概述

诱导子图算法可以根据一组给定的点计算出相应的诱导子图（Induced Subgraph），并以路径的形式返回该诱导子图中的边。诱导子图是图论中的一个基本概念，常用来挖掘目标实体之间的直接关联关系。

基本概念

诱导子图

指定图中的一组点为初始点，并找出两个端点均为这些初始点的所有边，这些初始点和找到的边就构成了一张诱导子图。

上图中所有红色边的两个端点均为红色节点，其余黑色边均至少有一个端点不是红色节点，图中红色节点和红色边即为一张诱导子图。

特殊处理

孤点、不连通图

孤点是有效的起始点。

如果给定的多个初始点位于图的不同连通分量中，那么这些初始点将会在各连通分量中分别产生诱导子图。

自环边

起始点的自环边必然是诱导子图中的边。

有向边

对于有向边，本算法会忽略边的方向，按照无向边进行计算。

结果和统计值

以下面包含 10 个点的图为例，运行诱导子图算法：

算法结果：指定点 UUID = 1,3,4,7,10，返回找到的诱导子图（一步路径列表）

1 -->[102]--> 3
3 -->[105]--> 4
4 -->[106]--> 1
4 -->[107]--> 1
7 -->[109]--> 7

算法统计值：无

命令和参数配置

• 命令：algo(subgraph)
• params() 参数配置项如下：

算法执行

任务回写

1. 文件回写

示例：指定点 UUID = 1,3,4,7,10 计算诱导子图，将算法结果回写至名为 paths 的文件

algo(subgraph).params({
  uuids: [1,3,4,7,10]
}).write({
  file:{
    filename: "paths"
    }
})

2. 属性回写

算法不支持属性回写。

3. 统计回写

算法无统计值。

直接返回

示例：指定点 UUID = 1,3,4,7,10 计算诱导子图，将算法结果定义为别名 path 返回

algo(subgraph).params({
  uuids: [1,3,4,7,10]
}) as path 
return path

流式返回

示例：指定点 UUID = 6,7 计算诱导子图，返回构成子图的路径的全部信息

algo(subgraph).params({
  uuids: [6,7]
}).stream() as p
with pedges(p) as e
find().edges(e) return edges{*}

实时统计

算法无统计值。