本文转载自悦数科技，作者古思为。
蹭 ChatGPT 热度
最近由于天下杯正在进行，我受到这篇 Cambridge Intelligence的文章启示（在这篇文章中，作者仅仅利用有限的信息量和条件，借助图算法的方法做出了合理的冠军预测），想到可以试着用图数据库 NebulaGraph 玩玩冠军预测，还能顺道科普一波图库技能和图算法。
本来想着几个小时撸出来一个方案，但很快被数据集的网络事情劝退了，我是实在
同时，另一个热潮是上周五 OpenAI 发布了 ChatGPT 3做事，它可以实现各种措辞编码。ChatGPT 可实现的繁芜任务设计包括：
● 随时帮你实现一段指定需求的代码
● 仿照任意一个 prompt 界面：shell、python、virtual machine、乃至你创造的措辞
● 带入给定的人设，和你谈天
● 写诗歌、rap、散文
● 找出一段代码的 bug
● 阐明一段繁芜的正则表达式的含义
ChatGPT 的高下文遐想力和理解力到了前所未有的程度，以至于所有打仗它的人都在谈论新的事情办法：如何节制让机器帮助我们完成特界说务。
以是，当我试过让 ChatGPT 帮我写繁芜的图数据库查询语句、阐明繁芜图查询语句的含义、阐明一大段 Bison 代码含义之后，我溘然意识到：为什么不让 ChatGPT 帮我写好抓取数据的代码呢？
抓取天下杯数据
我真试了下 ChatGPT，结果是：完备可以，而且彷佛真的很随意马虎。
全体实现过程，基本上我像是一个代码考试的口试官，或是一个产品经理，提出我的需求，ChatGPT 给出详细的代码实现。我再试着运行代码，找到代码中不合理的地方，指出来并给出建议，ChatGPT 真的能理解我指出的点，并给出相应的改动，像是：
让chatGPT写抓取天下杯数据的代码
这一全过程我就不在这里列出来了，不过我把天生的代码和全体谈论的过程都分享在这里，感兴趣的同学可以去看看。
最终生成的数据是一个 CSV 文件：
● 代码天生的文件 world_cup_squads.csv
● 手动修正、分开了生日和年事的列 world_cup_squads_v0.csv
上面的数据集包含的信息有：球队、小组、编号、位置、球员名字、生日、年事、参加国际比赛场次、进球数、服役俱乐部。
Team,Group,No.,Pos.,Player,DOB,Age,Caps,Goals,Club
Ecuador,A,1,1GK,Hernán Galíndez,(1987-03-30)30 March 1987,35,12,0,Aucas
Ecuador,A,2,2DF,Félix Torres,(1997-01-11)11 January 1997,25,17,2,Santos Laguna
Ecuador,A,3,2DF,Piero Hincapié,(2002-01-09)9 January 2002,20,21,1,Bayer Leverkusen
Ecuador,A,4,2DF,Robert Arboleda,(1991-10-22)22 October 1991,31,33,2,São Paulo
Ecuador,A,5,3MF,José Cifuentes,(1999-03-12)12 March 1999,23,11,0,Los Angeles FC
这是手动删除了 CSV 表头的数据集 world_cup_squads_no_headers.csv。
数据集部分截图
图方法预测 2022 天下杯图建模
本文用到了图数据库 NebulaGraph 和可视化图探索工具 NebulaGraph Explorer，你可以在阿里云免费申请半个月的试用（ 申请利用云端 NebulaGraph）。
图建模（Graph Modeling）是把真实天下信息以”点–>边“的图形式去抽象与表示。
这里，我们把在公共领域得到的信息映射成如下的点与边：
点：
● player（球员）
● team（球队）
● group（小组）
● club（俱乐部）
边：
● groupedin（球队属于哪一小组）
● belongto（队员属于国家队）
● serve（队员在俱乐部服役）
而队员的年事、参加国际场次（caps）、进球数（goals）则很自然作为 player 这一类点的属性。
下图是这个 schema 在 NebulaGraph Studio/Explorer（后边称 Studio/Explorer） 中的截图：
schema 在 NebulaGraph Studio/Explorer中的截图
我们点击右上角的保存后，便能创建一个新的图空间，将这个图建模运用到图空间里。
这里可以参考下 Explore 草图的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/draft/
