| sidebar_position | 15 |
|---|
算子类别：Graph Query（图查询、结构检索与子图操作）
算法数量：10 个
适用阶段：节点属性查询、邻居扩展、共同邻居发现、路径检索、子图抽取、图结构划分、图差异度量、商图构建、条件独立判断、图合并与结构拼接
产品定位：为“查节点属性 / 查 k 跳邻居 / 查共同邻居 / 查两点路径 / 抽取子图 / 按最近中心划分节点 / 比较两个图差异 / 压缩图结构 / 判断条件阻断关系 / 合并图结构”提供图查询与结构操作能力底座。
Graph Query 算子集聚焦于图数据检索、局部结构抽取、路径查询、结构划分与图级操作，主要回答以下问题：
-
节点与属性查询
- 某个节点有哪些属性？
- 是否可以批量查看节点的业务字段、标签或元数据？
- 如何为后续筛选、展示或分析提供节点属性信息？
-
邻居与局部结构查询
- 某个节点的 k 跳范围内有哪些节点？
- 两个节点是否拥有共同邻居？
- 如何快速定位局部关系圈或潜在关联对象？
-
路径与关系链查询
- 两个节点之间是否存在路径？
- 两个节点之间有哪些可达路径？
- 如何解释两个实体之间的关联链路？
-
子图抽取与结构划分
- 如何从原图中抽取指定节点或边构成的子图？
- 如何根据一组中心节点，把图划分为不同的 Voronoi 区域？
- 如何将图按照节点分组压缩成商图？
-
图结构比较、推理与合并
- 两个图之间的编辑距离有多大？
- 在有向概率图或因果图中，某些节点是否 d-separate？
- 如何将两个图进行 full join，形成合并后的结构？
| 能力类型 | 对应算子 | 功能描述 |
|---|---|---|
| 节点属性查询 | get_node_attributes |
获取图中节点的指定属性 |
| K 跳邻居查询 | k_hop_neighbors |
查询指定节点 k 跳范围内的邻居 |
| 共同邻居查询 | common_neighbors |
查询两个节点的共同邻居 |
| 子图抽取 | extract_subgraph |
根据节点或边条件抽取子图 |
| 两点路径查询 | get_paths_between_two_nodes |
查询两个节点之间的路径 |
| Voronoi 划分 | voronoi_cells |
按中心节点将图划分为最近节点区域 |
| 图编辑距离 | graph_edit_distance |
衡量两个图结构之间的编辑差异 |
| 商图构建 | quotient_graph |
根据节点分组或等价关系压缩图结构 |
| d-分离判断 | is_d_separator |
判断有向图中节点集合是否形成 d-separator |
| 图 Full Join | full_join |
将两个图进行完全连接式合并 |
- 输入
G：NetworkX Graph / DiGraph - 常见输入参数：
node/source/target：查询起点、终点或目标节点nodes：节点集合，用于属性查询、子图抽取或分组attribute/name：节点属性名k/cutoff：跳数或路径搜索深度限制center_nodes：Voronoi 划分中的中心节点集合partition：商图构建中的节点分组X/Y/Z：d-分离判断中的节点集合G1/G2：图比较或图合并中的两个输入图
- 常见输出类型：
- 属性查询类：
dict[node → attribute_value] - 邻居查询类：
set(node)或节点列表 - 路径查询类：路径列表
- 子图类：
NetworkX Graph - 结构划分类：
dict[center_node → set(nodes)] - 图差异类：数值距离
- 判断类：
bool - 图合并类：合并后的
NetworkX Graph
- 属性查询类：
功能说明
获取图中节点的指定属性，并返回节点到属性值的映射关系。
产品价值
- 快速读取节点业务字段
- 支持图可视化中的节点标签、颜色、大小等属性展示
- 可作为筛选、分组、统计和后续算法分析的基础输入
典型场景
- 查询账户节点的风险等级
- 查询用户节点的年龄、地区或标签
- 查询论文节点的年份、领域或作者信息
- 为可视化节点设置颜色或分组
- 在图分析前提取节点元数据
适用与特性
- 图类型：有向图 / 无向图
- 输入：图
G、属性名 - 输出：
dict[node → attribute_value] - 特点：偏数据读取，适合图查询与可视化前处理
功能说明
从指定节点出发，查询 k 跳范围内可到达的邻居节点。
产品价值
- 快速展开节点周边关系圈
- 支持局部影响范围、关系扩散范围和潜在关联对象发现
- 是局部图探索和子图抽取的重要前置能力
典型场景
- 查询某账户 2 跳内的交易对手
- 查询某用户的朋友、朋友的朋友
- 查询某设备周围的依赖节点
- 查询知识图谱中某实体附近的概念节点
- 查询风险节点周边的关联对象
适用与特性
