3

我计划运行一个机器学习算法来学习节点值和边权重。该算法与此处的值迭代算法非常相似。每个节点代表一个位置，每条边都是通往新位置的路径。每个节点和边都维护一个值，该值表示它的可取性。这些值在每次迭代时都会根据前一次迭代的值进行更新。

我计划使用 neo4j 作为后端。现在将有大约 600,000 个节点和 100,000,000 条边，但以后可能会添加更多（该图不适合内存）。保留上一次迭代中的值的最佳方法是什么？想到的2种方法是：

  1. 克隆当前数据库并使用 1 个副本作为“当前迭代”副本和 1 个副本作为“上一次迭代”副本。
  2. 在每次迭代结束时，将每个节点和边的所有值移动到“上一次迭代”属性。

人们通常如何做到这一点？有没有更好的办法？

4

2 回答 2

3

图的大小是多少，您正在执行多少次迭代？对于较小的图，我会在版本中复制图，或者在磁盘上作为新图，或者作为同一数据库中的子图。

如果数量更大，我认为财产归档方法更好。

于 2012-01-12T03:06:54.627 回答
3

您参考的 MDP 文章很好地概述了价值和策略迭代，但没有提到异步动态编程。事实是，您不需要对图形执行完全隔离扫描以使值收敛 [1]；您可以按任何顺序一次更新一个顶点，前提是您不会忽略其中任何一个。也就是说，您根本不需要制作图表的副本。

[1] Bertsekas, D., 1982。分布式动态规划。IEEE Transactions on Automatic Control，27(3)，p.610-616。

于 2012-01-12T03:42:40.780 回答