难以构建高效的查询

Question

给出一个模型类似于3000名演员和5000部电影的电影数据库，您将如何去寻找最常见的演员谁一起工作？

我已经尝试过类似的事情

match (a1:Actor)-[:ACTED_IN]-(m:Movie)-[:ACTED_IN]-(a2:Actor) 
where a1<>a2 
return distinct a1, count(m) as movieCount, a2 limit 999 

但这需要服务器99％的CPU，永不回来。而且，它只会给我配对，而不是群体。

我试过了（收集（m））或收集a2，但都没有返回与我的目标相关的东西。

anywho如果你想刺探它，并提供一个或两个指针，将不胜感激。

Answer 1

为了得到第一个查询工作，尽量在不要求

MATCH (a1:Actor)-[:ACTED_IN]->(m:Movie)<-[:ACTED_IN]-(a2:Actor) 
WITH a1, a2, COUNT(m) AS c 
WHERE c > 1 
RETURN DISTINCT a1, a2, c ORDER BY c DESC LIMIT 999 

您的条款。

我能想到解决更大问题的最佳方式是创建组节点，然后研究结果。这是一个可以做到的查询。这可能需要一段时间。

MATCH (m1:Movie)<-[:ACTED_IN]-(a:Actor)-[:ACTED_IN]->(m2:Movie) 
WITH m1, m2, COLLECT(a) AS actors, COLLECT(id(a)) as actorIDs 
WHERE LENGTH(actors) > 1 
MERGE (g:Group {actors : actorIDs}) 
    ON CREATE SET g.count = 1 
    ON MATCH SET g.count = g.count + 1 
WITH g, actors 
UNWIND actors AS an 
MERGE (g)<-[:PART_OF]-(an) 

我在300部演员和500部电影的图形上测试了这个图，每部电影里有10个随机选择的演员。花费了48秒来建造这些团体。一旦你有了这些组，你就可以过滤和/或分类演员的数量，看到该组的次数等等。

我发现演员节点ID的集合总是排序的。如果不是这样，则查询可能无法正常工作，因为现有：Group节点上的合并可能不成功。在这种情况下，在收集它们之前，您必须在：Actor节点ID上使用ORDER BY。