グラフの表現学習を利用したいけど，データ整形(gexf形式に変換)ができない人向け

グラフの表現学習を利用したいけど，入力データを整形できないあなたに向けて．
今回紹介するコードでgraph2vecやGNN，GCNに対しての入力データであるサブフラフを生成できます．(サブグラフのファイル形式はgexf)

最後にコード全文を記載します．
#動作環境
neo4j-desktop-offline-1.2.1-x86_64.Applmage
python 3.7.3
Ubuntu 18.04.2
#1．Neo4jを起動させた状態にする

#2．予め，空のフォルダを作成
今回はsubgraph_callフォルダを作成しました．
このフォルダ内にgexf形式のファイルが生成されます．
#3．本題のコード解説

import pprint
import networkx as nx
from neo4jrestclient.client import GraphDatabase

pprint：list型やdict型等をstr型に変換可能なPythonライブラリ
networkx：グラフ/ネットワーク理論系の計算を行うためのPythonライブラリ

今回，neo4jrestclientを利用することにより，pythonでNeo4jに接続します．

url = 'http://localhost:7474/db/data'
gdb = GraphDatabase(url, username='neo4j', password='password')

passwordには，グラフDBを生成した際に決めたパスワードを格納します．

codes = gdb.query("MATCH (START)-[:CALL]->() return collect(DISTINCT START.name) AS list_d1", data_contents=True)

エッジCALLが出ているノードの名前をリストにまとめます．（重複箇所は削除）
MATCH句はNeo4jにおけるCypherクエリと同じ文法で記述できます．

G = nx.DiGraph()

for i, codes in enumerate(codes.rows[0][0]):
    G.clear()
    print("No." + str(i) + ": " + codes)

    behavior = gdb.query("MATCH p=(({{name: '{0}'}})-[:CALL]->()) return p".format(codes), data_contents=True)

    for graph in behavior.graph:
        for node in graph['nodes']:
            print("id: " + node['id'] + " - labels: " + node['labels'][0])
            G.add_node(node['id'])
            G.nodes[node['id']]['label'] = node['id']
            G.nodes[node['id']]['Label'] = node['labels'][0]
        for relationship in graph['relationships']:
            print("id: " + relationship['id'] + " - type: " + relationship['type'])
            G.add_edge(relationship['startNode'], relationship['endNode'])
            if (relationship['startNode'], relationship['endNode']) in nx.get_edge_attributes(G, 'Type'):
                pass
            else:
                G.edges[relationship['startNode'], relationship['endNode']]['Type'] = relationship['type']

各ノードからエッジCALLでつながるサブグラフを複数出力します．（重複箇所は削除）

nx.write_gexf(G, "./../data/subgraph_call/{0}.gexf".format(i))
    f = open('./../data/subgraph_call.Labels','a')
    f.write("{0}.gexf 0\n".format(i))
    f.close()

nx.write_gexfは，指定したフォルダ内に出力したサブグラフをgexf形式のファイルとして生成します．
その後，Labels形式のファイルを機械学習におけるラベルとして生成します．

最後のコード全文を実行することで以下のような結果が得られます．

#以下コード全文

# coding:utf-8
import pprint
import networkx as nx
from neo4jrestclient.client import GraphDatabase

global i,codes
url = 'http://localhost:7474/db/data'
gdb = GraphDatabase(url, username='neo4j', password='password')

codes = gdb.query("MATCH (START)-[:CALL]->() return collect(DISTINCT START.name) AS list_d1", data_contents=True)

G = nx.DiGraph()

for i, codes in enumerate(codes.rows[0][0]):
    G.clear()
    print("No." + str(i) + ": " + codes)

    behavior = gdb.query("MATCH p=(({{name: '{0}'}})-[:CALL]->()) return p".format(codes), data_contents=True)

    for graph in behavior.graph:
        for node in graph['nodes']:
            print("id: " + node['id'] + " - labels: " + node['labels'][0])
            G.add_node(node['id'])
            G.nodes[node['id']]['label'] = node['id']
            G.nodes[node['id']]['Label'] = node['labels'][0]
        for relationship in graph['relationships']:
            print("id: " + relationship['id'] + " - type: " + relationship['type'])
            G.add_edge(relationship['startNode'], relationship['endNode'])
            if (relationship['startNode'], relationship['endNode']) in nx.get_edge_attributes(G, 'Type'):
                pass
            else:
                G.edges[relationship['startNode'], relationship['endNode']]['Type'] = relationship['type']

    nx.write_gexf(G, "./../data/subgraph_call/{0}.gexf".format(i))
 
    f = open('./../data/subgraph_call.Labels','a')
    f.write("{0}.gexf 0\n".format(i))
    f.close()

    print("--------------------------")

今回得られたデータに対して表現学習を適用できますね!