Question

我正在尝试使用Gremlin从Neo4j中提取节点的随机样本。搜索后，我找不到合适的方法。

我通过REST API使用Neo4j。

我理想的查询是这样的：

resultset.sample(50)

显然，没有这样的方法。搜索周围，我发现.random（）只会发出随机节点。我想做这样的事情：

ratio = (50 / resultset.count()) * 1.25
resultset.random(ratio)

目标是获得大致相同大小的随机集，但会有更多结果。从调用脚本，我会将它洗牌并选择前50个。但是，这不起作用，因为计数后结果集为空。

我还考虑过获得一个固定的比率并得到一个子集，但是如果没有洗牌，最后一个节点的可能性就会降低，我希望避免发送超过需要的数据。

我还可以将结果集填充两次，一次计数一次，一次过滤。但是，这似乎不对。

获得随机样本的好方法是什么？

编辑:(根据Marko A. Rodriguez的评论

我想出了以下内容：

nodes = ... some expression ...
candidates = nodes.toList()
Collections.shuffle(candidates)

size = 50
if (candidates.count() >= size) {
    return candidates[0..(size-1)]; 
} else {
    return candidates;
}

我发现最后一个条件有点烦人，但如果条目较少，则切片会失败。

另外，这对Neo4j的大型数据集有影响吗？就网络通信而言，它是最佳的。

Answer 1

鉴于您需要特定计数，您可以生成一个列表，然后对该列表进行采样。例如：

MyHelper.getRandomSampleFromList(my.particular.traversal.toList())

鉴于您不知道您的遍历将返回多少结果，您无法获得预定的样本大小。您的MyHelper.getRandomSampleFromList（列表列表）将如下所示：

Take n random elements from a List<E>?

如何使用Gremlin从Neo4j中获取随机样本？

1 个答案: