neo4j
文章平均质量分 87
疯狂攻城师
一只沉迷技术的疯狂攻城狮,对技术有着狂热爱好的码农!!!!!!
展开
-
NEO4J-链路预测算法06-全邻域算法(Total Neighbors )应用场景简介
1.简介Total Neighbors 根据节点拥有的唯一邻居的数量计算节点的接近度。它基于节点连接越多,接收新链接的可能性就越大的想法 算法公式如下:其中N(x)为节点x的关系节点,N(y)为节点y相邻节点。值0表示两个节点不接近,而较高的值表示节点较近。neo4j包含一个函数来计算两个节点之间的接近度2.使用场景3.源码解析 public double totalNeighbors(@Name("node1") Node no...原创 2021-08-24 15:42:24 · 714 阅读 · 0 评论 -
NEO4J-链路预测算法05-相同社区算法(Same Community)应用场景简介
1.简介相同社区是一种确定两个节点是否属于同一个社区的方法。可以使用其中一种社区检测算法来计算这些社区。如果两个节点属于同一个社区,那么将来它们之间存在关系的可能性更大,如果还没有的话。值为 0 表示两个节点不在同一个社区中。值为 1 表示两个节点在同一个社区中。该库包含一个计算两个节点之间接近度的函数。2.使用场景 相同社区算法,一般适用于判断两个节点之间是否由共同属性,比如由同一所学校,同一...原创 2021-08-24 15:27:03 · 959 阅读 · 0 评论 -
NEO4J-链路预测算法03-优先链接算法(Preferential Attachment)应用场景简介
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.简介公共邻居捕捉到两个共同朋友比没有任何共同朋友的陌生人更有可能被介绍的想法。它使用如下公式进行计算的:,其中N(x)是与节点x相邻的节点集,N(y)是与y节点相邻的节点集,PN(x,y)即为计算x和y节点的相邻节点数乘积值0表示两个节点不接近,而较高的值表示节点相近。2.使用场景进入抖音app,常常会弹出一个框,可能认识,上面显示显示由多少个共...原创 2021-08-24 14:08:33 · 2592 阅读 · 0 评论 -
NEO4J-链路预测算法02-公共邻居算法(commonNeighbors)应用场景简介(抖音朋友推荐)
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2.使用场景3.neo4j中公共邻居算法使用示例3.源码解析NEO4J-链路预测算法01-Adamic Adac算法(adamicAdar)应用场景简介...原创 2021-08-24 10:24:24 · 2211 阅读 · 0 评论 -
NEO4J-链路预测算法01-Adamic Adac算法(adamicAdar)应用场景简介
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Adamic Adac算法公式如下:其中N(u)是与相邻的节点集u。值A(x,y)=0表示两个节点不接近,而较高的值表示节点较近该库包含一个计算两个节点之间接近都的函数2.语法示例及使用场景语法:RETURN gds.alpha.linkprediction.adamicAdar(node1:Node, node2:Node, { relationshipQuery:Strin原创 2021-08-23 20:42:03 · 3254 阅读 · 0 评论 -
NEO4J-相似度算法05-重叠相似度算法应用场景简介
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,也不关注向量之差得长度值。其向量公式如下:数学计算公式如下:,其中分母是作为一个归一化因子,其中成为共同维度函数,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原创 2021-08-23 19:05:16 · 1934 阅读 · 0 评论 -
NEO4J-相似度算法04-欧几里得距离算法(euclidean)应用场景简介
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.简介欧几里德距离算法原理是计算n维坐标系中点与点之间地距离,如在三维坐标系中点A(p1,p2,p3),点B(q1,q2,q3),两个点之间得距离则为 :,如果在n维坐标系中,两个点得距离则变为:根据以上特性拓展:距离越小则A点和B点重合度越高,由此可衍生出A点和B点在n维空间中距离相似度公式为: similarity = neo4j自带算法包提供了欧几里得相似度...原创 2021-08-23 16:56:31 · 1833 阅读 · 0 评论 -
NEO4J-相似度算法03-皮尔逊相似度(Pearson)应用场景简介
1.简介Pearson 相似度是两个n维向量的协方差除以它们的标准差的乘积。使用以下公式计算 Pearson 相似度:值范围在 -1 和 1 之间,其中 -1 完全不同,1 完全相似。该库包含计算数据集之间相似性的过程和函数。在计算少量集合之间的相似性时,最好使用该函数。这些过程使计算并行化,因此更适合在更大的数据集上计算相似性2.使用场景我们可以使用 Pearson Similarity 算法来计算两个事物之间的相似性。然后,我们可能会将计算出的相似度用作推荐查询的一部分。例如原创 2021-08-09 19:17:03 · 2406 阅读 · 0 评论 -
NEO4J-相似度算法02-余弦相似度使用说明应用场景简介
二、余弦相似度算法(Cosine Similarity)余弦相似度是n维空间中两个n维向量之间夹角的余弦。它是两个向量的点积除以两个向量的长度(或幅度)的乘积1.解释,余弦相似度公式如下:2.何时使用余弦相似度算法我们可以使用余弦相似度算法来计算两件事之间的相似度。然后,我们可能会将计算出的相似度用作推荐查询的一部分。例如,根据对您看过的其他电影给予相似评分的用户的偏好来获得电影推荐3.余弦相似度算法函数示例余弦相似度函数计算两个数字列表的相似度示例1:以下将返回两个数字列.原创 2021-08-09 19:15:26 · 2498 阅读 · 0 评论 -
NEO4J-相似度算法01-杰卡德相似度介绍及应用场景简介
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一、杰卡德Jaccard似度算法1.简介Jaccard 相似度(系数)是Paul Jaccard创造的一个术语,用于衡量集合之间的相似度。它被定义为交集的大小除以两个集合的并集的大小。这个概念已被推广到多重集,其中重复元素被视为权重。Jaccard 相似度使用以下公式计算:该算法的输入是包含两个不相交节点集的二部连通图。每个关系从第一个节点集中的一个节点开始,到第二个节点集中的一个节点结束。节点原创 2021-08-09 19:12:36 · 3184 阅读 · 0 评论