R_queries.txt

// load the neo4j datbase
// https://nicolewhite.github.io/2014/12/17/whats-new-rneo4j.html
// https://github.com/nicolewhite/RNeo4j

install.packages("RNeo4j")
install.packages("ggplot2")
install.packages("Rcpp")
install.packages("extrafont")
install.packages("tagcloud")

# Install
install.packages("tm")  # for text mining
install.packages("SnowballC") # for text stemming
install.packages("wordcloud") # word-cloud generator 
install.packages("RColorBrewer") # color palettes
# Load
library("tm")
library("SnowballC")
library("wordcloud")
library("RColorBrewer")




neo4j = startGraph("http://neo4j:sakiss@localhost:7474/db/data/")



query = "
MATCH (n)-[r:INGREDIENT_DE]->(s:Recette)
WITH n as Ingredient, count(r) as nombre
RETURN Ingredient.nom , nombre
ORDER BY nombre DESC
LIMIT 20
"
stats = cypher(neo4j, query)



library(ggplot2)

ggplot(stats, aes(x = reorder(Ingredient.nom, nombre), y = nombre)) + 
  geom_bar(stat = "identity", fill = "darkblue") +
  coord_flip() +
  labs(x = "Ingrédient", 
       y = "Nombre", 
       title = "Ingrédients les plus utilisés de la cuisine niçoise") +
  theme(axis.text = element_text(size = 12, color = "black"),
        axis.title = element_text(size = 14, color = "black"),
        plot.title = element_text(size = 16, color = "black"))
		
//////////////////////////////////////////////
/// tag cloud
# liste des ingrédients de toutes les recettes
query = "
MATCH (n)-[r:INGREDIENT_DE]->(s:Recette)
WITH n as Ingredient, count(r) as nombre
RETURN Ingredient.nom , nombre
ORDER BY nombre DESC
LIMIT 100
"

stats = cypher(neo4j, query)

# library( extrafont )





# word cloud de tous les ingrédients

set.seed(1234)
wordcloud(words = stats$Ingredient, freq = stats$nombre, min.freq = 1,
          max.words=200, random.order=FALSE, rot.per=0.35, 
          colors=brewer.pal(8, "Dark2"))

///////////
// Les categories d'aliments les plus utilisées : tag cloud

MATCH (n:Ingredient)-[r]->(m:Categorie_Alimentaire)
RETURN m.nom as Categorie, COUNT(*) AS nombre
ORDER BY nombre DESC
LIMIT 10;




/// Kclustering sur les recettes

// Arbre de décision sur les ingrédients



// Tag cloud des légumes 
query = "
MATCH (n:Ingredient)-[r]->(m:Recette)
where (n)-[:EST_DE_FAMILLE]-({ nom: 'Légume' })
with n , count(*) as count
order by count desc
return n.nom as Ingredient, count as nombre
"

stats = cypher(neo4j, query)



set.seed(1234)
wordcloud(words = stats$Ingredient, freq = stats$nombre, min.freq = 1,
          max.words=20, random.order=FALSE, rot.per=0.35, 
          colors=brewer.pal(8, "Dark2"))

		  
/////////////////

/// Les catégories alimentaires : tag cloud

query = "
MATCH (n:Ingredient)-[r]->(m:Recette)
//where (n)-[:EST_DE_FAMILLE]-({ nom: 'Légume' })
with n , count(*) as count
order by count desc
match (n)-[:EST_DE_FAMILLE]->(c:Categorie_Alimentaire)
with c, count(*) as count
return  c.nom as categorie, count as nombre
order by nombre desc
"

stats = cypher(neo4j, query)



set.seed(1234)
wordcloud(words = stats$categorie, freq = stats$nombre, min.freq = 1,
          max.words=20, random.order=FALSE, rot.per=0.35, 
          colors=brewer.pal(8, "Dark2"))
		  
		  
///////////////////////////////
// histogramme du nombre d'aliments par catégorie



/////////////////////////////////
// Camembert des ingrédients utilisés par catégorie


///////////////////////////////////
// Les ingrédients les plus souvent utilisés ensembles, et combien
// pour chaque ingrédeint : nb fois que x est dans une même recette avec Y
// f(x,y) = f(y,x) : nombre de fois que x et y sont dans une même recette (distance) : plus c grand plus les ingrédients sont proches
// chart : http://www.r-graph-gallery.com/274-map-a-variable-to-ggplot2-scatterplot/
// faire liste ordonnée des ingrédients : id, nom classé par ordre alpha
ail,ail-> pour chaque recette, ail est avec ail ? Si oui alors +1

Liste des ingrédients classée :

graph = startGraph("http://neo4j:sakiss@localhost:7474/db/data/")


query = "
MATCH (n:Ingredient)
with n.nom as ingredient
return ingredient
ORDER BY ingredient asc
"


cypher(graph, query)



// hierarchcal