，三元组分为开放的和封闭的，开放的是指三个节点由两条边连接，封闭的是指三个节点由三条边连接。全局聚集系数是所有三元组中封闭三元组的数目。
　　　　全局聚集系数是封闭的三元组数目／所有三元组数目
　　　　局部聚集：
　　　　局部聚集系数针对的是节点，一个节点的局部集聚系数是他的邻居节点也被链接的可能性
二.neo4j算法：

CALL algo.triangle.stream(label:String, relationship:String, {concurrency:4})
YIELD nodeA, nodeB, nodeC
返回的是节点
CALL algo.triangleCount.stream(label:String, relationship:String, {concurrency:4}) 
YIELD nodeId, triangles，coefficient
返回节点的聚集系数

三.实例：

MERGE (alice:Person{id:"Alice"})
MERGE (michael:Person{id:"Michael"})
MERGE (karin:Person{id:"Karin"})
MERGE (chris:Person{id:"Chris"})
MERGE (will:Person{id:"Will"})
MERGE (mark:Person{id:"Mark"})
MERGE (michael)-[:KNOWS]->(karin)
MERGE (michael)-[:KNOWS]->(chris)
MERGE (will)-[:KNOWS]->(michael)
MERGE (mark)-[:KNOWS]->(michael)
MERGE (mark)-[:KNOWS]->(will)
MERGE (alice)-[:KNOWS]->(michael)
MERGE (will)-[:KNOWS]->(chris)
MERGE (chris)-[:KNOWS]->(karin);

CALL algo.triangle.stream('Person','KNOWS')
YIELD nodeA,nodeB,nodeC
RETURN algo.getNodeById(nodeA).id AS nodeA, algo.getNodeById(nodeB).id AS nodeB,algo.getNodeById(nodeC).id AS node

CALL algo.triangleCount.stream('Person', 'KNOWS', {concurrency:4})
YIELD nodeId, triangles, coefficient
RETURN algo.getNodeById(nodeId).id AS name, triangles, coefficient
ORDER BY coefficient DESC