Change Password

Please enter the password.
Please enter the password. Between 8-64 characters. Not identical to your email address. Contain at least 3 of: uppercase, lowercase, numbers, and special characters.
Please enter the password.
Submit

Change Nickname

Current Nickname:
Submit

Apply New License

License Detail

Please complete this required field.

  • Ultipa Graph V4

Standalone

Please complete this required field.

Please complete this required field.

The MAC address of the server you want to deploy.

Please complete this required field.

Please complete this required field.

Cancel
Apply
ID
Product
Status
Cores
Applied Validity Period(days)
Effective Date
Excpired Date
Mac Address
Apply Comment
Review Comment
Close
Profile
  • Full Name:
  • Phone:
  • Company:
  • Company Email:
  • Country:
  • Language:
Change Password
Apply

You have no license application record.

Apply
Certificate Issued at Valid until Serial No. File
Serial No. Valid until File

Not having one? Apply now! >>>

Product Created On ID Amount (USD) Invoice
Product Created On ID Amount (USD) Invoice

No Invoice

v4.5
Search
    Français
    v4.5

      Marche Aléatoire

      ✓ File Writeback ✕ Property Writeback ✓ Direct Return ✓ Stream Return ✕ Stats

      Vue d’ensemble

      Un parcours aléatoire commence à un certain node dans un graph et progresse en se déplaçant aléatoirement vers un de ses nodes voisins ; ce process est souvent répété pour un nombre défini d'étapes. Ce concept a été introduit par le mathématicien et biostatisticien britannique Karl Pearson en 1905, et il est depuis devenu une pierre angulaire de l'étude de divers systèmes, aussi bien dans qu'au-delà de la théorie des graph.

      Concepts

      Marche Aléatoire

      La marche aléatoire est une modèle mathématique utilisé pour simuler une série de pas faits de manière stochastique ou imprévisible, telle la trajectoire erratique d'une personne ivre.

      La marche aléatoire de base est effectuée dans un espace unidimensionnel : un node initie à partir de l'origine d'une ligne numérique et se déplace vers le haut ou vers le bas d'une unité à la fois avec une probabilité égale. Un exemple d'une marche aléatoire de 10 étapes est le suivant:

      Voici un exemple de la réalisation de cette marche aléatoire plusieurs fois, chaque marche consistant en 100 étapes:

      Marche Aléatoire dans un Graph

      Dans un graph, une marche aléatoire est un processus où un chemin est formé en commençant par un nœud et en se déplaçant séquentiellement à travers les nœuds voisins. Ce processus est contrôlé par la profondeur de marche, qui détermine le nombre de nodes à visiter.

      L'algorithme Random Walk d'Ultipa implémente la forme classique de parcours aléatoire. Par défaut, chaque edge est assignée à un poids égal (égal à 1), entraînant des probabilités égales de traversée. Lorsque des poids d'edge sont spécifiés, la probabilité de traverser ces edges devient proportionnelle à leurs poids. Il est important de noter qu'il existe diverses variations du parcours aléatoire, comme le Node2Vec Walk et le Struc2Vec Walk.

      Considérations

      • Les boucles auto-traversées sont également éligibles pour être traversées pendant la marche aléatoire.
      • Si la marche commence à partir d'un node isolé sans aucune boucle auto-traversée, la marche s'arrête après la première étape car il n'y a pas d'edges adjacents vers lesquels procéder.
      • L'algorithme Random Walk ignore la direction des edges mais les calcule comme des edges non orientées.

      Syntaxe

      • Commande:algo(random_walk)
      • Paramètres:
      Nom
      Type
      Spec
      Default
      Optional
      Description
      ids / uuids []_id / []_uuid / / Oui ID/UUID des nodes pour commencer les parcours aléatoires ; démarre à partir de tous les nodes si non défini
      walk_length int ≧1 1 Oui Profondeur de chaque parcours, c’est-à-dire, le nombre de nodes à visiter
      walk_num int ≧1 1 Oui Nombre de parcours à effectuer pour chaque node spécifié
      edge_schema_property []@<schema>?.<property> Type numérique, doit être LTE / Oui Propriété(s) d'edge à utiliser comme poids d’edge, où les valeurs de plusieurs propriétés sont additionnées ; les nodes ne marchent qu'along des edges avec la propriété spécifiée
      limit int ≧-1 -1 Oui Nombre de résultats à retourner, -1 pour retourner tous les résultats

      Exemple

      Le graph exemple est le suivant, les nombres sur les edges sont les valeurs de la propriété d'edge score:

      File Writeback

      Spec
      Content
      Description
      filename _id,_id,... IDs des nodes visités
      algo(random_walk).params({
        walk_length: 6,
        walk_num: 2
      }).write({
        file:{
          filename: 'walks'
      }})
      

      Résultats: Fichier walks

      K,
      J,G,J,G,F,D,
      I,I,I,H,I,I,
      H,I,I,I,I,I,
      G,J,G,J,G,H,
      F,D,C,A,B,A,
      E,F,D,C,D,C,
      D,F,G,H,G,H,
      C,D,F,E,F,D,
      B,A,B,A,C,A,
      A,C,A,C,D,F,
      K,
      J,G,J,G,J,G,
      I,I,I,H,I,I,
      H,I,H,G,J,G,
      G,H,I,I,H,G,
      F,D,C,D,F,E,
      E,C,D,F,G,J,
      D,C,D,C,E,F,
      C,E,C,A,B,A,
      B,A,B,A,C,A,
      A,B,A,C,D,C,
      

      Direct Return

      Alias Ordinal Type
      Description
      Columns
      0 []perWalk Tableau des UUID des nodes visités [_uuid, _uuid, ...]
      algo(random_walk).params({
        walk_length: 6,
        walk_num: 2,
        edge_schema_property: 'score'
      }) as walks
      return walks
      

      Résultats: walks

      [11]
      [10, 7, 10, 7, 10]
      [9, 9, 9, 9, 9]
      [8, 9, 9, 9, 9]
      [7, 10, 7, 10, 7]
      [6, 4, 3, 4, 3]
      [5, 6, 7, 6, 4]
      [4, 6, 7, 10, 7]
      [3, 1, 3, 1, 3]
      [2, 1, 3, 1, 3]
      [1, 3, 4, 3, 5]
      [11]
      [10, 7, 10, 7, 10]
      [9, 9, 9, 8, 7]
      [8, 9, 8, 7, 8]
      [7, 6, 4, 6, 4]
      [6, 5, 6, 4, 6]
      [5, 3, 4, 6, 4]
      [4, 6, 4, 6, 7]
      [3, 4, 3, 4, 6]
      [2, 1, 3, 1, 3]
      [1, 2, 1, 3, 1]

      Stream Return

      Alias Ordinal Type
      Description
      Columns
      0 []perWalk Tableau des UUID des nodes visités [_uuid, _uuid, ...]
      algo(random_walk).params({
        walk_length: 5,
        walk_num: 1,
        edge_schema_property: '@default.score'
      }).stream() as walks
      where size(walks) == 5
      return walks
      

      Résultats: walks

      [10, 7, 10, 7, 6]
      [9, 9, 9, 9, 9]
      [8, 9, 9, 9, 9]
      [7, 10, 7, 6, 4]
      [6, 4, 3, 4, 6]
      [5, 6, 4, 6, 4]
      [4, 3, 4, 6, 4]
      [3, 1, 3, 5, 3]
      [2, 1, 3, 4, 6]
      [1, 2, 1, 2, 1]
      Please complete the following information to download this book
      *
      公司名称不能为空
      *
      公司邮箱必须填写
      *
      你的名字必须填写
      *
      你的电话必须填写