做完社区划分后，计算社区内部，社区外部的重要节点。

[user82]

nebula graph版本：3.3.0
nebula studio版本：3.5.0
部署方式：分布式
是否为线上版本：N

之前提过问题，在图上进行社区划分后，找出某个社区内部的重要节点，链接为：做完Louvain社区划分后，如何找到每个社区中的重要节点？

现在我想不仅计算社区内部的重要节点，还需要：

1. 分析识别群体内部与外部通联密切的个体。（找社团内部的重要人物，它与社团外部联系密切的。）
2. 分析识别与群体通联密切的外部个体。（找社团外部的重要人物，它与指定社团联系密切的。）
3. 分析识别与两个或多个群体发生通联的个体。（找社团外部的重要人物，它与多个指定社团联系密切的。）

我初步想法是，比如对于2，用pyspark或python，统计所有节点的点度中心性，然后过滤出和某个社区有联系（出边或者入边与该社区内部节点联系）的节点，请问各位还有更好的想法吗？

[nicole]

@user82

• 分析识别群体内部与外部通联密切的个体。（找社团内部的重要人物，它与社团外部联系密切的。）
• 分析识别与群体通联密切的外部个体。（找社团外部的重要人物，它与指定社团联系密切的。）
• 分析识别与两个或多个群体发生通联的个体。（找社团外部的重要人物，它与多个指定社团联系密切的。）

1. 怎么定义联通密切，比如内部点与外部的连边权重和？ 那就基于边进行分析，统计所有 源点与目标点的社区id不同的数据，然后根据源点/目标点进行groupByKey，得到每个点与外部点的连边集合，再统计集合内点的个数count 进行排序，这样得到的结果就是 每个节点与 社区外节点的关联数。
2. 和1的思路类似，你的方式可能会将社区外部的点也统计进去。
3. 这个转换成模型就是找不同社区之间的重要桥梁吧，是BetweennessCentrality算法的场景。

[user82]

明白！
对于1，我用nGQL语句是实现，先利用下面这个语句：

LOOKUP ON partition WHERE partition.louvain==94 YIELD id(vertex) AS id 
| GO 1 STEPS FROM $-.id OVER * YIELD $-.id AS src, id($$) AS dst

查出94号社区中每个节点所连接的边，后面如何过滤出dst中，louvain != 94的节点呢？并计数。
我不知道后面应该怎么接where语句

[nicole]

后面的逻辑：
where src 的社区id ！= dst的社区id | groupby src yield(dst)

[user82]

我刚又编辑了下，下面这个对于2（找社团外部的重要人物，它与指定社团联系密切的）的语句，应该是没问题吧？

LOOKUP ON partition WHERE partition .louvain == 94 YIELD id(vertex) AS id \
| GO 1 STEPS FROM $-.id OVER * BIDIRECT where properties($$).louvain != 94 yield id($$) as src,$-.id as dst
| GROUP BY $-.src YIELD $-.src as src,count(*) AS degree1