导入数据进 NebulaGraph
有了图建模，我们可以把之前的 CSV 文件（无表头版本）上传到 Studio 或者 Explorer 里，通过点、选关联不同的列到点边中的 vid 和属性：
来自转载
完成关联之后，点击导入，就能把全体图导入到 NebulaGraph。成功之后，我们还得到了全体 csv --> Nebula Importer 的关联配置文件：nebula_importer_config_fifa.yml，你可以直接拖拽全体配置，不用自己去配置它了。
来自转载
这里可以参考 Explorer 数据导入的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/11.import-data/
数据导入后，我们可以在 schema 界面查看数据统计。可以看到，有 831 名球员参加了 2022 卡塔尔天下杯，他们服役在 295 个不同的俱乐部：
来自转载
这里我们用到了 Explorer 的 schema 创建的文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/db-management/10.create-schema/#_6
探索数据查询数据
下面，我们试着把所有的数据展示出来看看。
首先，借助 NebulaGraph Explorer，我用拖拽的办法画出了任意类型的点（TAG）和任意类型点（TAG）之间的边。这里，我们知道所有的点都包含在至少一个边里，以是不会漏掉任何伶仃的点。
来自转载
让 Explorer 它帮我天生查询的语句。这里，它默认返回 100 条数据（LIMIT 100），我们手动改大一些，将 LIMIT 后面的参数改到 10000，并让它在 Console 里实行。
来自转载
初步不雅观察数据
结果渲染出来是这样子，可以看到结果自然而然地变成一簇簇的模式。
来自转载
这些外围、形成的簇多是由不怎么有名的足球俱乐部，和不怎么厉害的国家队的球员组成，由于常日这些俱乐部只有一两个球员参加天下杯，而且他们还集中在一个国家队、地区，以是没有和很多其他球员、国家队产生连接。
来自转载
图算法赞助剖析
在我点击了 Explorer 中的两个按钮之后，在浏览器里，我们可以看到全体图已经变成：
来自转载
这里可以参考 Explorer 的图算法文档：https://docs.nebula-graph.com.cn/3.3.0/nebula-explorer/graph-explorer/graph-algorithm/ 2
实在，Explorer 这里利用到了两个图算法来剖析这里的洞察：
1. 利用点的出入度，改变它们的显示大小突出主要程度
2. 利用 Louvain 算法区分点的社区分割
可以看到赤色的大点是鼎鼎大名的巴塞罗那，而它的球员们也被赤色标记了。
预测冠军算法
为了能充分利用图的邪术（与图上的隐含条件、信息），我的思路是选择一种利用连接进行节点主要程度剖析的图算法，找出拥有更高主要性的点，对它们进行全局迭代、排序，从而得到前几名的国家队排名。
这些方法实在就表示了厉害的球员同时拥有更大的社区、连接度。同时，为了增加强队之间的区分度，我准备把出场率、进球数的信息也考虑进来。
终极，我的算法是：
● 取出所有的 (球员)-服役->(俱乐部) 的关系，过滤个中进球数过少、单场进球过少的球员（以平衡部分弱队的老球员带来的过大影响）
● 从过滤后的球员中向外探索，得到国家队
● 在以上的子图上运行 Betweenness Centrality 算法，打算节点主要度评分
算法过程
首先，我们取出所有进球数超过 10，场均进球超过 0.2 的 (球员)-服役->(俱乐部) 的子图：
子图截图
为了方便，我把进球数和出场数也作为了 serve 边上的属性了。
来自转载
然后，我们全选图上的所有点，点击左边的工具栏，选择出方向的 belongto 边，向外进行图拓展（遍历），同时选择将拓展得到的新点标记为旗帜的 icon：
来自转载
现在，我们得到了终极的子图，我们利用工具栏里的浏览器内的图算法功能，实行 BNC（Betweenness Centrality）
来自转载
末了，这个子图变成了这样子：
来自转载
预测结果
终极，我们根据 Betweenness Centrality 的值排序，可以得到终极的得胜球队该当是：巴西 ！
其次是比利时、德国、英格兰、法国、阿根廷，让我们等两个星期回来看看预测结果是否准确吧 :D。
注：排序数据（个中还有非参赛球队的点）
预测结果
原文地址：https://discuss.nebula-graph.com.cn/t/topic/11584