- 图类型：有向图 / 无向图
- 输入：起点节点、跳数
k - 输出：邻居节点集合
- 注意：高阶 k-hop 查询可能快速膨胀，应控制跳数和结果规模
功能说明
查询两个节点之间共享的邻居节点集合。
产品价值
- 发现两个实体之间的共同关系基础
- 支持好友推荐、相似性分析和隐藏关系发现
- 可作为链接预测和关系强度评估的基础特征
典型场景
- 查询两个人的共同好友
- 查询两个账户的共同交易对象
- 查询两个公司共享的供应商或客户
- 查询两篇论文共同引用的文献
- 查询两个风险对象是否存在共同中介
适用与特性
- 图类型：通常用于无向图
- 输入：两个节点
u、v - 输出：共同邻居节点集合
- 特点：适合局部结构查询和关系解释
功能说明
从原图中抽取指定节点、边或满足条件的局部结构，形成一个新的子图。
产品价值
- 将大图切分为可分析、可展示的小图
- 支持局部结构分析、可视化取数和算法前处理
- 便于围绕目标对象进行精准排查
典型场景
- 抽取可疑账户周围的交易子图
- 抽取某批节点之间的内部关系
- 抽取某个社区或分组对应的子图
- 抽取知识图谱中的某个主题片段
- 为路径分析、社区发现或可视化准备局部图
适用与特性
- 图类型：有向图 / 无向图
- 输入：节点集合、边集合或抽取条件
- 输出：
NetworkX Graph - 特点：适合从大图中截取业务相关结构
功能说明
查询两个节点之间的路径，用于判断两个实体是否可达，以及它们之间通过哪些中间节点连接。
产品价值
- 解释两个节点之间的关系链路
- 支持资金链、引用链、供应链、社交链等路径追踪
- 有助于发现间接关联和隐藏关系
典型场景
- 查询两个账户之间是否存在资金路径
- 查询两家公司之间的供应链路径
- 查询两个用户之间的社交连接链
- 查询两篇论文之间的引用路径
- 查询风险对象之间的中间关联节点
适用与特性
- 图类型：有向图 / 无向图
- 输入：起点节点、终点节点、路径长度限制
- 输出：路径列表
- 注意：枚举路径可能出现组合爆炸，建议设置最大路径长度或结果数量限制
功能说明
给定一组中心节点，将图中其他节点分配给距离最近的中心节点，形成图上的 Voronoi cells。
产品价值
- 支持按最近中心进行节点归属划分
- 可用于服务范围、影响区域和最近归属分析
- 适合把图结构按多个中心进行空间化或拓扑化切分
典型场景
- 多个服务中心的覆盖范围划分
- 多个核心节点的影响区域分析
- 路网中按最近站点划分区域
- 社交网络中按核心用户划分圈层
- 知识图谱中按主题中心划分实体集合
适用与特性
- 图类型：有向图 / 无向图
- 输入：中心节点集合
- 输出：
dict[center_node → set(nodes)] - 特点：基于图距离进行区域划分
功能说明
计算两个图之间的编辑距离，即将一个图变换为另一个图所需的节点/边插入、删除或替换成本。
产品价值
- 衡量两个图结构的差异程度
- 支持图结构相似性比较和模式匹配
- 可用于异常结构识别、模板匹配和图聚类
典型场景
- 比较两个流程图是否相似
- 判断两个欺诈团伙结构是否相近
- 比较两个分子结构差异
- 检测网络结构异常变化
- 图样本之间的相似度计算
适用与特性
- 图类型：有向图 / 无向图
- 输入：两个图
G1、G2 - 输出：编辑距离数值
- 注意：图编辑距离通常计算成本较高，大图需谨慎使用
功能说明
根据节点分组、等价关系或划分结果，将原图压缩为商图。商图中的每个节点通常代表原图中的一个节点集合。
产品价值
- 将复杂图压缩为更高层级的结构
- 支持社区级、分组级、模块级关系分析
- 便于从宏观层面观察图结构
典型场景
- 将社区压缩为社区关系图
- 将部门成员压缩为部门关系图
- 将城市路网压缩为区域关系图
- 将知识图谱实体分组后生成主题图
- 对大图做结构摘要和层级建模
适用与特性
- 图类型：有向图 / 无向图
- 输入：节点划分或等价关系
- 输出：商图
NetworkX Graph - 特点：适合图压缩、结构摘要和宏观分析
功能说明
判断有向图中节点集合 Z 是否 d-separate 节点集合 X 与 Y。常用于有向概率图、贝叶斯网络和因果图中的条件独立判断。
产品价值
- 支持图结构上的条件独立推理
- 可用于因果分析和概率图模型结构解释
- 帮助判断给定条件变量是否阻断两个变量集合之间的依赖路径
典型场景
- 贝叶斯网络条件独立判断
- 因果图中的混杂变量分析
- 判断控制变量是否阻断因果路径
- 概率图模型结构验证
- 变量依赖关系解释
适用与特性
- 图类型：有向无环图通常更常见
- 输入：节点集合
X、Y、Z - 输出：
bool - 特点：偏图推理与结构条件独立分析
功能说明
将两个图进行 full join 操作，生成包含两个图节点和边的组合结构，并在需要时连接两个图之间的节点。
产品价值
- 支持图之间的结构合并与拼接
- 可用于构造组合图、跨图关系图或实验图结构
