NEO4J-相似度算法05-重叠相似度算法应用场景简介

疯狂攻城师

于 2021-08-23 19:05:16 发布

阅读量2.1k

点赞数

分类专栏： neo4j 文章标签：算法推荐系统

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/lijunliang2017/article/details/119873592

版权

本文介绍了如何在Neo4j数据库中利用内置的algo.similarity.overlap函数和存储过程计算节点间的重叠相似度，用于分析和比较节点的属性集合。通过示例展示了如何计算两个节点的相似度、筛选相似度高于特定阈值的节点对，以及找出每个节点最相似的节点。此外，还解析了相关源码，帮助理解算法的内部工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

说明：使用neo4j算法库时需引入跟neo4j数据库对应的算法库插件或自定义算法库

1.简介

重叠相似度算法就是先把两个向量表示成两个长度相等得一维坐标，即映射到一维空间，再进行重合度加权求和，它即不关注两个向量得夹角 $\theta$ ，也不关注向量之差得长度值。

其向量公式如下：

$O\left ( A,B \right )=\frac{A\cap B}{min(\left | A \right |,\left | B \right ))}$

数学计算公式如下：

$S(X,Y)=\frac{\sum_{i=1}^{n}g(x_{i},y_{i}).O(x_{i},y_{i}) }{n^{O(0)}};X,Y\epsilon R^{n}$ ，其中分母 $n^{O(0)$ 是作为一个归一化因子，其中 $g(x_{i},y_{i})$ 成为共同维度函数，O(x_{i},y_{i}) }为重合度函数

2.使用场景

我们可以使用重叠相似性算法来计算出哪些事物是其他事物的子集。此算法对两个事物之间本身关联关系数据不必要求数量一致，然后我们可能会使用这些计算出的子集从标记数据中学习分类法。比如再常见数据挖掘分析过程中

3.neo4j中重叠度函数使用示例

neo4j中提供如下函数和存储过程，根据第四小节源码分析可知，其函数适合两个点比较重叠度，存储过程适合多个点比较重叠度

algo.similarity.overlap函数，入参为两个List<Number集合>
algo.similarity.overlap.stream存储过程，入参（List<Map<String,Object>> data，
```
Map<String, Object> config）
```
algo.similarity.overlap存储过程，入参（List<Map<String,Object>> data，
```
Map<String, Object> config）
```

1.计算两个硬编码重叠度

RETURN algo.similarity.overlap([1,2,3], [1,2,4,5]) AS similarity

结果：0.6666666666666

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

疯狂攻城师 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。