本届世界杯冠军是谁？我们用ChatGPT和图数据库一起预测

　　图片也是用OpenAIDALLE2生成，并用DALLE2Outpainting扩充的
　　本文转载自悦数科技，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CambridgeIntelligence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FIFA2022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ChatGPT3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、virtualmachine、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：
　　让chatGPT写抓取世界杯数据的代码
　　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：
　　代码生成的文件worldcupsquads。csv
　　手动修改、分开了生日和年龄的列worldcupsquadsv0。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，Club
　　Ecuador，A，1，1GK，HernnGalndez，（19870330）30March1987，35，12，0，Aucas
　　Ecuador，A，2，2DF，FlixTorres，（19970111）11January1997，25，17，2，SantosLaguna
　　Ecuador，A，3，2DF，PieroHincapi，（20020109）9January2002，20，21，1，BayerLeverkusen
　　Ecuador，A，4，2DF，RobertArboleda，（19911022）22October1991，31，33，2，SoPaulo
　　Ecuador，A，5，3MF，JosCifuentes，（19990312）12March1999，23，11，0，LosAngelesFC
　　这是手动删除了CSV表头的数据集worldcupsquadsnoheaders。csv。
　　数据集部分截图
　　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NebulaGraphExplorer，你可以在阿里云免费申请半个月的试用（申请使用云端NebulaGraph）。
　　图建模（GraphModeling）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NebulaGraphStudioExplorer（后边称StudioExplorer）中的截图：
　　schema在NebulaGraphStudioExplorer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。nebulagraph。com。cn3。3。0nebulaexplorerdbmanagementdraft
　　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，就能把整个图导入到NebulaGraph。成功之后，我们还得到了整个csvNebulaImporter的关联配置文件：nebulaimporterconfigfifa。yml，你可以直接拖拽整个配置，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。nebulagraph。com。cn3。3。0nebulaexplorerdbmanagement11。importdata
　　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：
　　来自转载
　　这里我们用到了Explorer的schema创建的文档：https：docs。nebulagraph。com。cn3。3。0nebulaexplorerdbmanagement10。createschema6
　　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NebulaGraphExplorer，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。
　　来自转载
　　让Explorer它帮我生成查询的语句。这里，它默认返回100条数据（LIMIT100），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。
　　来自转载
　　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。
　　来自转载
　　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。
　　来自转载
　　图算法辅助分析
　　在我点击了Explorer中的两个按钮之后，在浏览器里，我们可以看到整个图已经变成：
　　来自转载
　　这里可以参考Explorer的图算法文档：https：docs。nebulagraph。com。cn3。3。0nebulaexplorergraphexplorergraphalgorithm2
　　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BetweennessCentrality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：
　　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（BetweennessCentrality）
　　来自转载
　　最后，这个子图变成了这样子：
　　来自转载
　　预测结果
　　最终，我们根据BetweennessCentrality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）
　　预测结果
　　原文地址：https：discuss。nebulagraph。com。cnttopic11584