为庞大的数据集寻找共同的朋友

Question

我有一个庞大的表单数据集 userId 跟随 userId

1 -> 2（即）1 跟随 2

1 -> 3

3 -> 5

2 -> 3

这个想法是我想知道两个人有多少共同关注者 比如上例中，用户 1 和用户 2 的相互关注者数量为 1，因为（用户 1 和用户 2 都关注用户 3）

为庞大的数据集实现它的最佳方法是什么。通过用户 ID 进行简单收集，然后执行连接是行不通的。我正在考虑使用一些图表方法。

Answer 1

假设您有一个表示为邻接列表的图形。你在这个图get a list of the neighbors of a given vertex上有一个操作。顶点 P1 是第一人称，顶点 P2 - 第二人称。现在你可以做下一步（应该使用散列集进行快速交集）：

p1_follows = HashSet(neighbors(P1))
p2_follows = neighbors(P2);
mutual_followers = p1_follows.intersect(p2_follows)

如果您使用GraphFrame，您可以使用Motif finding - 这是一个示例Motif Finding: Counting Mutual Friends。