如何使用Neo4j和GraphSAGE为多类型属性节点生成embedding

Neo4j Graph Data Science(GDS)库存在原生限制：创建图投影时仅支持加载int、float等数值类型作为节点特征，字符串类型属性无法直接输入GraphSAGE算法，所以触发了上述报错。

• 第一步：筛选并编码字符串属性
  先判断字符串属性是否有作为特征的业务价值，无价值的属性直接排除，不纳入特征列表即可；有价值的按类型编码：
  • 低基数离散字符串（如示例中的city，唯一值数量少）：采用标签编码或独热编码，标签编码实现最简单，将每个唯一字符串映射为一个整数即可；独热编码适合唯一值数量<10的场景，避免特征维度过高。
  • 高基数离散字符串（如示例中的name、last_name，唯一值数量多）：如果需要保留语义信息，可通过预训练词向量模型（如Word2Vec、BERT）将字符串转换为固定维度的浮点向量。
• 第二步：标准化原生数值属性
  对age、credit_score这类原生数值属性做归一化处理，可选择min-max归一化缩放到[0,1]区间，或z-score标准化缩放到均值为0、标准差为1的区间，避免不同属性数值范围差异过大影响模型训练效果。
• 第三步：拼接生成统一节点特征向量
  将编码后的字符串特征、归一化后的数值特征拼接为一个一维浮点数组，作为每个节点的专属特征属性（可命名为feature_vector）。
• 第四步：创建GDS图投影运行GraphSAGE
  创建投影时仅指定上述统一生成的数值数组作为节点特征，不再加载原始字符串属性，即可避开类型报错。

// 1. 对city属性做标签编码
MATCH (n:User)
WITH DISTINCT n.city AS city
WITH collect(city) AS city_list
UNWIND range(0, size(city_list)-1) AS idx
MATCH (n:User {city: city_list[idx]})
SET n.city_code = idx

// 2. 数值属性归一化
MATCH (n:User)
WITH max(n.age) AS max_age, min(n.age) AS min_age,
     max(n.credit_score) AS max_cs, min(n.credit_score) AS min_cs
MATCH (n:User)
SET n.norm_age = (n.age - min_age) / toFloat(max_age - min_age),
    n.norm_credit = (n.credit_score - min_cs) / toFloat(max_cs - min_cs)

// 3. 拼接生成统一特征向量
MATCH (n:User)
SET n.feature_vector = [n.norm_age, n.norm_credit, toFloat(n.city_code)]

// 4. 创建GDS图投影
CALL gds.graph.create(
    'user_graph',
    'User',
    'CONNECTED_TO', // 替换为你实际的关系类型
    {nodeProperties: ['feature_vector']}
)

// 5. 训练GraphSAGE生成嵌入
CALL gds.beta.graphSage.train(
    'user_graph',
    {
        modelName: 'user_sage_model',
        featureProperties: ['feature_vector'],
        embeddingDimension: 128,
        epochs: 10
    }
)

如果name、last_name仅作为节点标识、无业务特征价值，不需要纳入特征列表，无需对其做编码处理，直接拼接city编码和归一化后的数值属性作为特征向量即可。

内容的提问来源于stack exchange，提问作者SteveS