写点什么

ChatGPT 加图数据库 NebulaGraph 预测 2022 世界杯冠军球队

作者:NebulaGraph
  • 2022-12-07
    浙江
  • 本文字数:3219 字

    阅读完需:约 11 分钟


一次利用 ChatGPT 给出数据抓取代码,借助 NebulaGraph 图数据库与图算法预测体坛赛事的尝试。


作者:古思为

蹭 ChatGPT 热度

最近因为世界杯正在进行,我受到这篇 Cambridge Intelligence 的文章启发(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术和图算法。


本来想着几个小时撸出来一个方案,但很快被数据集的收集工作劝退了,我是实在懒得去「FIFA 2022 的维基」抓取所需的数据,索性就搁浅、放了几天。


同时,另一个热潮是上周五 OpenAI 发布了 ChatGPT 服务,它可以实现各种语言编码。ChatGPT 可实现的复杂任务设计包括:


  • 随时帮你实现一段指定需求的代码

  • 模拟任意一个 prompt 界面:Shell、Python、Virtual Machine、甚至你创造的语言

  • 带入给定的人设,和你聊天

  • 写诗歌、rap、散文

  • 找出一段代码的 bug

  • 解释一段复杂的正则表达式的含义


ChatGPT 的上下文联想力和理解力到了前所未有的程度,以至于所有接触它的人都在讨论新的工作方式:如何掌握让机器帮助我们完成特定任务。


所以,当我试过让 ChatGPT 帮我写复杂的图数据库查询语句、解释复杂图查询语句的含义、解释一大段 Bison 代码含义之后,我突然意识到:为什么不让 ChatGPT 帮我写好抓取数据的代码呢

抓取世界杯数据

我真试了下 ChatGPT,结果是:完全可以,而且似乎真的很容易。


整个实现过程,基本上我像是一个代码考试的面试官,或是一个产品经理,提出我的需求,ChatGPT 给出具体的代码实现。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,并给出相应的修正,像是:



这一全过程我就不在这里列出来了,不过我把生成的代码和整个讨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:



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、年龄、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,ClubEcuador,A,1,1GK,Hernán Galíndez,(1987-03-30)30 March 1987,35,12,0,AucasEcuador,A,2,2DF,Félix Torres,(1997-01-11)11 January 1997,25,17,2,Santos LagunaEcuador,A,3,2DF,Piero Hincapié,(2002-01-09)9 January 2002,20,21,1,Bayer LeverkusenEcuador,A,4,2DF,Robert Arboleda,(1991-10-22)22 October 1991,31,33,2,São PauloEcuador,A,5,3MF,José Cifuentes,(1999-03-12)12 March 1999,23,11,0,Los Angeles FC
复制代码


这是手动删除了 CSV 表头的数据集 world_cup_squads_no_headers.csv

图方法预测 2022 世界杯

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,入口链接是👉🏻 申请使用云端 NebulaGraph


图建模(Graph Modeling)是把真实世界信息以”点-->边“的图形式去抽象与表示。


这里,我们把在公共领域获得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)


而队员的年龄、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:



我们点击右上角的保存后,便能创建一个新的图空间,将这个图建模应用到图空间里。


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:



完成关联之后,点击导入,就能把整个图导入到 NebulaGraph。成功之后,我们还得到了整个 csv --> Nebula Importer 的关联配置文件:nebula_importer_config_fifa.yml,你可以直接拖拽整个配置,不用自己去配置它了。



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 卡塔尔世界杯,他们服役在 295 个不同的俱乐部:



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,我用拖拽的方式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,所以不会漏掉任何孤立的点。



让 Explorer 它帮我生成查询的语句。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 里执行。


初步观察数据

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。



这些外围、形成的簇多是由不怎么知名的足球俱乐部,和不怎么厉害的国家队的球员组成,因为通常这些俱乐部只有一两个球员参加世界杯,而且他们还集中在一个国家队、地区,所以没有和很多其他球员、国家队产生连接。


图算法辅助分析

在我点击了 Explorer 中的两个按钮之后(详细参考后边的文档链接),在浏览器里,我们可以看到整个图已经变成:



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/


其实,Explorer 这里利用到了两个图算法来分析这里的洞察:


  1. 利用点的出入度,改变它们的显示大小突出重要程度

  2. 利用 Louvain 算法区分点的社区分割


可以看到红色的大点是鼎鼎大名的巴塞罗那,而它的球员们也被红色标记了。

预测冠军算法

为了能充分利用图的魔法(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重要程度分析的图算法,找出拥有更高重要性的点,对它们进行全局迭代、排序,从而获得前几名的国家队排名。


这些方法其实就体现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。


最终,我的算法是:


  • 取出所有的 (球员)-服役->(俱乐部) 的关系,过滤其中进球数过少、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,获得国家队

  • 在以上的子图上运行 Betweenness Centrality 算法,计算节点重要度评分

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:


MATCH ()-[e]->()WITH e LIMIT 10000WITH e AS e WHERE e.goals > 10 AND toFloat(e.goals)/e.caps > 0.2RETURN e
复制代码


为了方便,我把进球数和出场数也作为了 serve 边上的属性了。



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:



现在,我们获得了最终的子图,我们利用工具栏里的浏览器内的图算法功能,执行 BNC(Betweenness Centrality)



最后,这个子图变成了这样子:


预测结果

最终,我们根据 Betweenness Centrality 的值排序,可以得到最终的获胜球队应该是:巴西 🇧🇷!


其次是比利时、德国、英格兰、法国、阿根廷,让我们等两个礼拜回来看看预测结果是否准确吧 :D。


注:排序数据(其中还有非参赛球队的点)



原文地址:https://discuss.nebula-graph.com.cn/t/topic/11584




谢谢你读完本文 (///▽///)


如果你想尝鲜图数据库 NebulaGraph,记得去 GitHub 下载、使用、(^з^)-☆ star 它 -> GitHub;和其他的 NebulaGraph 用户一起交流图数据库技术和应用技能,留下「你的名片」一起玩耍呀~

发布于: 2022-12-07阅读数: 25
用户头像

NebulaGraph

关注

一款开源的分布式图数据库 2020-04-28 加入

Follow me, here is my GitHub profile: https://github.com/vesoft-inc/nebula

评论 (1 条评论)

发布
用户头像
看来你的预测不怎么准确,巴西队已经输了
3 小时前 · 上海
回复
没有更多了
ChatGPT 加图数据库 NebulaGraph 预测 2022 世界杯冠军球队_图数据库_NebulaGraph_InfoQ写作社区