- 适合需要把两个独立图整体纳入同一分析空间的场景
典型场景
- 合并两个来源的关系网络
- 构建跨业务域的联合图
- 将用户图与商品图合并分析
- 组合两个子图进行结构实验
- 构造跨图连接后的整体网络
适用与特性
- 图类型：有向图 / 无向图
- 输入：两个图
G1、G2 - 输出：合并后的图
- 特点：适合图结构拼接、联合分析和跨域建模
- 查询节点属性：
get_node_attributes - 查询 k 跳邻居：
k_hop_neighbors - 查询两个节点共同邻居：
common_neighbors
- 查询两点之间路径：
get_paths_between_two_nodes - 判断两个实体是否存在间接关联：
get_paths_between_two_nodes - 发现共享中介或共同对象：
common_neighbors
- 抽取指定节点或边构成的子图：
extract_subgraph - 抽取局部关系圈：
extract_subgraph+k_hop_neighbors - 为可视化或算法分析准备小图：
extract_subgraph
- 按最近中心划分节点区域：
voronoi_cells - 按社区、分组或等价关系压缩图：
quotient_graph
- 比较两个图的结构差异：
graph_edit_distance - 判断条件变量是否阻断依赖路径：
is_d_separator - 合并两个图结构：
full_join
- 想查看节点属性信息：
get_node_attributes - 想看某节点 k 跳范围内有哪些对象：
k_hop_neighbors - 想找两个节点的共同好友 / 共同交易对象：
common_neighbors - 想抽取一个局部子图做可视化：
extract_subgraph - 想查询两个节点之间如何连接：
get_paths_between_two_nodes - 想按多个中心划分图上的归属区域：
voronoi_cells - 想比较两个图结构差异：
graph_edit_distance - 想把社区或分组压缩成高层图：
quotient_graph - 想做因果图 / 概率图中的条件独立判断：
is_d_separator - 想合并两个图进行联合分析：
full_join
-
k-hop 与路径查询要控制规模
k_hop_neighbors和get_paths_between_two_nodes在高平均度图中可能迅速膨胀，建议控制k、路径长度和返回数量。 -
共同邻居的方向语义要明确
在有向图中，共同邻居可能表示共同出邻居、共同入邻居或混合邻居。业务解释时需要明确方向口径。 -
子图抽取建议先限定范围
使用extract_subgraph时，建议先通过节点集合、边条件、k-hop 范围或业务标签缩小抽取规模。 -
图编辑距离适合小图或模式图
graph_edit_distance计算成本较高，更适合小规模图、模板图或候选结构之间的相似性比较。 -
商图依赖合理分组
quotient_graph的结果质量取决于节点划分方式。社区划分、业务分组或等价关系需要在分析前明确。 -
d-分离适合有向概率图 / 因果图语境
is_d_separator的解释依赖图模型语义，不应直接用于普通有向关系图的因果结论判断。 -
图合并前要注意节点命名冲突
使用full_join合并两个图时，应确认两个图的节点命名空间是否一致，避免不同实体被误认为同一节点。
- “这个节点有哪些属性？”
- “某个节点 2 跳以内有哪些邻居？”
- “两个账户有哪些共同交易对象？”
- “两个用户是否有共同好友？”
- “从 A 到 B 有哪些路径？”
- “围绕某个节点抽取一个局部子图。”
- “按照这些中心节点，把全图划分成不同覆盖区域。”
- “两个流程图结构差异有多大？”
- “把社区压缩成社区级关系图。”
- “在这个因果图中，Z 是否阻断了 X 到 Y 的依赖关系？”
- “把两个图合并成一个联合图进行分析。”
- “这两个图是否只是局部结构不同，还是整体差异很大？”
| 序号 | 算子名称 | 中文说明 |
|---|---|---|
| 1 | get_node_attributes |
获取节点属性 |
| 2 | k_hop_neighbors |
查询 K 跳邻居 |
| 3 | common_neighbors |
查询共同邻居 |
| 4 | extract_subgraph |
抽取子图 |
| 5 | get_paths_between_two_nodes |
查询两点之间路径 |
| 6 | voronoi_cells |
图上 Voronoi 区域划分 |
| 7 | graph_edit_distance |
计算图编辑距离 |
| 8 | quotient_graph |
构建商图 |
| 9 | is_d_separator |
判断 d-分离条件 |
| 10 | full_join |
图 Full Join 合并 |